10.3760/cma.j.cn321828-20220705-00212
基于生成对抗网络改善儿童低剂量PET图像质量的研究
目的:探讨基于生成对抗网络重建PET图像在改善儿童低剂量
18F-FDG PET图像质量及病灶检出中的价值。
方法:回顾性分析2021年8月至2021年12月于首都医科大学附属北京友谊医院行
18F-FDG全身PET/CT显像的61例患儿[男38例、女23例,年龄(4.0±3.5)岁]的PET图像,将所有患儿通过列表模式提取的低剂量扫描(30 s、20 s、10 s)图像输入生成对抗网络进行深度学习(DL)重建,获取相应模拟标准全剂量(DL-30 s、DL-20 s、DL-10 s)图像。测量标准全剂量120 s、30 s、20 s、10 s、DL-30 s、DL-20 s、DL-10 s图像的肝血池及原发病灶半定量参数,计算靶本比(TBR)、对比噪声比(CNR)及
CV。采用5分Likert量表对图像质量进行主观评分,对比各组图像阳性病灶检出情况,计算阳性病灶检出的灵敏度及阳性预测值。采用Mann-Whitney
U检验、Kruskal-Wallis秩和检验及
χ2检验分析数据。
结果:30 s、20 s、10 s组图像CNR分别低于DL-30 s、DL-20 s、DL-10 s组(
z值:-3.58、-3.20、-3.65,均
P<0.05)。DL-10 s组评分低于120 s、DL-30 s及DL-20 s组[4(3,4)、5(4,5)、4(4,5)、4(4,5)分;
H=97.70,
P<0.001];120 s、DL-30 s、DL-20 s及DL-10 s组图像的TBR、CNR、
CV、病灶及肝血池SUV
max和SUV
mean差异均无统计学意义(
H值:0.00~6.76,均
P>0.05)。DL-30 s、DL-20 s、DL-10 s组图像阳性病灶检出的灵敏度分别为97.83%(225/230)、96.96%(223/230)和95.65%(220/230),阳性预测值分别为96.57%(225/233)、93.70%(223/238)、84.94%(220/259);DL-10 s组阳性预测值较低(
χ2=23.51,
P<0.001)。DL-10 s组对不同部位阳性病灶检出的假阳性及假阴性病灶较多。
结论:基于生成对抗网络的DL-20 s组图像质量较高,能达到临床诊断要求。
神经网络(计算机)、图像处理,计算机辅助、时间因素、儿童、正电子发射断层显像术、氟脱氧葡萄糖F18
42
国家自然科学基金81971642;National Natural Science Foundation of China81971642
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
708-712