Chúng ta phải biết gì về PET / CT?

Chúng ta phải biết gì về PET / CT?

PET / CT là một thiết bị y học hạt nhân tích hợp hoàn hảo hệ thống PET và CT. PET cung cấp thông tin phân tử chi tiết về chức năng và sự chuyển hóa của tổn thương, trong khi CT cung cấp vị trí giải phẫu chính xác của tổn thương và chụp ảnh một lần có thể thu được hình ảnh chụp cắt lớp của toàn bộ cơ thể. So với PET và CT độc lập, PET / CT có thể cải thiện đáng kể độ nhạy, độ chính xác, độ đặc hiệu và độ chính xác định vị của chẩn đoán. Nó có thể hiểu được tình trạng chung của toàn bộ cơ thể trong nháy mắt, và đạt được mục đích phát hiện sớm các tổn thương và chẩn đoán bệnh. Nó chủ yếu được sử dụng để phát hiện và chẩn đoán sớm các bệnh chính trong lĩnh vực khối u, não và tim.

Theo dữ liệu lớn của Báo cáo Thường niên Ung thư Toàn cầu công bố năm 2018, ước tính có khoảng 18,1 triệu ca ung thư mới và 9,6 triệu ca tử vong do ung thư trên toàn thế giới. Cứ 65 người dân nước ta thì có 1 bệnh nhân ung thư, là nguyên nhân gây tử vong hàng đầu. Theo thống kê của Tổ chức Y tế Thế giới, tỷ lệ chữa khỏi và tỷ lệ sống sót hiện nay của các phương pháp điều trị khác nhau đều không làm hài lòng người dân. Nguyên nhân chủ yếu là do chẩn đoán quá muộn, phân chia giai đoạn không chính xác và điều trị không triệt để. Vì PET / CT có thể quan sát những thay đổi trong chuyển hóa tế bào trong cơ thể, nên có thể làm rõ bản chất của khối u nguyên phát' (phân biệt khối u lành tính và ác tính, phân loại và phân loại khối u) trước khi có cấu trúc và hình thái thay đổi, và liệu có tổn thương di căn toàn thân hay không (tình trạng toàn thân) tổn thương đã điều trị), v.v… Ngoài ra, PET / CT còn có những ưu điểm độc đáo trong việc xác định vị trí tổn thương động kinh não trước phẫu thuật, xác định hoại tử và tái phát sau điều trị u do bức xạ, phân loại độ ác tính của u não và các bệnh lý thần kinh.

Tuy nhiên, bức xạ do chụp PET / CT mang lại thường khiến mọi người" mất tập trung" ;. Lượng bức xạ được thực hiện trong một cuộc kiểm tra PET / CT toàn thân là khoảng 7,5mSv. khái niệm này là gì? Trong tự nhiên, con người nhận được khoảng 2,4mSv bức xạ tự nhiên mỗi năm, vì vậy không thể bỏ qua liều lượng xét nghiệm PET / CT. Để đối phó với các vấn đề về liều lượng bức xạ của bức xạ và bức xạ gây ra bởi CT và thuốc phóng xạ PET được tiêm trong chụp cắt lớp PET / CT, Tổ chức Y tế Thế giới, Ủy ban Xạ học Quốc tế và Tổ chức Vật lý Y tế Quốc tế đã xây dựng các tiêu chuẩn đảm bảo chất lượng phơi nhiễm y tế và kiểm soát liều lượng, và được ủng hộ mạnh mẽ Phơi nhiễm bức xạ nên tuân theo nguyên tắc ALARA (Ở mức thấp nhất có thể đạt được một cách hợp lý) về tính hợp pháp thực tế và sự bảo vệ tối ưu. Người ta mong đợi rằng có thể thu được những hình ảnh chẩn đoán tốt nhất với bức xạ và liều bức xạ nhỏ nhất, đồng thời giảm hơn nữa chi phí kiểm tra PET / CT và giảm thời gian quét.

Tuy nhiên, việc giảm bộ đo bức xạ được đưa vào sẽ khuếch đại nhiễu Poisson, điều này sẽ ảnh hưởng đến chất lượng hình ảnh, phát hiện tổn thương và độ chính xác định lượng của PET. Trong hình ảnh liều thấp, nhiều thông tin quan trọng sẽ bị nhấn chìm dưới mức nhiễu tăng lên. Bằng cách thiết kế lại / tối ưu hóa thuật toán tái tạo của quét liều thấp, có thể đạt được sự cân bằng tốt nhất giữa mức độ nhiễu và độ hội tụ tín hiệu. Để giải quyết những thách thức nêu trên, nhiều thuật toán và công nghệ đã được đưa ra, trong đó chủ yếu có thể chia thành thuật toán truyền thống và thuật toán học sâu. Trong số đó, các thuật toán truyền thống chủ yếu bao gồm thuật toán lọc / xử lý sau tái tạo, thuật toán hướng dẫn giải phẫu, mô hình thống kê trong quá trình tái tạo lặp đi lặp lại, loại bỏ nhiễu và hiệu chỉnh một phần âm lượng dưới sự hướng dẫn của MRI. Mặc dù các phương pháp này cố gắng giảm thiểu nhiễu và sai số định lượng, nhưng vẫn có những vấn đề về mất độ phân giải không gian và làm mịn quá mức.

Các thuật toán học sâu có khả năng được công nhận trong việc giải quyết các vấn đề nghịch đảo phức tạp, chẳng hạn như tái tạo hình ảnh từ các phép chiếu. Quá trình tái tạo hình ảnh của CT, PET và SPECT bằng công nghệ học sâu có các phương pháp gần giống nhau. Hiện tại có 4 chiến lược chính: Phương pháp thứ nhất là quá trình học từ ảnh sang ảnh, tức là quá trình học từ ảnh sang ảnh được thực hiện trong không gian ảnh. Chuyển đổi hình ảnh, đào tạo mô hình mạng để cải thiện chất lượng hình ảnh của hình ảnh được tái tạo thông qua mô hình hóa độ phân giải và biến dạng. Phương pháp thứ hai là quá trình học sinogram-to-sinogram, tức là đào tạo mô hình học sâu trong miền chiếu để cải thiện chất lượng hình ảnh của sinogram để tránh độ nhạy và phụ thuộc vào thuật toán tái tạo. Phương pháp thứ ba là quá trình học sinogram-to-image, tức là học mối quan hệ ánh xạ phi tuyến giữa miền hình chiếu và miền hình ảnh thông qua mô hình mạng, loại bỏ hoàn toàn thuật toán tái tạo truyền thống và tạo hình ảnh trong một bước. Phương pháp thứ tư có thể được gọi là phương pháp học tập theo miền kết hợp. Bằng cách kết hợp giữa thuật toán tái tạo và học sâu, mô hình mạng được đào tạo đồng thời trong miền chiếu và miền hình ảnh để nhận ra giải pháp tối ưu của bài toán tái tạo hình ảnh.

Ngành công nghiệp hiện tại thường sử dụng các thuật toán chụp ảnh PET liều thấp trong lĩnh vực hình ảnh, nghĩa là sau khi thiết bị PET / CT xuất ra hình ảnh, chất lượng hình ảnh được cải thiện thông qua xử lý hậu kỳ hình ảnh. Do nhiễu lớn trong ảnh PET liều thấp, những nhiễu này che giấu nhiều cấu trúc nhỏ trong ảnh PET. Lộ trình kỹ thuật này thường dẫn đến hiện tượng tạo ảnh, sai số định lượng và mất cấu trúc tốt. Hình ảnh PET truyền thống đã mất rất nhiều thông tin trong quá trình tái tạo. Việc khôi phục thông tin đã mất chỉ bằng cách xử lý hình ảnh ở giai đoạn sau là cực kỳ khó khăn và rất khó để cải thiện chất lượng hình ảnh cuối cùng. Để giải quyết vấn đề về chất lượng hình ảnh từ nguồn, một số phòng thí nghiệm và y tế đã phát triển một cách sáng tạo các thuật toán học sâu dựa trên dữ liệu thô PET và hình ảnh tái tạo (loại thứ tư của lĩnh vực học tập kết hợp). Thuật toán nhúng sâu AI vào quá trình tái tạo hình ảnh PET và sử dụng học sâu để khai thác thông tin trong dữ liệu gốc. Bằng cách kết hợp mô hình vật lý của việc tái tạo PET, đối tượng xử lý được nâng cao trực tiếp đến dữ liệu gốc bên trong thiết bị hình ảnh và thuật toán tái tạo được hỗ trợ để cải thiện chất lượng của hình ảnh được tái tạo, giúp giảm đáng kể việc mất thông tin hiệu quả, do đó để có được hình ảnh PET rõ ràng hơn và mạnh hơn Khả năng phát hiện các tổn thương nhỏ.