Raziskovalni projekt Z1-70006

PET brez CT: Pristop globokega učenja za popravke atenuacije in sipanja v visokočasovno ločljivih PET skenerjih

ERC področje PE2 - Osnovne sestavine snovi

Trajanje projekta: od 1.3.2026 do 29.2.2028

Povzetek:

Pozitronska emisijska tomografija (PET) je ključna slikovna metoda v onkologiji, kardiologiji in nevrologiji, saj omogoča vpogled v presnovne infunkcijske procese. Kljub temu, da visoka občutljivost PET prinaša pomembne diagnostične prednosti, se pri konvencionalnih protokolih za doseganje kvantitativnih slik (korekcija atenuacije in sipanja) običajno uporablja CT. S tem se povečata tako strojna kompleksnost kot izpostavljenost bolnikov sevanju, kar lahko zavira razvoj nizkodoznih in mobilnih PET skenerjev.

V tem projektu želimo razviti globoko-učno zasnovan pristop za korekcijo atenuacije in sipanja v PET, ki ne zahteva uporabe CT. Metoda bo posebej prilagojena detektorjem z izjemno visoko časovno ločljivostjo, kar bo zmanjšalo skupno dozo sevanja in hkrati omogočilo mobilnost ter prilagodljivost naprave. Za ta namen bomo vzpostavili obsežen nabor podatkov, ki bo združeval tako javno dostopne PET/CT-slike kot tudi simulirane podatke PET skenerjev z visoko časovno ločljivostjo. Z uporabo visoko zmogljivih računalniških sistemov bomo urili, optimizirali in primerjali različne arhitekture nevronskih mrež—od konvolucijskih samokodirnikov (CAE) in generativnih protivrstniških mrež (GAN) do variantmodela U-Net—s poudarkom na zanesljivem delovanju pri različnih radiosledilcih in anatomskih področjih.

Našo rešitev bomo validirali z neposredno primerjavo med globoko-učno izračunanim popravkom in zlatim standardom na osnovi CT. Pri tem bomo uporabili ključne merilne kazalnike, kot so povprečna absolutna napaka (MAE), kvadratni koren srednje kvadratne napake (RMSE), strukturni indekspodobnosti (SSIM) ter hitrost izvedbe. Posebno pozornost bomo namenili področjem, kjer so napake pogostejše (npr. pljuča), in model ustrezno izboljšali, da dosežemo klinično sprejemljive meje. Tako želimo vzpostaviti splošno veljavno rešitev, ki bi bila primerna za širok nabor radiosledilcevin anatomskih sistemov, obenem pa olajšala uporabo v okoljih, kjer sta zmanjšanje doze in prilagodljivost še posebej pomembna (npr. pediatrični bolniki ali intenzivna nega). Po uspešni validaciji bo razvito programsko orodje skupaj z izurjenimi modeli in podrobno dokumentacijo javno dostopno na GitHubu, kar bo omogočalo nadaljnji razvoj in vključitev v prihodnje PET skenerje. Naš dolgoročni cilj je, da bi se te napredne metode popravkov v PET vključile v samostojne, prenosne ter cenovno dostopne — oziroma nizkodozne — PET-sisteme, kar bi znatno razširilo dostopnost in uporabo PET-slikanja ter bolnikom omogočilo hitrejšo in natančnejšo diagnozo ter oskrbo.

Cilji:

• Cilj 1: Razvoj globoko-učnega pristopa za korekcijo atenuacije in sipanja brez CT: Načrtujemo metodo, ki bo iz nepopravljenih PET-podatkov generirala navidezno CT sliko. Ta pristop ne bo omejen le na eno vrsto radiofarmaka ali anatomsko področje.
• Cilj 2: Optimizacija za visoko časovno ločljivost (TOF): Poseben poudarek bo na PET sistemih z visoko časovno ločljivostjo, ki so lahko izjemno učinkoviti, če je korekcija pravilno zasnovana. Globoko-učni pristop, ki izkorišča TOF, naj bi zagotovil boljšo robustnost in natančnost.
• Cilj 3: Široka uporabnost po različnih radiofarmakih in anatomskih regijah: Metoda mora biti splošno uporabna, ne le za en sam radiofarmak ali anatomsko področje. S tem bo tudi bolj zanimiva za klinično prakso, saj onkološke, nevrološke in kardiološke preiskave zahtevajo raznolike detektorske nastavitve in tipe radiofarmakov (¹⁸F, ⁶⁸Ga, ¹¹C, ipd.).
• Cilj 4: Zanesljiva validacija in primerjava z zlatim standardom (CT korekcija): Končni uspeh bomo merili z razliko med izhodom razvite metode in CT korekcijo (MAE, RMSE, SSIM). Poleg tega bomo opredelili anatomska področja in radiofarmake, kjer metoda dosega konkurenčne rezultate.

• Cilj 5: Odprt in razširljiv sistem: Razvito kodo in modele bomo javno objavili na GitHubu, s čimer želimo spodbuditi koncept odprte znanosti in pospešiti razvoj v širši raziskovalni skupnosti, tako v Sloveniji kot globalno.

Povezave:

• SICRIS: Povezava na podatke v sistemu SICRIS,

• NRRP in njegove posodobitve
• Projekt financira ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije: