Towards AI Lesion Tracking in PET/CT Imaging: A Siamese-based CNN Pipeline applied on PSMA PET/CT Scans

要約

全身療法に対する腫瘍の反応を評価することは、PET/CT の主な用途の 1 つです。
通常、複数の病変のうち指標病変の小さなサブセットのみが分析されます。
ただし、この術者依存の選択は​​、治療に対する反応の転移間での重大な不均一性の可能性により、結果に偏りをもたらす可能性があります。
病変追跡のための自動化された AI ベースのアプローチは、より多くの病変の分析を可能にし、腫瘍反応のより良い評価を提供することを期待しています。
この研究では、PET/CT スキャン間の病変追跡のための Siamese CNN アプローチを導入しています。
私たちのアプローチは、全身のベースラインおよび[177Lu]Lu-の2サイクル後の追跡[68Ga]Ga-または[18F]F-PSMA PET/CTスキャンで多数の骨病変を追跡するという骨の折れる作業に適用されます。
転移性去勢抵抗性前立腺がん患者のPSMA療法。
データの準備には、病変のセグメンテーションとアフィン登録が含まれます。
私たちのアルゴリズムは、適切な病変パッチを抽出し、病変パッチのペアを対応する病変または非対応する病変として分類するように訓練されたシャム CNN に転送します。
実験は、2D および 3D のさまざまな入力パッチ タイプとシャム ネットワークを使用して実行されました。
CNN モデルは病変の割り当てを分類する学習に成功し、AUC = 0.91 の最適な構成で病変追跡精度 83 % に達しました。
残りの病変については、パイプラインにより 89 % の再識別率が達成されました。
我々は、CNN が PSMA PET/CT スキャンにおける複数の病変の追跡を容易にする可能性があることを証明しました。
これにより治療結果の予測が改善されるのであれば、将来の臨床研究が必要です。

要約(オリジナル)

Assessing tumor response to systemic therapies is one of the main applications of PET/CT. Routinely, only a small subset of index lesions out of multiple lesions is analyzed. However, this operator dependent selection may bias the results due to possible significant inter-metastatic heterogeneity of response to therapy. Automated, AI based approaches for lesion tracking hold promise in enabling the analysis of many more lesions and thus providing a better assessment of tumor response. This work introduces a Siamese CNN approach for lesion tracking between PET/CT scans. Our approach is applied on the laborious task of tracking a high number of bone lesions in full-body baseline and follow-up [68Ga]Ga- or [18F]F-PSMA PET/CT scans after two cycles of [177Lu]Lu-PSMA therapy of metastatic castration resistant prostate cancer patients. Data preparation includes lesion segmentation and affine registration. Our algorithm extracts suitable lesion patches and forwards them into a Siamese CNN trained to classify the lesion patch pairs as corresponding or non-corresponding lesions. Experiments have been performed with different input patch types and a Siamese network in 2D and 3D. The CNN model successfully learned to classify lesion assignments, reaching a lesion tracking accuracy of 83 % in its best configuration with an AUC = 0.91. For remaining lesions the pipeline accomplished a re-identification rate of 89 %. We proved that a CNN may facilitate the tracking of multiple lesions in PSMA PET/CT scans. Future clinical studies are necessary if this improves the prediction of the outcome of therapies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google