เว็บสล็อต , สล็อตแตกง่าย ภาพการช่วยหายใจ CT ที่สร้างโดยโครงข่ายประสาทเทียม เปรียบเทียบกับความจริงภาคพื้นดิน: ภาพการระบายอากาศ CT ที่สร้างโดยโครงข่ายประสาทเทียม (a–c) และภาพการระบายอากาศ Galligas PET (d–f) สำหรับกรณีที่มีความสัมพันธ์สูงการรวมภาพการช่วยหายใจเข้ากับแผนการฉายรังสีเพื่อรักษามะเร็งปอดอาจลดอุบัติการณ์ของการบาดเจ็บที่ปอดจากการฉายรังสี
ที่ทำให้ร่างกายทรุดโทรม โรคปอดอักเสบจากรังสี
และการเกิดพังผืดจากรังสี โดยเฉพาะอย่างยิ่ง สามารถใช้ภาพการช่วยหายใจเพื่อปรับแผนการรักษาด้วยรังสีเพื่อลดขนาดยาให้เหลือเพียงปอดที่ทำหน้าที่สูง
Positron emission tomography (PET) และ single-photon emission computed tomography (SPECT) สแกนเป็นมาตรฐานทองคำของการถ่ายภาพการช่วยหายใจ อย่างไรก็ตาม วิธีการเหล่านี้ไม่ได้มีให้พร้อมเสมอไป และค่าใช้จ่ายในการสอบอาจถูกจำกัด ด้วยเหตุนี้ นักวิจัยจึงกำลังตรวจสอบความเป็นไปได้ของทางเลือกอื่นๆ เช่น การถ่ายภาพด้วยเครื่อง MR หรือ CT
การถ่ายภาพด้วยเครื่องช่วยหายใจ CT (CTVI) ใช้การสแกน 4D-CT การวางแผนการรักษาเพื่อประเมินการช่วยหายใจในปอด CTVI ทั่วไปอาศัยการลงทะเบียนภาพที่ผิดรูป (DIR) ของขั้นตอนการหายใจเข้าและออกของ 4D-CT และการใช้มาตรวัดการช่วยหายใจเพื่อประเมินการช่วยหายใจ ประโยชน์หลักของแนวทางนี้คือ โดยทั่วไปแล้วภาพ CT จะหาได้จากการทดสอบที่ดำเนินการเพื่อวางแผนการรักษา ซึ่งจะช่วยลดเวลาทางคลินิกและค่าใช้จ่ายที่เกี่ยวข้องกับการถ่ายภาพการช่วยหายใจด้วยยานิวเคลียร์
เมื่อเร็ว ๆ นี้ นักวิจัยจากมหาวิทยาลัยซิดนีย์ได้ตรวจสอบการใช้แมชชีนเลิร์นนิงเป็นทางเลือกแทนวิธีการที่ใช้ DIR สำหรับการผลิต CVI พวกเขาประสบความสำเร็จในการสร้าง CVI จากคู่ภาพ CT ระงับลมหายใจ (BHCT) ภายใน 10 วินาที โดยใช้คอมพิวเตอร์แล็ปท็อปและไม่จำเป็นต้องใช้ DIR หรือการระบายอากาศ ความสำเร็จของพวกเขาที่อธิบายไว้ในMedical Physicsทำให้เกิดการวัดประสิทธิภาพที่เทียบได้กับวิธีการที่ใช้ DIR แบบเดิม
ผู้เขียนนำJames Groverจากสถาบัน ACRF Image X
และเพื่อนร่วมงานได้ตรวจสอบคู่ภาพ BHCT ที่หายใจเข้าและหายใจออกและชุดภาพ PET Galligas (Ga-68 aerosol) ที่สอดคล้องกันสำหรับผู้ป่วยมะเร็งปอด 15 รายที่ลงทะเบียนในการศึกษา CTVI ก่อนหน้านี้ พวกเขาเลือก Galligas PET เป็นรูปแบบการสร้างภาพอ้างอิง เนื่องจากมีความละเอียดและความไวที่สูงกว่าการช่วยหายใจ SPECT จึงให้ภาพที่มีความละเอียดสูงเพื่อฝึกอัลกอริทึมการเรียนรู้เชิงลึก
Grover และเพื่อนร่วมงานได้ฝึกอบรมโครงข่ายประสาทเทียมแบบ 2D U-Net เพื่อผลิต CTV ในแนวแกน ซึ่งประกอบขึ้นเป็นแผนที่การช่วยหายใจแบบ 3 มิติของปอดของผู้ป่วย ภาพการฝึกป้อนข้อมูลประกอบด้วยภาพการหายใจออก การหายใจเข้า และภาพ BHCT โดยเฉลี่ย โครงข่ายประสาทเทียมได้สร้างความสัมพันธ์ระหว่างอิมเมจ BHCT อินพุตตามแนวแกนและอิมเมจ Galligas PET ที่ติดป้ายกำกับตามแนวแกน ทีมงานใช้การตรวจสอบไขว้แปดเท่าเพื่อวัดความทนทานและเพิ่มความถูกต้องของผลลัพธ์ที่ได้จากโครงข่ายประสาทเทียม
นักวิจัยได้ประเมินคุณภาพ CTVIs ที่ผลิตโดยโครงข่ายประสาทเทียมโดยการเปรียบเทียบภาพกับภาพการระบายอากาศของ Galligas PET พวกเขารายงานว่า CTV มีแนวโน้มที่จะทำนายการระบายอากาศภายในปอดอย่างเป็นระบบเมื่อเปรียบเทียบกับภาพ Galligas PET ชิ้น CTVI ในแนวแกนแต่ละชิ้นมีความราบรื่นในบริเวณที่มีการระบายอากาศในระดับต่ำ ปานกลาง และสูง ซึ่งทำให้เกิดความยุ่งยากในการทำนายช่องระบายอากาศขนาดเล็กและสูงภายในปอด ในระนาบโคโรนาลและแนวระนาบ แผนที่การช่วยหายใจแสดงให้เห็นขอบหยักที่ชัดเจนในทิศทางที่เหนือกว่า-ด้อยกว่า
สำหรับการวิเคราะห์เชิงปริมาณ
ทีมงานได้คำนวณสหสัมพันธ์ Spearman และค่าสัมประสิทธิ์ความคล้ายคลึงกันของลูกเต๋า (DSC) ระหว่างภาพ CTVI ของผู้ป่วยแต่ละรายและภาพ Galligas PET DSC วัดการทับซ้อนเชิงพื้นที่ระหว่างปริมาตรย่อยของปอดที่เท่ากันสามปริมาตร ซึ่งสอดคล้องกับปอดที่มีการทำงานสูง ปานกลาง และต่ำ ตามที่กำหนดโดยการช่วยหายใจ
ค่าเฉลี่ยสหสัมพันธ์ของ Spearman ในผู้ป่วย 15 รายคือ 0.58±0.14 (ตั้งแต่ 0.28 ถึง 0.70) ในขณะที่ค่าเฉลี่ย DSCs เหนือปอดที่มีการทำงานสูง ปานกลาง และต่ำคือ 0.61±0.09, 0.43±0.05 และ 0.62±0.07 ตามลำดับ ด้วย DSC เฉลี่ย 0.55±0.06 ทีมงานทราบว่าผลลัพธ์เหล่านี้เทียบได้กับการศึกษาก่อนหน้านี้เกี่ยวกับการสร้าง CTVI
การเรียนรู้เชิงลึกช่วยให้สามารถคำนวณปริมาณโปรตอนได้อย่างรวดเร็วและแม่นยำ
นักวิจัยเชื่อว่าความสัมพันธ์ที่ลดลงสำหรับผู้ป่วยบางรายเป็นส่วนหนึ่งเนื่องจากการใช้ชุดข้อมูลผู้ป่วยขนาดเล็กในการฝึกอบรมโครงข่ายประสาทเทียม พวกเขาแนะนำว่าการใช้โครงข่ายประสาทเทียมแบบ 3 มิติจะช่วยเพิ่มสหสัมพันธ์ของ Spearman และ DSC เนื่องจากตัวแบบจะสามารถเรียนรู้จากปริมาตรของผู้ป่วยทั้งหมดแทนที่จะแยกเป็นชิ้นๆ
Paul Keallผู้อำนวยการสถาบัน ACRF Image X Institute กล่าวว่า “เรากำลังวางแผนที่จะรับภาพการช่วยหายใจของผู้ป่วยโดยใช้เครื่องสแกน PET ทั้งตัวเพื่อให้ได้ข้อมูลจริงที่มีคุณภาพสูงสุดเพื่อพัฒนาอัลกอริธึม CTVI” “เรายังหวังที่จะขยายการสอบสวน CVI ของเราให้มากกว่าการฉายรังสีรักษามะเร็งปอด เพื่อใช้ CTVI เป็นตัวช่วยในการตัดสินใจสำหรับการวางแผนการผ่าตัดและการตรวจสอบ biomarker ในระยะเริ่มแรกในโรคทางเดินหายใจต่างๆ”
ผู้เขียนสรุปว่า “ความละเอียดชั่วคราวที่ได้รับการปรับปรุงทำให้การตรวจสอบคุณภาพสูงเป็นไปได้โดยการสุ่มตัวอย่างในอัตราที่สูงขึ้น ทำให้สามารถวิเคราะห์การเปลี่ยนแปลงที่รวดเร็วซึ่งไม่สามารถสังเกตได้ด้วยความละเอียดชั่วคราวที่ต่ำแบบเดิม” ผู้เขียนสรุป
นักวิจัยทำการวัดนี้โดยการตรวจสอบโพลาไรซ์สุทธิที่เกิดจากตัวพาเสมือนในอิเล็กโทรดทองคำที่ติดอยู่กับกราฟีน ในส่วนของตัวพาประจุไฟฟ้าจริง จะยังคงแพร่กระจายไปในทิศทางที่ต้องการแม้หลังจากปิดพัลส์เลเซอร์แล้ว จึงสามารถวัดการมีส่วนร่วมในกระแสสุทธิได้หลังจากที่การกระตุ้นด้วยแสงสิ้นสุดลง เว็บสล็อต , สล็อตแตกง่าย
