NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Objektif. Pozitron emisyon tomografisinde (PET) dozun azaltılması, yeniden yapılandırılmış dinamik çerçevelerde gürültüyü arttırır, bu da kaçınılmaz olarak standart doz durumunda tahmin edilenden daha yüksek gürültü ve daha sonra kinetik parametrelerin tahmin edilen görüntülerinde olası önyargı ile sonuçlanır. Düşük dozlu parametrik görüntülemeyi geliştirmek için yüksek oranda kısıtlanmış arka projeksiyon (HYPR) şemasına sahip bir kaskad yapay sinir ağı (ANN) entegre ederek azaltılmış sayımlı dinamik çerçeveler için spatiotemporal denoising tekniğinin geliştirilmesini bildiriyoruz. Önerilen yöntemi, insan beyninde sinaptik vezikül glikoprotein 2A (SV2A) bağlı bir PET radyolig olan 11C-UCB-J ile elde edilen görüntüleme verilerini kullanarak uyguladık ve değerlendirdik. Yama tabanlı ANN, azaltılmış bir sayım çerçevesi ve bir konunun tam sayım yazışmaları ile eğitildi ve kaskadda, diğer konuların dinamik çerçevelerini işlemek için kullanıldı. HYPR stratejisi daha sonra tüm dinamik taramadan zamansal bilgiyi kullanmak için mekansal ANN işlenmiş görüntü çerçevelerine uygulandı. Sağlıklı gönüllüler ve Parkinson hastalığı hastaları da dahil olmak üzere tüm test deneklerinde, önerilen yöntem, dinamik çerçevelerde ve sonuçta ortaya çıkan parametrik görüntülerde geleneksel denoising yöntemlerine kıyasla minimal önyargıyı sunarken daha fazla gürültüyü azalttı. Dinamik çerçevelerde % -2 oranında bir yanlılıkla %80 gürültü azaltma elde etmek, izleyici alımında (biyalar, -2%) ve dağıtım hacminde (biyalar, -5%) gürültü azaltmanın %75'ine ve %70'ine dönüşür, önerilen ANN+HYPR tekniği, 11C-UCB-J ile dinamik SV2A PET görüntüleme için 11 katlık bir doz artışına eşdeğer olan ses çıkarma yeteneğini gösterir.
Özgün kaynak özetini okuyun
Objective. Reducing dose in positron emission tomography (PET) imaging increases noise in reconstructed dynamic frames, which inevitably results in higher noise and possible bias in subsequently estimated images of kinetic parameters than those estimated in the standard dose case. We report the development of a spatiotemporal denoising technique for reduced-count dynamic frames through integrating a cascade artificial neural network (ANN) with the highly constrained back-projection (HYPR) scheme to improve low-dose parametric imaging.Approach. We implemented and assessed the proposed method using imaging data acquired with11C-UCB-J, a PET radioligand bound to synaptic vesicle glycoprotein 2A (SV2A) in the human brain. The patch-based ANN was trained with a reduced-count frame and its full-count correspondence of a subject and was used in cascade to process dynamic frames of other subjects to further take advantage of its denoising capability. The HYPR strategy was then applied to the spatial ANN processed image frames to make use of the temporal information from the entire dynamic scan.Main results. In all the testing subjects including healthy volunteers and Parkinson's disease patients, the proposed method reduced more noise while introducing minimal bias in dynamic frames and the resulting parametric images, as compared with conventional denoising methods.Significance. Achieving 80% noise reduction with a bias of -2% in dynamic frames, which translates into 75% and 70% of noise reduction in the tracer uptake (bias, -2%) and distribution volume (bias, -5%) images, the proposed ANN+HYPR technique demonstrates the denoising capability equivalent to a 11-fold dose increase for dynamic SV2A PET imaging with11C-UCB-J.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.