XiaoMi-AI文件搜索系统
World File Search SystemSPECT
使用 99mTc-PHC-102 对 SPECT/ ... 进行微剂量研究
99m Tc-PHC-102 是乙酰唑胺的 99m Tc 标记衍生物，乙酰唑胺是碳酸酐酶 IX (CAIX) 的高亲和力小有机配体。99m Tc-PHC-102 先前已在 CAIX 阳性透明细胞肾细胞癌 (ccRCC) 和结直肠癌的小鼠模型中表现出良好的体内生物分布特性。在本研究中，我们旨在探索 99m Tc-PHC-102 在肾细胞癌患者 SPECT 中的靶向性能，同时评估放射性示踪剂的安全性和耐受性。方法：我们研究了 5 名局限性或转移性 ccRCC 患者，采用微剂量方案，在给予总计 50 μ g CAIX 配体和 600 – 800 MBq 的 99m Tc-PHC-102 后。通过静脉给药后 3 个时间点（30 分钟、2 小时和 6 小时）的连续 SPECT/CT 扫描分析了正常器官和肿瘤中的组织分布和停留时间。结果：在所研究的 5 名患者中，99m Tc-PHC-102 耐受性良好，未记录到与研究药物相关的不良事件。在胃、肾和胆囊中，放射性示踪剂显示出快速的初始摄取，并随着时间的推移而清除。观察到研究药物在 5 名患者原发性肿瘤中的定位，具有良好的肿瘤与背景比。99m Tc-PHC-102 SPECT/CT 可在 2 名患者中识别出 4 个以前未知的肺和淋巴结转移。结论：99m Tc-PHC-102 是一种有前途的 SPECT 示踪剂，可用于 ccRCC 患者的成像。该示踪剂具有识别不同解剖位置的原发性病变和转移性病变的潜力。99m Tc-PHC-102 也可能作为未来 CAIX 靶向治疗的伴随诊断剂。
lu spect/ct成像
随着新的放射性药物疗法的发展，定量SPECT/CT已逐渐成为剂量测定的重要工具。SPECT的一个主要障碍是其分辨率不佳，这导致活动分布模糊。尤其是对于小物体，这种所谓的部分体积效应限制了活性定量的准确性。已经提出了许多用于部分体积矫正的方法（PVC），但是大多数方法都假定成像系统的空间不变分辨率的缺点，而SPECT不得有。此外，大多数方法都需要基于解剖信息的分割。方法：我们介绍了DL-PVC，这是一种使用深度学习（DL）的177 lu spect/ct进行PVC的方法。培训是基于一个数据集，该数据集的随机活动分布放置在延伸心脏 - 躯干身体幻像中。使用Simind Monte Carlo Simulation程序创建了现实的SPECT采集。SPECT重建没有和分辨率建模分别使用蓖麻和搅拌重建软件进行。将基本真相活性分布和模拟的SPECT图像对进行训练。对这些U-NET的表现的定量分析是基于指标，例如结构相似性指数量度或归一化的根平方误差，也基于体积活性精度，这是一种新的度量，它描述了体素的差异，在该指标中描述了确定的活性浓度与真实活性浓度较小的元素相比，而不是一定的磁性。根据此分析，确定了标准化，输入大小和网络体系结构的最佳参数。结果：我们基于模拟的分析表明，结构相似性指数量度/归一化根平方误差/体积活动精度的DL-PVC（0.95/7.8％/35.8％）优于没有PVC（0.89/10.4％/12.1％）的SPECT和迭代Yang PVC（0.89/10.4％/12.1％），并且在迭代中均超过SPECT（0.89/10.4％/12.1％）。此外，我们验证了不同几何形状的3维印刷幻象的177 lu Spect/CT测量的DL-PVC。尽管DL-PVC显示出类似于Itera the Yang方法的活性恢复，但不需要分割。此外，DL-PVC能够纠正其他图像伪像，例如Gibbs响起，使其在体素水平上显然优越。结论：在这项工作中，我们证明了定量177 LU SPECT/CT的DL-PVC的附加值。我们的分析验证了DL-PVC的功能，并为未来在临床图像数据上的部署铺平了道路。
D2受体SPECT测试
1。背景信息和定义根据药物研究，我们可以区分两种类型的多巴胺受体家族。D1-受体组（D1，D5）和D2受体组（D2，D3和D4）。D1受体没有临床重要性。我们使用IBZM和EpidePrid，它标有123 I和EpidePrid，用于具有SPECT的D2样受体。2。最常见的指示
脑灌注 SPECT 中最小计数的影响
脑灌注 SPECT 图像中每像素的计数取决于给药剂量、采集时间和患者状况，有时在日常临床研究中会变得较低。本研究的目的是评估不同采集计数对定性图像和统计成像分析的影响，并确定准确检查所需的最小计数。方法：我们进行了一个脑幻像实验，模拟 99m Tc-乙基半胱氨酸二聚体的正常积累，大脑摄取率为 5.5%。SPECT 数据是在连续重复旋转中采集的。通过改变添加的旋转次数，创建了十种具有不同采集计数的 SPECT 图像。我们使用了归一化均方误差和视觉分析。对于临床研究，我们使用了 25 名患者的图像。图像是通过连续重复旋转获取的，我们通过将旋转次数从 1 变为 6 来创建具有不同采集计数的 6 幅脑部图像。对比噪声比是根据灰质和白质感兴趣区域内的平均计数计算得出的。此外，严重程度、范围和疾病特定区域的比例被评估为统计成像分析的指标。结果：对于幻像研究，归一化均方误差曲线趋于从大约 23.6 个计数/像素收敛。此外，视觉评分显示，23.6 个计数/像素或更少的图像几乎无法诊断。对于临床研究，对比噪声比在 11.5 个计数/像素或更少时显著下降。严重程度和范围趋于随着采集计数的减少而增加，在 5.9 个计数/像素时显著增加。另一方面，不同采集计数之间的比率没有显著差异。结论：在对体模和临床研究进行综合评估的基础上，我们认为每像素 23.6 个计数或更多是维持定性图像质量和准确计算统计成像分析指标所必需的。
评估临床实践中的SPECT/CT定量
仅通过使用绝对SUV平均值，而不是标准的迭代重建方法，才能区分尾状核中正常结果和病理结果的团队。然而，所有方法都检测到正常发现和病理发现之间的差异，但使用壳质和纹状体的绝对SUV平均值具有更明显的显着性。xspect Quant还能够检测病理扫描中的尾状，壳和纹状体中的明显不对称性。CHUV团队得出的结论是，定量SPECT/CT具有123 I-IOFLUPANE分析的新兴工具，因为绝对SUV可以区分标准SBR方法的较小差异，从而可以较早地检测病理变化。
临床前TB和TB的定量SPECT成像...
©作者2024。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/4.0/。
PET和SPECT图像增强的人工智能
核医学成像诸如PET和SPECT之类的核医学成像被高噪声水平和低空间分辨率混淆，需要提高后建筑图像增强，以提高其质量和定量准确性。人工智能（AI）模型，例如卷积神经网络，U-NET和生成的对抗网络，在增强PET和SPECT图像方面表现出了令人鼓舞的结果。本评论文章对PET和SPECT图像增强的最先进的AI方法进行了全面调查，并试图确定该领域的新兴趋势。我们专注于基于AI的PET和SPECT Image DeNoising和Deblurring的最新突破。监督的深度学习模型在减少放射性示意剂剂量和扫描时间的情况下显示出很大的潜力，而无需牺牲图像质量和诊断精度。但是，这些方法的临床实用性通常受到它们对培训配对的清洁和损坏数据集的需求的限制。这激发了对无范围的替代方案的研究，这些替代方案可以通过仅依靠损坏的输入或未配对的数据集来培训模型来克服这一限制。这篇评论重点介绍了最近发表了针对基于AI的PET和SPECT图像增强的监督和无监督的努力。我们讨论了跨扫描仪和交叉协议培训工作，这可以极大地增强基于AI的图像增强工具的临床翻译性。我们还旨在解决一个迫在眉睫的问题，即AI模型产生的图像质量的改进是否导致了实际的临床收益。为此，我们讨论了针对任务特定的客观临床评估的作品，以对图像增强的AI模型或将临床指标纳入其损失功能，以指导图像生成过程。最后，我们讨论了新兴的研究方向，其中包括探索新颖的培训范式，更大的任务特定数据集的策展以及客观的临床评估，这将使未来这些模型的全部翻译潜力实现。
使用专用三头摄像系统进行脑 SPECT 检查
在正常人和各种脑部疾病患者中评估了脑专用单光子发射断层扫描 (SPECT) 系统 (GEJCGR Neurocam, GEl CGR, Buc, 法国) 的临床疗效。它的三个 Anger 型伽马照相机头形成一个三角形光圈，与单个旋转照相机相比，灵敏度大幅提高。这使得高分辨率准直器可以常规用于锝-99m 六甲基丙烯胺肟脑 SPECT 研究。由此带来的空间分辨率的提高，加上患者定位的简易性和患者吞吐量的提高 (与传统的断层扫描伽马照相机相比)，将增强脑 SPECT 在常规和研究目的中的作用。Neurocam 还适用于碘-123 碘苯甲酰胺的动态 SPECT 研究。