利用变量增强可逆网络实现PET示踪剂转换
沈博徽1, 耿孟晓1, 张薇1, 许飞鸿1, 李炳轩2, 刘且根1
(1. 南昌大学 信息工程学院,南昌330031;2. 合肥综合性国家科学中心 人工智能研究院,合肥230088)
摘要:正电子发射断层扫描(PET)是诊断脑病和进行脑科学研究的重要工具。然而,其应用受限于示踪剂的可获得性。随着PET成像在神经精神疾病治疗中的应用日益增多,6-18F-氟-3,4-二羟基-L-苯丙氨酸(DOPA)已被证明比18F标记的氟脱氧葡萄糖(FDG)更有效。尽管如此,由于制备复杂和其他限制,DOPA的使用频率仍低于FDG。为解决这一问题,我们提出了一种基于示踪剂转换的可逆神经网络(TC-INN),旨在通过深度学习将FDG图像映射到DOPA图像。这种方法能够从FDG生成PET图像至DOPA图像,从而提供更多诊断信息。具体而言,所提出的TC-INN包含两个独立阶段:一个用于训练数据,另一个用于重建数据。在示踪剂转换训练过程中,参考DOPA PET图像是对应网络的学习目标。同时,可逆网络迭代估算所得DOPA PET数据,并与参考DOPA PET数据进行比较。值得注意的是,可逆模型采用变量增强技术以实现更佳的生成效果。此外,由于获取的FDG和DOPA数据信息存在角度偏差,在训练前需要进行图像配准。实验结果展现了在FDG和DOPA映射之间出色的生成能力;表明在示踪剂应用受限的情况下,PET示踪剂转换具有巨大潜力。在3通道条件下,大脑合成DOPA图像的平均绝对误差(MAE)和均方根误差(RMSE)分别约为2.72%和5.34%。合成DOPA与参考DOPA的强度相似性令人满意。在示踪剂可用性有限的情况下,TC-INN方法在PET投影成像方面显示出相当大的前景。
关键词:正电子发射断层扫描,图像生成/合成,示踪剂映射,可逆网络
扫描二维码全文浏览
Cite this article
Shen, B., Geng, M., Zhang, W. et al. Positron Emission Tomography Tracer Conversion via Variable Augmented Invertible Network. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2844-2
转载本文请联系原作者获取授权,同时请注明本文来自黄龙旺科学网博客。
链接地址:https://wap.sciencenet.cn/blog-45888-1499290.html?mobile=1
收藏