一篇新的研究论文发表在Oncotarget 上，题为“利用 Pix-2-Pix GAN 基于深度学习的全身 PSMA PET/CT 衰减校正”。
放射剂量限制了肿瘤患者在治疗随访过程中可以进行的连续 PET/CT 研究。
在这项新研究中，美国国立卫生研究院国家癌症研究所的研究人员提出了一种人工智能(AI)工具，可以从非衰减校正 PET(NAC-PET)图像中生成衰减校正 PET(AC-PET)图像，以减少需要低剂量CT扫描。
研究人员写道：“人工智能生成的 PET 图像具有临床潜力，可以减少 CT 扫描进行衰减校正的需要，同时保留前列腺癌患者的定量标记和图像质量。”
基于 2D Pix-2-Pix 生成对抗网络 (GAN) 架构的深度学习算法是根据配对的 AC-PET 和 NAC-PET 图像开发的。来自 302 名前列腺癌患者的 18F-DCFPyL PSMA(前列腺特异性膜抗原)PET-CT 研究分为训练组、验证组和测试组(n 分别为 183、60、59)。使用两种标准化策略训练模型：基于标准摄取值 (SUV) 和基于 SUV-Nyul。