PDF(Pubmed)
Abstract：
Objective. Reducing dose in positron emission tomography (PET) imaging increases noise in reconstructed dynamic frames, which inevitably results in higher noise and possible bias in subsequently estimated images of kinetic parameters than those estimated in the standard dose case. We report the development of a spatiotemporal denoising technique for reduced-count dynamic frames through integrating a cascade artificial neural network (ANN) with the highly constrained back-projection (HYPR) scheme to improve low-dose parametric imaging.Approach. We implemented and assessed the proposed method using imaging data acquired with11C-UCB-J, a PET radioligand bound to synaptic vesicle glycoprotein 2A (SV2A) in the human brain. The patch-based ANN was trained with a reduced-count frame and its full-count correspondence of a subject and was used in cascade to process dynamic frames of other subjects to further take advantage of its denoising capability. The HYPR strategy was then applied to the spatial ANN processed image frames to make use of the temporal information from the entire dynamic scan.Main results. In all the testing subjects including healthy volunteers and Parkinson\'s disease patients, the proposed method reduced more noise while introducing minimal bias in dynamic frames and the resulting parametric images, as compared with conventional denoising methods.Significance. Achieving 80% noise reduction with a bias of -2% in dynamic frames, which translates into 75% and 70% of noise reduction in the tracer uptake (bias, -2%) and distribution volume (bias, -5%) images, the proposed ANN+HYPR technique demonstrates the denoising capability equivalent to a 11-fold dose increase for dynamic SV2A PET imaging with11C-UCB-J.
摘要：
目的：减少正电子发射断层扫描（PET）成像中的剂量会增加重建动态帧中的噪声，与标准剂量情况下估计的动力学参数相比，这不可避免地导致随后估计的动力学参数图像中的噪声和可能的偏差。我们报告了通过将级联人工神经网络（ANN）与高度约束的反向投影（HYPR）方案集成来改善低剂量参数成像的方法，用于减少计数的动态帧的时空去噪技术的发展。
方法：我们使用11C-UCB-J采集的成像数据实施和评估了所提出的方法，PET放射性配体与人脑中的突触小泡糖蛋白2A(SV2A)结合。基于补丁的ANN使用减少的计数帧及其与受试者的完全计数对应关系进行训练，并以级联方式用于处理其他受试者的动态帧，以进一步利用其去噪能力。然后将HYPR策略应用于空间ANN处理的图像帧,以利用来自整个动态扫描的时间信息。
结果：在所有测试对象中，包括健康志愿者和帕金森病患者，所提出的方法减少了更多的噪声，同时在动态帧和所得的参数图像中引入了最小的偏差，与传统的去噪方法相比。
结论：在动态框架中以-2%的偏差实现80%的降噪，这转化为示踪剂吸收中75%和70%的噪声降低(偏差，-2%)和分布体积(偏差，-5%)图像,提出的ANNHYPR技术证明了使用11C-UCB-J进行动态SV2APET成像的去噪能力相当于11倍的剂量增加。
方法：我们使用11C-UCB-J采集的成像数据实施和评估了所提出的方法，PET放射性配体与人脑中的突触小泡糖蛋白2A(SV2A)结合。基于补丁的ANN使用减少的计数帧及其与受试者的完全计数对应关系进行训练，并以级联方式用于处理其他受试者的动态帧，以进一步利用其去噪能力。然后将HYPR策略应用于空间ANN处理的图像帧,以利用来自整个动态扫描的时间信息。
结果：在所有测试对象中，包括健康志愿者和帕金森病患者，所提出的方法减少了更多的噪声，同时在动态帧和所得的参数图像中引入了最小的偏差，与传统的去噪方法相比。
结论：在动态框架中以-2%的偏差实现80%的降噪，这转化为示踪剂吸收中75%和70%的噪声降低(偏差，-2%)和分布体积(偏差，-5%)图像,提出的ANNHYPR技术证明了使用11C-UCB-J进行动态SV2APET成像的去噪能力相当于11倍的剂量增加。
