利用自监督坐标学习缩短SPECT扫描：用于合成跳过的投影视图
摘要
目的：本研究解决在低计数条件下SPECT成像 duration extended的挑战，这在Lu-177 SPECT成像中常见，通过 developing a self-supervised learning approach to synthesize skipped SPECT projection views，从而缩短临床设置中的扫描时间。方法：我们采用自监督的coordinate-based learning technique，adapting神经辐射场(NeRF)概念于计算机视觉中来合成欠抽样的SPECT投影视图。对于每个单次扫描，我们使用自监督坐标学习来估计跳过的SPECT投影视图。该方法在Lu-177 phantom SPECT/CT measurements和临床SPECT/CT数据集上进行了测试，后者包括11名接受Lu-177 DOTATATE和6名接受Lu-177 PSMA-617放射药物治疗的患者。结果：对于SPECT重建，我们的方法在相对对比噪声比(RCNR)中优于线性插值投影和部分投影视图，平均 across different downsampling factors如下：1) DOTATATE：肿瘤83% vs. 65% vs. 67%，肾脏86% vs. 70% vs. 67%；2) PSMA：肿瘤76% vs. 69% vs. 68%，器官75% vs. 55% vs. 66%，包括肾脏、泪沟腺、颊腺和软颌腺。结论：所提方法使能够在收集 fewer projections的情况下减少获取时间(以2、4或8倍因数缩短)，同时 maintain 临床SPECT协议的定量准确性。该自监督方法的 NeRF-based approach消除了对 extensive training data的需要，每个患者的投影数据 alone即可 learning。该获取时间的减少在低计数条件下尤其 relevant，并且对于需要 multiple-bed positions的协议(如全身成像)具有重要意义。
引用
@article{arxiv.2406.18840,
title = {Shorter SPECT Scans Using Self-supervised Coordinate Learning to Synthesize Skipped Projection Views},
author = {Zongyu Li and Yixuan Jia and Xiaojian Xu and Jason Hu and Jeffrey A. Fessler and Yuni K. Dewaraja},
journal= {arXiv preprint arXiv:2406.18840},
year = {2024}
}
备注
25 pages, 5568 words