MOVIE：利用神经常微分方程从早期数据合成晚期[11C]-PiB PET图像

《EJNMMI Physics》：A PET MOVIE for interpretable synthesis of late-frame [11C]-PiB PET images from early-frame counterparts

　　

摘要

目的

动态 [¹¹C]-匹兹堡化合物 B (PiB) PET 为研究淀粉样蛋白相关疾病提供了时间信息，尽管长时间采集会导致患者不适并增加运营成本。我们提出了“通过可视化解释演化对常微分方程进行建模”（MOVIE），一种生成框架，用于从短短 1 分钟的早期采集数据中合成晚期 [¹¹C]-PiB PET 图像，以便在单次扫描中获得多种生物标志物信息。

方法

使用 78 例来自脑淀粉样血管病、阿尔茨海默病和高血压患者混合队列的动态 PiB PET 扫描来获取早期和晚期图像。我们在 MOVIE 中融入了神经常微分方程或随机微分方程（ODEs/SDEs），并利用中期帧来指导图像预测。使用 PSNR、SSIM、LPIPS、效应量以及基于 SUVR 的区域分析指标进行定量评估；使用 ROC AUC 和决策曲线分析（DCA）评估淀粉样蛋白阳性的分类性能。可视化了从早期到晚期图像的分步合成过程。

结果

MOVIE 在各项指标上实现了定量提升，并优于 UNet 基线模型（SDE 模型的最高 PSNR 为 41.46 ± 2.96，SSIM 为 0.969 ± 0.0093，效应量 > 0.8）。在分类性能方面，在全局 Centiloid 复合 ROI 中，MOVIE (SDE) 实现的淀粉样蛋白阳性协变量校正 AUC 高于基线（AUC = 0.881），且在 DCA 下也产生了高于基线的净收益。分步生成轨迹的可视化显示了摄取空间模式从早期到晚期的生物学上合理的演变。

结论

据我们所知，MOVIE 是首个将早期到晚期 PET 合成与时序连续、生理引导的生成模型相结合的框架。通过超越黑盒回归，MOVIE 显示出缩短扫描时间、缓解医院运营压力、提高可解释性并支持淀粉样蛋白 PET 成像临床决策的潜力。