面向核医学的基于两个二维平面测量的三维剂量学成像的患者专用 AI
医学物理
2025-10-27 v1 人工智能
摘要
本文探讨了使用患者特定强化学习从两个二维平面图像（前后平面）生成三维活度图的方法。该问题的解决方案传统方法尚未实现，对于核医学剂量学尤其重要，因为核医学中针对 177Lu-PSMA 等放射药物的后治疗分布测量，通常通过昂贵且耗时的三维 SPECT 采集或快速且仅为二维平面荧光素成像来实现。能够仅通过平面荧光素成像生成三维活度图，为新的剂量学应用开辟了可能性，从而消除了对 SPECT 的需求，并促进了多时间点剂量学研究。我们的解决方案包括生成具有患者解剖结构内放射药物三维摄取图的患者特定数据集，以及一种 AI 方法（我们探索了使用 3DUnet 和扩散模型）能够从二维平面图像生成三维活度图。我们在仿真和真实平面采集中对该方法进行了验证。我们观察到使用患者特定强化学习（MAE 降低约 20%，SSIM 提升约 5%）的结果显著优于常规方法，尤其是在结合扩散模型与患者特定训练的情况下，能够更好地实现器官描绘和患者解剖结构，对于仿真结果的 SSIM 为 0.89，对比后半小时进行的 SPECT 采集结果的 SSIM 为 0.73。我们认为我们的 методology 可以为核医学剂量学带来范式变革，使其能够仅通过平面荧光素成像实现三维定量，而无需昂贵且耗时的 SPECT，充分利用患者治疗前的信息。
引用
@article{arxiv.2510.21362,
title = {Patient-specific AI for generation of 3D dosimetry imaging from two 2D-planar measurements},
author = {Alejandro Lopez-Montes and Robert Seifert and Astrid Delker and Guido Boening and Jiahui Wang and Christoph Clement and Ali Afshar-Oromieh and Axel Rominger and Kuangyu Shi},
journal= {arXiv preprint arXiv:2510.21362},
year = {2025}
}
备注
Accepted at IEEE NSS/MIC 2025