การตรวจเอกซเรย์คอมพิวเตอร์แบบปล่อยโฟตอนเดี่ยว (SPECT) เป็นเทคนิคการวินิจฉัยที่ตรวจหารังสีแกมมาที่ปล่อยออกมาจากเครื่องตรวจติดตามรังสีแบบฉีดเพื่อสร้างภาพ 3 มิติของการกระจายตัวติดตามในผู้ป่วย มันถูกนำไปใช้ในการประยุกต์ใช้ทางคลินิก เช่น SPECT ของกล้ามเนื้อหัวใจตาย ตัวอย่างเช่น ใช้ในการประเมินปริมาณเลือดของหัวใจ อย่างไรก็ตาม ในการวิเคราะห์ภาพเชิงปริมาณ การแก้ไข
การลดทอน
เป็นสิ่งจำเป็น การแก้ไขการลดทอนนี้มักจะดำเนินการโดยใช้ CT แม้ว่าระบบ SPECT ที่ใหม่กว่าหลายระบบจะติดตั้งเครื่องสแกน CT แต่ SPECT แบบสแตนด์อโลนยังคงมีสัดส่วนประมาณ 80% ของตลาด ในการเปิดใช้งานการถ่ายภาพเชิงปริมาณบนเครื่องสแกนเฉพาะ SPECT เหล่านี้
นักวิจัยจากมหาวิทยาลัยเยลได้ใช้วิธีการเรียนรู้เชิงลึกเพื่อประเมินแผนที่การลดทอนโดยตรงจากข้อมูลการปล่อย “ระบบ ในปัจจุบันที่ไม่มี CT มักจะไม่รองรับการสแกนการส่งสัญญาณ ดังนั้นจึงมีความอ่อนไหวต่อสิ่งประดิษฐ์ที่มีการลดทอน” ผู้เขียนคนแรก อธิบาย “ความสามารถในการประเมินแผนที่
การลดทอนจากข้อมูลการปล่อย นั้นคาดว่าจะเพิ่มความแม่นยำในการวินิจฉัยสำหรับเครื่องสแกนเหล่านั้น
การสร้างแผนที่ นักวิจัยใช้เฟรมเวิร์กแมชชีนเลิร์นนิง เพื่อฝึกโครงข่ายประสาทเทียมสองเครือข่าย: เครื่องกำเนิดไฟฟ้า ที่สร้างแผนที่ลดทอนสัญญาณสังเคราะห์โดยตรงจากข้อมูลการปล่อย
และตัวจำแนกซึ่งแยกแยะระหว่างแผนที่สังเคราะห์และแผนที่ที่ใช้ CT เนื่องจากทั้ง มีข้อมูลการลดทอนที่เป็นประโยชน์ พวกเขาจึงใช้ข้อมูลการปล่อยจากทั้งหน้าต่าง) และหน้าต่างเป็นอินพุตเข้าสู่โครงข่ายประสาทเทียมเหล่านี้ การศึกษารวมอาสาสมัคร 65 คน ซึ่งมีการทำงานของหัวใจทั้งปกติและผิดปกติ
ที่ได้รับ ของกล้ามเนื้อหัวใจไปเลี้ยงด้วยเครื่องติดตามผู้ป่วยทั้งหมดได้รับการสแกนด้วยเครื่องสแกน โดยข้อมูล CT ได้รับทันทีหลังจากการสแกน SPECT และแปลงเป็นแผนที่การลดทอน ทีมงานใช้การสแกนจาก 40 วิชาสำหรับการฝึกอบรมและ 25 การทดสอบสำหรับการทดสอบ
ขั้นตอน
ก่อนการประมวลผลที่สำคัญสำหรับอัลกอริธึมการเรียนรู้เชิงลึกคือการทำให้รูปภาพเป็นปกติ สำหรับการศึกษานี้ ชิและเพื่อนร่วมงานใช้การทำให้เป็นปกติด้วยวิธีเฉลี่ย ซึ่งแต่ละช่องของภาพ SPECT จะถูกทำให้เป็นมาตรฐานโดยความเข้มเฉลี่ยของปริมาณภาพสองช่องสัญญาณทั้งหมด เมื่อใช้วิธีการนี้
พวกเขาพบว่าแผนที่การลดทอนแบบสังเคราะห์ที่สร้างขึ้นนั้นสอดคล้องกับแผนที่การลดทอนตามความจริงของ CT ในบรรดาผู้เข้าร่วมการทดสอบ 25 คน ค่าความคลาดเคลื่อนสัมบูรณ์ของค่าเฉลี่ยที่ปรับมาตรฐานทั่วโลก (NMAE) ระหว่างแผนที่สังเคราะห์และแผนที่ที่ใช้ CT คือ 3.60 ± 0.85%
นักวิจัยเปรียบเทียบผลลัพธ์เมื่อใช้อินพุตหน้าต่างหลักและหน้าต่างกระจาย (GAN-PS) อินพุตหน้าต่างหลักเพียงอย่างเดียวและอินพุตหน้าต่างกระจายเพียงอย่างเดียว พวกเขายังทำซ้ำการเปรียบเทียบเหล่านี้กับแผนที่ที่สร้างขึ้นโดยใช้แบบจำลอง U-net เท่านั้น โดยไม่มีการเลือกปฏิบัติ
สำหรับทั้ง GAN และ U-net การใช้ทั้งอินพุตหลักและอินพุตกระจายจะให้ผลลัพธ์ที่ใกล้เคียงที่สุดกับแผนผังการลดทอนตาม CT การใช้เฉพาะข้อมูลหน้าต่างหลักทำให้การกู้คืนขอบเขตร่างกายและอาร์ติแฟกต์ไม่ถูกต้อง ในขณะที่การใช้เฉพาะข้อมูลหน้าต่างกระจายส่งผลให้รูปร่างของอวัยวะไม่ถูกต้อง
อย่างไรก็ตาม ในการปฏิบัติทางคลินิกตามปกติ ข้อมูลหน้าต่างกระจายไม่ได้มาเสมอไป ทีมงานทราบว่า หากใช้เฉพาะข้อมูลหน้าต่างหลักเป็นอินพุต แบบจำลอง GAN ยังคงสามารถสร้างแผนที่การลดทอนที่แม่นยำได้ ในขณะที่แบบจำลอง U-net ทำให้เกิดอคติที่ใหญ่กว่ามาก
“ด้วยความช่วยเหลือจากผู้เลือกปฏิบัติ GAN สามารถสร้างผลลัพธ์ที่สมจริงยิ่งขึ้น โดยเฉพาะอย่างยิ่งเมื่อมีข้อมูลจำกัด” Shi อธิบาย “เรารวม U-net ไว้ในการวิเคราะห์ของเราเป็นบรรทัดฐานเพื่อเปรียบเทียบด้วย เพื่อแสดงการปรับปรุงที่ GAN นำมาปรับปรุงเมื่อมีเฉพาะข้อมูลหน้าต่างหลักเท่านั้น”
การแก้ไขภาพจากนั้นทีมใช้แผนที่ที่คาดการณ์ไว้สำหรับการแก้ไขการลดทอนของภาพ SPECT ที่สร้างขึ้นใหม่จากผู้ทดสอบ 25 คน รูปภาพที่แก้ไขโดยใช้แผนที่การลดทอนแบบ CT และแบบสังเคราะห์นั้นมีความสอดคล้องกันอย่างมาก โดยมี ระหว่างสองค่าเพียง 0.26 ± 0.15% อีกครั้ง
เมื่อใช้ทั้งข้อมูลหลักและหน้าต่างกระจายเป็นอินพุต ทั้ง จะสร้างผลลัพธ์ที่แม่นยำ อย่างไรก็ตาม เมื่อใช้เฉพาะหน้าต่างหลัก มีประสิทธิภาพเหนือกว่า อย่างชัดเจน เนื่องจากหัวใจเป็นอวัยวะสำคัญในการศึกษาการไหลเวียนของกล้ามเนื้อหัวใจ นักวิจัยจึงทำการประเมินพื้นที่ที่น่าสนใจ (ROI) ในท้องถิ่น
บนภาพ
ที่แก้ไขด้วยแผนที่ลดทอนสัญญาณสังเคราะห์ โดยดูที่กล้ามเนื้อหัวใจห้องล่างซ้ายและสระเลือด สำหรับโดยใช้ข้อมูลปฐมภูมิและกระจาย ค่า voxel เฉลี่ยใน ROI เหล่านี้แสดงให้เห็นความแตกต่างเล็กน้อยจากค่าที่แก้ไขโดยใช้แผนที่การลดทอนตาม CT ผลลัพธ์เริ่มต้นเหล่านี้แสดงให้เห็นถึงความเป็นไปได้
ในการสร้างแผนที่การลดทอนที่แม่นยำจากข้อมูลการปล่อยก๊าซเรือนกระจก SPECT ต่อไป ทีมวางแผนที่จะตรวจสอบว่าการสแกน SPECT จากผู้ป่วยขณะพักหรือภายใต้ความเครียดทางเภสัชวิทยาหรือการออกกำลังกายแตกต่างกันหรือไม่ และจำเป็นต้องแยกเครือข่ายสำหรับแต่ละกลุ่มหรือไม่
“ในการศึกษาในสถานที่เดียวนี้ เราแสดงให้เห็นถึงความทนทานของวิธีการของเราสำหรับเครื่องสแกนเครื่องเดียวและเครื่องติดตาม การตรวจสอบเพิ่มเติมเกี่ยวกับโปรโตคอลการถ่ายภาพ แบบจำลองเครื่องสแกน และเครื่องติดตามที่หลากหลาย มีแนวโน้มที่จะเพิ่มผลกระทบทางคลินิก” ผู้เขียนที่เกี่ยวข้องกล่าว เสริม
credit : สล็อตเว็บตรง100 / ดูหนังฟรี / 50รับ100
