基于变量增强可逆网络的脑 PET 示踪剂间转换
机器学习
2023-11-16 v2 计算机视觉与模式识别
摘要
正电子发射断层扫描（PET）是脑病诊断和脑科学研究的重要工具。然而，其受限于示踪剂的选择有限。如今，随着 PET 成像在神经精神治疗中的广泛应用，6-18F-氟-3,4-二羟基-L-苯丙氨酸（DOPA）已被发现比 18F-标记的氟-2-脱氧葡萄糖（FDG）在该领域更有效。然而，由于其制备复杂及其他限制，DOPA 的广泛使用远不及 FDG。为解决此问题，开发了用于图像投影的示踪剂转换可逆神经网络（TC-INN），通过深度学习将 FDG 图像映射到 DOPA 图像。通过从 FDG 生成 PET 图像到 DOPA 可获得更多诊断信息。具体而言，所提 TC-INN 由两个独立阶段组成，一个用于训练可追溯数据，另一个用于重建新数据。在示踪剂转换的训练过程中，参考 DOPA PET 图像用作相应网络的学习目标。同时，可逆网络迭代估计所得 DOPA PET 数据并将其与参考 DOPA PET 数据比较。值得注意的是，可逆模型采用变量增强技术以实现更好的生成能力。此外，由于所获取的 FDG 和 DOPA 数据信息存在角度偏差，训练前需进行图像配准。实验结果显示在 FDG 与 DOPA 映射间具有优异的生成能力，表明 PET 示踪剂转换在示踪剂应用有限的情况下具有巨大潜力。
引用
@article{arxiv.2311.00735,
title = {PET Tracer Conversion among Brain PET via Variable Augmented Invertible Network},
author = {Bohui Shen and Wei Zhang and Xubiao Liu and Pengfei Yu and Shirui Jiang and Xinchong Shi and Xiangsong Zhang and Xiaoyu Zhou and Weirui Zhang and Bingxuan Li and Qiegen Liu},
journal= {arXiv preprint arXiv:2311.00735},
year = {2023}
}