4、基于深度学习的多示踪剂PET成像：高级别胶质瘤患者的应用

基于深度学习的多示踪剂PET成像：高级别胶质瘤患者的应用

1. 引言

正电子发射断层扫描（PET）是一种定量医学成像技术，它利用放射性示踪剂来体内检查组织和器官的生物化学。每种示踪剂都能揭示不同生物过程的独特信息，如葡萄糖代谢、受体密度、蛋白质合成等，这有助于改善疾病的诊断和临床管理。因此，多示踪剂PET成像在图像引导的个性化医疗中具有巨大潜力。

对于胶质母细胞瘤（GBM）的研究，有两种有用的示踪剂：
- 核苷示踪剂3′ - 脱氧 - 3′ - [¹⁸F] - 氟胸苷（¹⁸F - FLT），可提供肿瘤DNA复制活动的信息。
- 氨基酸类似物3,4 - 二羟基 - 6 - [¹⁸F] - 氟 - L - 苯丙氨酸（¹⁸F - FDOPA），有助于测量氨基酸向肿瘤的转运水平。

临床上，¹⁸F - FDOPA可用于检测低级别和高级别脑肿瘤，并评估手术切除的肿瘤范围；¹⁸F - FLT与高级别脑肿瘤患者的预后相关。因此，使用这两种放射性示踪剂进行成像有助于为患者护理提供信息。

然而，目前PET示踪剂通常一次只能使用一种，因为每种示踪剂会产生难以区分的511 keV湮灭光子对。这使得多示踪剂PET成像面临巨大的技术和后勤挑战，包括高成本、图像对齐问题、病理生理学潜在变化以及患者不适等，同时还会增加患者的辐射剂量。因此，多示踪剂PET成像的巨大潜力尚未完全实现。

在这项研究中，我们探索了机器学习（ML）在多示踪剂PET成像中的应用。我们假设卷积神经网络（CNNs）可以利用一种示踪剂获取的PET图像信息来预测另一种示踪剂的分布。我们开发了一个通用的ML框架，将现有特定示踪剂的PET扫描转换为另一种示踪剂的合成PET扫描，而无需注射第二