Hermoverkko tuottaa keuhkojen ventilaatiokuvia TT-skannauksista

Hengityskuvien sisällyttäminen keuhkosyövän hoitoon tarkoitettuihin sädehoitosuunnitelmiin voisi vähentää heikentävien säteilyn aiheuttamien keuhkovaurioiden, kuten säteilykeuhkotulehduksen ja säteilyfibroosin, ilmaantuvuutta. Erityisesti ventilaatiokuvausta voidaan käyttää mukauttamaan säteilyhoitosuunnitelmia annoksen pienentämiseksi hyvin toimivalle keuhkolle.

Positroniemissiotomografia (PET) ja yhden fotonin emissiotietokonetomografia (SPECT) ovat ventilaatiokuvauksen kultastandardi. Nämä menetelmät eivät kuitenkaan aina ole helposti saatavilla, ja tällaisten kokeiden kustannukset voivat olla kohtuuttomat. Sellaisenaan tutkijat tutkivat vaihtoehtojen, kuten MR- tai CT-hengityskuvauksen, toteutettavuutta.

CT-ventilaatiokuvaus (CTVI) käyttää hoidon suunnittelun 4D-CT-skannausta keuhkojen ventilaation arvioimiseen. Perinteiset CTVI:t perustuvat 4D-CT:n sisään- ja uloshengityshengitysvaiheiden deformable image -rekisteröintiin (DIR) ja ventilaatiomittarin soveltamiseen ventilaation arvioimiseksi. Tämän lähestymistavan tärkein etu on, että TT-kuvia on tyypillisesti saatavilla hoidon suunnittelua varten tehdyistä tutkimuksista, mikä vähentää kliinistä aikaa ja isotooppilääketieteen ventilaatiokuvaukseen liittyviä kustannuksia.

Tutkijat Sydneyn yliopisto äskettäin tutki koneoppimisen käyttöä vaihtoehtona DIR-pohjaisille menetelmille CTVI:iden tuottamiseksi. He loivat onnistuneesti CTVI-kuvia hengityspidätys-CT (BHCT) -kuvapareista 10 sekunnissa kannettavalla tietokoneella ja ilman DIR- tai hengitysmittareita. Heidän saavutuksensa, jotka on kuvattu kohdassa Lääketieteellinen fysiikka, tuotti suorituskykymittoja, jotka ovat verrattavissa perinteisiin DIR-pohjaisiin menetelmiin.

Johtava kirjailija James Grover että ACRF Image X Institute ja kollegat tutkivat sisään- ja uloshengitys-BHCT-kuvapareja ja vastaavia Galligas- (Ga-68-aerosoli) PET-kuvasarjoja 15 keuhkosyöpäpotilaalle, jotka osallistuivat edelliseen CTVI-tutkimukseen. He valitsivat Galligas PET:n vertailukuvausmenetelmäksi, koska se tarjoaa korkeamman resoluution ja herkkyyden kuin SPECT-ventilaatio, mikä tarjoaa korkearesoluutioisia kuvia syväoppimisalgoritmin harjoittamiseksi.

Grover ja kollegat kouluttivat 2D U-Net -tyylin konvoluutiohermoverkkoa tuottamaan aksiaalisia CTVI:itä, jotka sitten koottiin muodostamaan 3D-hengityskartta potilaan keuhkoista. Treenikuvat koostuivat uloshengityksen, sisäänhengityksen ja keskimääräisistä BHCT-kuvista. Neuraaliverkko loi suhteet näiden aksiaalisyöte BHCT-kuvien ja aksiaalisesti merkittyjen Galligas PET -kuvien välille. Ryhmä käytti kahdeksankertaista ristiinvalidointia mitatakseen hermoverkon saavuttamien tulosten kestävyyttä ja lisätäkseen niiden validiteettia.

Tutkijat arvioivat laadullisesti hermoverkon tuottamia CTVI:itä visuaalisella vertailulla Galligasin PET-hengityskuviin. He raportoivat, että CTVI:t pyrkivät systemaattisesti yliarvioimaan keuhkojen ventilaation verrattuna Galligasin PET-kuviin. Jokainen aksiaalinen CTVI-viipale esitti tasaisuuden matalan, keskisuuren ja korkean ventilaation alueilla, mikä aiheutti vaikeuksia ennustaa pieniä korkean ja matalan ventilaation taskuja keuhkoissa. Koronaalisessa ja sagittaalisessa tasossa ventilaatiokartat osoittivat selkeät rosoiset reunat ylä- ja alasuunnassa.

Kvantitatiivista analyysiä varten ryhmä laski Spearman-korrelaation ja Dice-samankaltaisuuskertoimen (DSC) kunkin potilaan CTVI- ja Galligas PET -kuvan välillä. DSC mittasi spatiaalisen päällekkäisyyden kolmen yhtä suuren keuhkojen osatilavuuden välillä, jotka vastaavat korkean, keskitason ja heikosti toimivia keuhkoja ventilaation määrittelemänä.

Keskimääräinen Spearman-korrelaatio 15 potilaan välillä oli 0.58 ± 0.14 (vaihteluväli 0.28 - 0.70), kun taas keskimääräiset DSC:t korkea-, keski- ja heikosti toimivissa keuhkoissa olivat 0.61 ± 0.09, 0.43 ± 0.05 ja 0.62 ± 0.07. keskimääräisellä DSC:llä 0.55±0.06. Ryhmä huomauttaa, että nämä tulokset ovat verrattavissa aiempiin CTVI-sukupolven tutkimuksiin.

Tutkijat uskovat, että joidenkin potilaiden alhaisemmat korrelaatiot johtuvat osittain pienen potilastietojoukon käytöstä neuroverkon kouluttamiseen. He ehdottavat, että 3D-hermoverkon käyttö lisäisi Spearman-korrelaatiota ja DSC:tä, koska malli pystyisi oppimaan täydestä potilastilavuudesta yksittäisten viipaleiden sijaan.

"Aiomme hankkia potilaiden hengityskuvia koko kehon PET-skannerin avulla, jotta meillä on korkealaatuisin perustotuus CTVI-algoritmien kehittämiseen", sanoo Paul Keall, ACRF Image X Instituten johtaja. "Toivomme myös laajentaa CTVI-tutkimuksiamme keuhkosyövän sädehoidon lisäksi käyttääksemme CTVI:tä päätöksentekoapuna kirurgisen suunnittelun ja varhaisten biomarkkeritutkimusten tekemisessä useissa hengitystiesairauksissa."

Viesti Hermoverkko tuottaa keuhkojen ventilaatiokuvia TT-skannauksista ilmestyi ensin Fysiikan maailma.

• Coinsmart. Euroopan paras Bitcoin- ja kryptopörssi.
• Platoblockchain. Web3 Metaverse Intelligence. Tietoa laajennettu. VAPAA PÄÄSY.
• CryptoHawk. Altcoinin tutka. Ilmainen kokeilu.
• Lähde: https://physicsworld.com/a/neural-network-generates-lung-ventilation-images-from-ct-scans/