افزایش مراقبت از بیمار با تصحیح تضعیف مبتنی بر هوش مصنوعی در تصویربرداری PET

یک مطالعه جدید با عنوان «استفاده از Pix-2-Pix GAN برای تصحیح تضعیف کل بدن PSMA PET/CT مبتنی بر یادگیری عمیق» اخیراً در جلد 15 Oncotarget در 7 می 2024 منتشر شد.

قرار گرفتن در معرض تابش از مطالعات متوالی PET/CT در پیگیری بیماران سرطانی یک نگرانی است. در این تحقیق اخیر، تیمی از محققان شامل کوین سی ما، استر منا، لیزا لیندنبرگ، ناتان اس لی، فیلیپ اکلارینال، دبورا ای. سیترین، پیتر ای. پینتو، برادفورد جی وود، ویلیام ال داهوت، جیمز L. Gulley، Ravi A. Madan، Peter L. Choyke، Ismail Baris Turkbey و Stephanie A. Harmon از مؤسسه ملی سرطان در مؤسسه ملی بهداشت، ابزار هوش مصنوعی (AI) را معرفی کردند. هدف این ابزار تولید تصاویر PET تصحیح شده با تضعیف (AC-PET) از تصاویر PET (NAC-PET) اصلاح نشده با میرایی است که به طور بالقوه نیاز به CT اسکن با دوز پایین را کاهش می دهد.

"تصاویر PET تولید شده با هوش مصنوعی پتانسیل بالینی برای کاهش نیاز به تصحیح میرایی در سی تی اسکن را دارند و در عین حال نشانگرهای کمی و کیفیت تصویر را برای بیماران مبتلا به سرطان پروستات حفظ می کنند."

روش‌ها: یک الگوریتم یادگیری عمیق مبتنی بر معماری شبکه متخاصم مولد 2 بعدی Pix-2-Pix (GAN) بر اساس تصاویر AC-PET و NAC-PET جفت شده توسعه داده شد. مطالعه PET-CT 18F-DCFPyL PSMA (آنتی ژن غشایی اختصاصی پروستات) روی 302 بیمار مبتلا به سرطان پروستات به گروه‌های آموزش، اعتبارسنجی و آزمایش (به ترتیب 183، 60 و 59) تقسیم شد. این مدل با استفاده از دو استراتژی استاندارد آموزش داده شد: مبتنی بر ارزش جذب استاندارد (SUV) و مبتنی بر SUV-NYUL. عملکرد افقی اسکن با استفاده از میانگین مربعات خطای نرمال شده (NMSE)، میانگین خطای مطلق (MAE)، شاخص شباهت ساختاری (SSIM) و نسبت سیگنال به نویز پیک (PSNR) مورد ارزیابی قرار گرفت. پزشک هسته ای به طور آینده نگر یک تجزیه و تحلیل سطح ضایعه از ناحیه مورد نظر انجام داد. شاخص‌های SUV با استفاده از ضریب همبستگی درون گروهی (ICC)، ضریب تکرارپذیری (RC) و مدل‌های اثرات مختلط خطی ارزیابی شدند.

نتایج：در گروه آزمون مستقل، میانگین NMSE، MAE، SSIM و PSNR به ترتیب 13.26، 3.59، 0.891 و 26.82 بود. ICC برای SUVmax و SUVmean 0.88 و 0.89 بود که نشانگر همبستگی قوی بین نشانگرهای تصویربرداری کمی اولیه و تولید شده توسط هوش مصنوعی است. عواملی مانند محل ضایعه، تراکم (واحد هاونسفیلد)، و جذب ضایعه بر خطای نسبی در معیارهای SUV تولید شده تأثیر می‌گذارند (همه P <0.05).

AC-PET تولید شده توسط مدل Pix-2-Pix GAN معیارهای SUV را نشان می‌دهد که دقیقاً با تصاویر اصلی مطابقت دارد. تصاویر PET تولید شده با هوش مصنوعی پتانسیل بالینی امیدوارکننده‌ای را برای کاهش نیاز به سی‌تی اسکن برای تصحیح تضعیف و در عین حال حفظ نشانگرهای کمی و کیفیت تصویر نشان می‌دهند.

—————————————————————————————————————————————————— ————————————————————————————————————————

همانطور که همه ما می دانیم، توسعه صنعت تصویربرداری پزشکی با توسعه یک سری تجهیزات پزشکی - انژکتورهای عامل کنتراست و مواد مصرفی پشتیبانی کننده آنها - که به طور گسترده در این زمینه استفاده می شود، جدایی ناپذیر است. در چین که به دلیل صنعت تولید خود مشهور است، تولیدکنندگان زیادی در داخل و خارج از کشور برای تولید تجهیزات تصویربرداری پزشکی معروف هستند، از جملهLnkMed. LnkMed از زمان تأسیس خود بر روی زمینه انژکتورهای عامل کنتراست فشار بالا تمرکز کرده است. تیم مهندسی LnkMed توسط یک دکترا رهبری می شود. با بیش از ده سال تجربه و عمیقاً در تحقیق و توسعه مشغول است. تحت هدایت او،سی تی انژکتور تک سر،انژکتور دو سر سی تی،انژکتور ماده حاجب MRI، وآنژیوگرافی انژکتور ماده کنتراست فشار بالابا این ویژگی ها طراحی شده اند: بدنه قوی و جمع و جور، رابط کاربری راحت و هوشمند، عملکردهای کامل، ایمنی بالا و طراحی بادوام. ما همچنین می‌توانیم سرنگ‌ها و لوله‌هایی را ارائه کنیم که با مارک‌های معروف انژکتورهای CT، MRI، DSA سازگار هستند، با نگرش صمیمانه و قدرت حرفه‌ای‌شان، همه کارکنان LnkMed صمیمانه از شما دعوت می‌کنند که بیایید و بازارهای بیشتری را با هم بررسی کنیم.