Nova študija z naslovom "Uporaba PIX-2-Pix GAN za globoko učenje na osnovi celotnega telesa PSMA PET/CT Atenuation Correction" je bila pred kratkim objavljena v zvezku 15 Oncotarget 7. maja 2024.
Zaskrbljujoče je izpostavljenost sevanju iz zaporednih študij PET/CT pri spremljanju bolnikov z onkologijo. V tej nedavni preiskavi je skupina raziskovalcev, vključno s Kevinom C. MA, Esther Mena, Lizo Lindenberg, Nathan S. Lay, Phillip Eclarina, Deborah E. Citrin, Peter A. Pinto, Bradford J. Wood, William L. Dahut, James L. Gulley, Ravi A. Madan, Peter L. Choyke, Ismail Baris Turkbey in Stephanie A. Harmon iz Nacionalnega inštituta za raka na Nacionalnem inštitutu za zdravje so uvedli orodje za umetno inteligenco (AI). Cilj tega orodja je ustvariti slike PET, popravljenih v oslabljeni (AC-PET), iz slik, ki niso bile popravljene v PET (NAC-PET), ki niso popravljene v Atenuation, kar lahko zmanjša potrebo po nizkih odmerkih CT.
"Slike PET, ki jih generira AI, imajo klinični potencial za zmanjšanje potrebe po popravljanju slabljenja na CT pregledih, hkrati pa ohranjajo kvantitativne markerje in kakovost slike za bolnike z rakom prostate."
Methods: A deep learning algorithm based on 2D Pix-2-Pix generative adversarial network (GAN) architecture was developed based on paired AC-PET and NAC-PET images. The 18F-DCFPyL PSMA (Prostate-specific membrane antigen) PET-CT study of 302 patients with prostate cancer was divided into training, validation, and testing groups (n 183, 60, and 59, respectively). The model was trained using two standardized strategies: Standard Uptake Value (SUV) based and SUV-NYUL based. Scanning horizontal performance was evaluated using normalized mean square error (NMSE), mean absolute error (MAE), structural similarity index (SSIM) and peak signal-to-noise ratio (PSNR). Zdravnik nuklearne medicine je potencialno opravil analizo lezije na področju zanimivega področja. The SUV indicators were evaluated using intra-group correlation coefficient (ICC), repeatability coefficient (RC), and linear mixed effects models.
Rezultati:V neodvisni testni skupini so bili povprečni NMSE, MAE, SSIM in PSNR 13,26%, 3,59%, 0,891 in 26,82. ICC za SUVMAX in SUVMEAN je bil 0,88 in 0,89, kar kaže na močno povezavo med izvirniki in ai-ustvarjenimi kvantitativnimi markerji za slikanje. Ugotovljeno je bilo, da so dejavniki, kot so lokacija lezije, gostota (enote Hounsfield) in vnos lezije, vplivali na relativno napako pri ustvarjenih merilih SUV (vsi p <0,05).
"AC-PET, ki ga ustvari model GAN PIX-2-Pix, prikazuje meritve SUV, ki se tesno uskladijo z izvirnimi slikami. AI-generirane slike PET imajo obetaven klinični potencial za zmanjšanje nujnosti CT pregledov za popravljanje slabljenja, hkrati pa ohranjajo kvantitativne označevalce in kakovost slike. "
——————————————————————————————————————————————————— ——————————————————————————————————————————
Kot vsi vemo, je razvoj industrije medicinske slikovne industrije neločljivo povezan z razvojem niza medicinske opreme - injektorjev kontrastnih agentov in njihovih podpornih potrošnih materialov -, ki se na tem področju pogosto uporabljajo. Na Kitajskem, ki je znan po svoji proizvodni industriji, je veliko proizvajalcev doma in v tujini za proizvodnjo opreme za medicinsko slikanje, vključno zLnkMed. Since its establishment, LnkMed has been concentrating on the field of high-pressure contrast agent injectors. Inženirsko ekipo LNKMed vodi doktorat. with more than ten years of experience and is deeply engaged in research and development. Pod njegovim vodstvomCT injektor z eno glavo,CT injektor z dvojno glavo,MRI kontrastni injektor, inAngiografija visokotlačni injektor kontrastnih sredstevso zasnovani s temi lastnostmi: močno in kompaktno telo, priročen in inteligenten operacijski vmesnik, celotne funkcije, visoko varnost in trpežen dizajn. Prav tako lahko zagotovimo brizge in cevi so združljivi s tistimi znanimi blagovnimi znamkami CT, MRI, DSA injektorjev s svojim iskrenim odnosom in profesionalno močjo, vsi zaposleni v LNKmedu iskreno vabijo, da pridete skupaj in raziskujete več trgov.
Čas objave: 14. maj 2024
