深度学习重建方法改善快速采集PET图像质量的临床研究
深度学习重建方法改善快速采集PET图像质量的临床研究
复制标题
DOI：
10.3760/cma.j.cn321828-20210514-00164
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
武志芳
中科院分区：
文献类型：
--
作者：
胡琳君;胡奕奕;郭彬威;梁梦;郝新忠;秦志星;李思进;武志芳
目的通过深度学习(DL)PET图像重建方法,提升不同采集时间~(18)F-脱氧葡萄糖(FDG)PET图像质量。方法回顾性分析2020年9月至10月间山西医科大学第一医院核医学科45例恶性肿瘤患者[男20例、女25例,年龄(52.0±13.6)岁]PET图像。选择原始列表模式PET数据的短时30 s/床位PET图像作为输入,采用Unet网络,以全剂量标准采集时间(3 min)PET图像为模型判别标准,建立DL图像重建模型,以预测全剂量PET图像。分别对DL、30 s、90 s和120 s 4组图像进行图像质量评估及定量分析。采用5分法主观评估4组的图像质量。分别测量各组图像肝本底及肿瘤病灶定量参数:最大标准摄取值(SUV_(max))、平均标准摄取值(SUV_(mean))、标准差(SD)、信噪比(SNR)、对比度噪声比(CNR)及一阶纹理特征(偏度、峰度、均匀度和熵)。采用Kappa检验、χ~2检验、单因素方差分析(最小显著差异t检验)进行数据分析。结果4组图像质量评分具有高度一致性(Kappa = 0.799,P<0.001),DL组评分≥3分共6例,30 s、90 s和120 s组评分≥3分别有4、7和8例(χ~2 =125.47,P<0.001)。DL组肝SD明显低于30 s组(0.26±0.07与0.43±0.11;F=3.58,t =-7.91,P< 0.05),SNR高于30 s组(11.04±4.36与5.41±1.41;F= 10.22,t = 5.40,P<0.05);DL组肝SD及SNR与90 s组一致(0.39±0.16,8.46±3.34;t值:-0.87和2.17,均P>0.05)。在18个高摄取肿瘤病灶中,DL组病灶SNR及CNR均高于30 s组(60.21±29.26与38.38±16.54,22.26±15.85与15.41±9.51;F值:13.09和7.05,t值:5.20和4.04,均P<0.001)。4组肝一阶纹理特征差异有统计学意义(F值:4.30~9.65,均P< 0.05),但DL组与120s组间差异无统计学意义(t值:-1.25~0.15,均P>0.05)。结论DL重建模型能较好地改善短帧PET图像质量,可以满足临床诊断、疗效评估和组学研究的需求。