Az AI több információt képes kinyerni a hagyományos CT-ből

Közösségek - AI - Mesterségs Intelligencia | 2020. december 30. 22:16 | Utolsó módosítás dátuma - 2021. április 07. 13:11 | Forrás: https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=130564

Egy mesterséges intelligencia (AI) algoritmus több adatot tudott kinyerni a hagyományos CT képekből, lehetővé téve ezáltal az egyenergiás CT számára, hogy megközelítse a kettős energiájú CT teljesítményét többletsugárzás nélkül – derült ki egy a Patterns folyóiratban október 19-én publikált tanulmányból.

Az AI több információt képes kinyerni a hagyományos CT-ből

A kombináció jobb betegellátást jelenthet – jegyezte meg az első szerző Wenxiang Cong PhD és munkatársai, a Troy-i (NY) Rensselaer Politechnikai Intézetből. Cong és Ge Wang PhD  társszerző együttműködött a Shanghai First-Imiging Tech és a GE Research kutatóival.

„Reméljük, hogy ez a technika segít további információk kinyerésében a hagyományos egy spektrumú CT vizsgálatokból, valamint kvantitatívabbá teszi azt, és javítja a diagnózist.” – mondta Wang az intézet által kiadott közleményben.

A CT kontrasztanyagokat használva vizualizálja a test szöveteinek struktúráját, de összetételüket nem – jegyezte meg a csoport. A kettős energiájú CT (dual energy CT) képes erre, de magasabb sugárzási dózissal jár, és általában drágább vizsgálat.

A hagyományos egy spektrumú CT (single spectrum CT) rekonstruálja a spektrálisan integrált attenuációs képet, és feltárja a szöveti morfológiát anélkül, hogy bármilyen információt adna a szövetek elemi összetételéről. – jegyezte meg a csapat. A kettős energiájú CT két spektrálisan elkülönülő adathalmazra tesz szert, és rekonstruálja az energiaszelektív (virtuális monoenergetikus) és az anyagválasztó (anyagbontó) képeket. A kettős energiájú CT azonban növeli a rendszer komplexitását és a sugárzási dózist az egyspektrumos CT-hez képest.

Wang és munkatársai deep-learning algoritmust próbáltak alkalmazni a CT-vizsgálatoknál olyan képek előállítására, amelyeket általában a kettős energiájú CT hoz létre. Kettős energiájú CT-képeket használtak az algoritmus betanításához.

„A hagyományos CT-vizsgálattal szürkeárnyalatos, míg a kettős energiájú CT-vel két színű képet készíthetünk.” – mondta Wang az intézet közleményében. „ Deep learning technológia segítségével megpróbáltuk a hagyományos CT gépet használni a kettős energiájú CT képalkotás elvégzéséhez.”

A modell „kiváló minőségű megközelítéseket” készített a kettős energiájú CT-vizsgálatokról a hagyományos CT-vel, 2% alatti relatív hibaaránnyal -állapította meg a csoport.

„[A modellünket] klinikai kettős energiájú CT adatokra oktattuk, nagyszerű konvergencia-viselkedést mutatva … a [tanulmány] eredményei kiváló egyezést mutattak a [virtuális monoenergetikus] képeink és a nekik megfelelő kettős energiájú CT (DECT) képek között” – írta a csoport.

Az eredmények arra engednek következtetni, hogy a hagyományos CT sokoldalúbb lehet, lehetőség nyílhat olyan területeken való használatára, mint a protonterápia tervezés, illetve mint fotonszámláló mikro-CT in vivo preklinikai alkalmazásokhoz, írja Cong és munkatársai.

„ A vizsálatunkban egyértelműen bebizonyosodott, hogy egy hagyományos CT energiát integráló adatkészlet deep learning technológiával párosulva a DECT-hez nagyon közeli eredményeket hozhat létre”-összegezték.

„Így lehetséges, hogy csak hagyományos CT-t használjunk a DECT néhány fontos feladatának elvégzésére.”

Fordította: Dr. Keresztes Levente

Debreceni Egyetem Kenézy Gyula Egyetemi Kórház Központi Radiológiai Diagnosztika

forrás:
https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=130564

DOI: https://doi.org/10.1016/j.patter.2020.100128

 

További cikkek