面向 DaT SPECT 的基于深度学习的无透射衰减补偿方法的开发与计算机模拟成像试验评估
医学物理
2025-06-27 v1
摘要
从 DaT 单光子发射计算机断层扫描（SPECT）图像中提取的尾状核、壳核和苍白球的多巴胺转运蛋白（DaT）摄取定量测量值，正被研究作为诊断、评估疾病状态和追踪帕金森综合征进展的生物标志物。从 DaT-SPECT 图像进行可靠定量需要进行衰减补偿（AC），通常通过单独的 X 射线 CT 扫描来完成。这种基于 CT 的 AC（CTAC）面临多重挑战，其中一个关键挑战是许多临床 SPECT 系统上不具备 X 射线 CT 组件。即使有 CT 可用，额外的 CT 扫描也会导致辐射剂量、成本和复杂性的增加，SPECT-CT 未对准可能引起的潜在定量误差，以及更高的培训和监管要求。为了克服 DaT SPECT 中 AC 需要 CT 扫描所带来的挑战，我们提出了一种基于深度学习（DL）的无透射 AC 方法用于 DaT-SPECT（DaT-CTLESS）。设计了一项名为 ISIT-DaT 的计算机模拟成像试验，以评估 DaT-CTLESS 在区域摄取定量任务上的性能。我们观察到，在区域 DaT 摄取定量任务上，DaT-CTLESS 与 CTAC 的相关性显著高于 UAC 与 CTAC 的相关性。此外，DaT-CTLESS 在此任务上与 CTAC 具有极好的一致性，在区分壳核 SBR 正常与降低的患者方面显著优于 UAC，在两台扫描仪间表现出良好的泛化能力，对区域内摄取异质性通常不敏感，表现出良好的重复性，即使在训练数据规模减小的情况下也展现出鲁棒的性能，并且在不同的训练数据集规模下量化区域摄取的任务上总体优于其他所考虑的 DL 方法。这些结果为进一步临床评估 DaT-CTLESS 提供了强有力的动机。
引用
@article{arxiv.2506.20781,
title = {Development and in silico imaging trial evaluation of a deep-learning-based transmission-less attenuation compensation method for DaT SPECT},
author = {Zitong Yu and Md Ashequr Rahman and Zekun Li and Chunwei Ying and Hongyu An and Tammie L. S. Benzinger and Richard Laforest and Jingqin Luo and Scott A. Norris and Abhinav K. Jha},
journal= {arXiv preprint arXiv:2506.20781},
year = {2025}
}