पीईटी/सीटी के बारे में हमें क्या जानना चाहिए?
पीईटी/सीटी एक परमाणु दवा उपकरण है जो पीईटी और सीटी सिस्टम को पूरी तरह से एकीकृत करता है। पीईटी घाव के कार्य और चयापचय पर विस्तृत आणविक जानकारी प्रदान करता है, जबकि सीटी घाव की सटीक शारीरिक स्थिति प्रदान करता है, और एक बार की इमेजिंग पूरे शरीर की टोमोग्राफिक छवियां प्राप्त कर सकती है। स्वतंत्र पीईटी और सीटी की तुलना में, पीईटी/सीटी निदान की संवेदनशीलता, सटीकता, विशिष्टता और स्थिति सटीकता में काफी सुधार कर सकता है। यह एक नज़र में पूरे शरीर की समग्र स्थिति को समझ सकता है, और घावों का शीघ्र पता लगाने और रोगों के निदान के उद्देश्य को प्राप्त कर सकता है। यह मुख्य रूप से ट्यूमर, मस्तिष्क और हृदय क्षेत्रों में प्रमुख बीमारियों का शीघ्र पता लगाने और निदान के लिए उपयोग किया जाता है।
2018 में जारी वैश्विक कैंसर वार्षिक रिपोर्ट के बड़े आंकड़ों के अनुसार, दुनिया भर में अनुमानित 18.1 मिलियन नए कैंसर के मामले और 9.6 मिलियन कैंसर से मौतें हुई हैं। हमारे देश में हर 65 लोगों में 1 कैंसर का मरीज है, जो मौत का प्रमुख कारण है। विश्व स्वास्थ्य संगठन के आंकड़ों के अनुसार, विभिन्न उपचार विधियों की वर्तमान इलाज दर और जीवित रहने की दर लोगों के लिए संतोषजनक नहीं है। मुख्य कारण यह है कि निदान में बहुत देर हो चुकी है, स्टेजिंग गलत है, और उपचार अधूरा है। चूंकि पीईटी/सीटी शरीर में सेल चयापचय में परिवर्तन देख सकता है, इसलिए संरचनात्मक और रूपात्मक से पहले ट्यूमर [जीजी] # 39; के प्राथमिक ट्यूमर (सौम्य और घातक ट्यूमर, ट्यूमर स्टेजिंग और ग्रेडिंग का अंतर) की प्रकृति को स्पष्ट करना संभव है। परिवर्तन, और क्या प्रणालीगत मेटास्टेटिक घाव (प्रणालीगत स्थितियां) मूल्यांकन हैं), प्रभाव कैसा है (रेडियोथेरेपी के कुछ दिन या घंटे बाद भी ट्यूमर के चिकित्सीय प्रभाव का निरीक्षण कर सकते हैं, समय पर उपचार योजना को समायोजित कर सकते हैं, और मौलिक रूप से अपूर्ण रूप से ठीक कर सकते हैं) इसके अलावा, पीईटी/सीटी सर्जरी से पहले मस्तिष्क मिर्गी के घावों के स्थानीयकरण, विकिरण परिगलन की पहचान और ट्यूमर उपचार के बाद पुनरावृत्ति, ब्रेन ट्यूमर घातकता का वर्गीकरण, और तंत्रिका संबंधी रोगों में अद्वितीय फायदे हैं।
हालांकि, पीईटी/सीटी स्कैन द्वारा लाया गया विकिरण अक्सर लोगों को [जीजी] को विचलित कर देता है [जीजी] उद्धरण। पीईटी/सीटी पूरे शरीर की जांच में ली गई विकिरण की मात्रा लगभग 7.5mSv है। यह अवधारणा क्या है? प्रकृति में, मनुष्य प्रत्येक वर्ष लगभग 2.4mSv प्राकृतिक विकिरण प्राप्त करते हैं, इसलिए PET/CT परीक्षा की खुराक को नज़रअंदाज़ नहीं किया जा सकता है। पीईटी / सीटी स्कैन में सीटी और इंजेक्शन पीईटी रेडियोफार्मास्युटिकल्स के कारण विकिरण और विकिरण की विकिरण खुराक की समस्याओं के जवाब में, विश्व स्वास्थ्य संगठन, अंतर्राष्ट्रीय रेडियोलॉजिकल आयोग और अंतर्राष्ट्रीय चिकित्सा भौतिकी संगठन ने चिकित्सा जोखिम गुणवत्ता आश्वासन और खुराक नियंत्रण मानकों को तैयार किया है, और पुरजोर वकालत की विकिरण जोखिम को व्यावहारिक वैधता और इष्टतम सुरक्षा के ALARA (जितना कम उचित रूप से प्राप्त किया जा सकता है) सिद्धांत का पालन करना चाहिए। यह उम्मीद की जाती है कि सबसे कम विकिरण और विकिरण खुराक के साथ सबसे अच्छी नैदानिक छवियां प्राप्त की जा सकती हैं, जबकि पीईटी / सीटी निरीक्षण की लागत को और कम किया जा सकता है और स्कैनिंग समय को कम किया जा सकता है।
हालांकि, इंजेक्शन वाले रेडियोट्रैसर को कम करने से पॉइसन शोर बढ़ेगा, जो पीईटी की छवि गुणवत्ता, घाव का पता लगाने और मात्रात्मक सटीकता को प्रभावित करेगा। कम खुराक इमेजिंग में, कई महत्वपूर्ण जानकारी बढ़े हुए शोर स्तर के तहत जलमग्न हो जाएगी। कम-खुराक स्कैनिंग के पुनर्निर्माण एल्गोरिदम को पुन: डिज़ाइन/अनुकूलित करके, शोर स्तर और सिग्नल अभिसरण के बीच सबसे अच्छा व्यापार-बंद प्राप्त किया जा सकता है। उपर्युक्त चुनौतियों को हल करने के लिए, कई एल्गोरिदम और प्रौद्योगिकियां प्रस्तावित की गई हैं, जिन्हें मुख्य रूप से पारंपरिक एल्गोरिदम और गहन शिक्षण एल्गोरिदम में विभाजित किया जा सकता है। उनमें से, पारंपरिक एल्गोरिदम में मुख्य रूप से पोस्ट-पुनर्निर्माण प्रसंस्करण / फ़िल्टरिंग एल्गोरिदम, संरचनात्मक मार्गदर्शन एल्गोरिदम, पुनरावृत्ति पुनर्निर्माण प्रक्रिया में सांख्यिकीय मॉडलिंग, और एमआरआई के मार्गदर्शन में शोर हटाने और आंशिक मात्रा प्रभाव सुधार शामिल हैं। यद्यपि ये विधियां शोर और मात्रात्मक त्रुटियों को कम करने का प्रयास करती हैं, फिर भी स्थानिक संकल्प हानि और अत्यधिक चौरसाई के साथ समस्याएं हैं।
डीप लर्निंग एल्गोरिदम ने जटिल उलटा समस्याओं को हल करने में क्षमताओं को मान्यता दी है, जैसे कि अनुमानों से छवि पुनर्निर्माण। गहन शिक्षण तकनीक का उपयोग करते हुए CT, PET और SPECT की छवि पुनर्निर्माण प्रक्रिया में लगभग समान तरीके हैं। वर्तमान में चार मुख्य रणनीतियाँ हैं: पहली विधि छवि-से-छवि सीखने की प्रक्रिया है, अर्थात छवि-से-छवि सीखने की प्रक्रिया छवि स्थान में की जाती है। छवि रूपांतरण, डीनोइज़िंग और सुपर-रिज़ॉल्यूशन मॉडलिंग के माध्यम से पुनर्निर्मित छवि की छवि गुणवत्ता में सुधार करने के लिए एक नेटवर्क मॉडल का प्रशिक्षण। दूसरी विधि साइनोग्राम-टू-साइनोग्राम सीखने की प्रक्रिया है, जो कि पुनर्निर्माण एल्गोरिदम पर संवेदनशीलता और निर्भरता से बचने के लिए सिनोग्राम की छवि गुणवत्ता में सुधार करने के लिए प्रोजेक्शन डोमेन में एक गहन शिक्षण मॉडल का प्रशिक्षण है। तीसरी विधि सिनोग्राम-टू-इमेज सीखने की प्रक्रिया है, अर्थात, नेटवर्क मॉडल के माध्यम से प्रोजेक्शन डोमेन और इमेज डोमेन के बीच नॉनलाइनियर मैपिंग संबंध सीखना, पारंपरिक पुनर्निर्माण एल्गोरिदम को पूरी तरह से हटा देना, और एक चरण में छवि उत्पन्न करना। चौथी विधि को हाइब्रिड डोमेन लर्निंग कहा जा सकता है। पुनर्निर्माण एल्गोरिदम और गहरी शिक्षा को जोड़कर, नेटवर्क मॉडल को प्रोजेक्शन डोमेन और छवि डोमेन में एक ही समय में छवि पुनर्निर्माण समस्या के इष्टतम समाधान का एहसास करने के लिए प्रशिक्षित किया जाता है।
वर्तमान उद्योग आम तौर पर छवि डोमेन में कम-खुराक पीईटी इमेजिंग एल्गोरिदम का उपयोग करता है, यानी पीईटी/सीटी उपकरण छवि को आउटपुट करने के बाद, छवि पोस्ट-प्रोसेसिंग के माध्यम से छवि गुणवत्ता में सुधार होता है। कम खुराक वाली पीईटी छवियों में बड़े शोर के कारण, ये शोर पीईटी छवियों में कई बारीक संरचनाओं को छुपाते हैं। यह तकनीकी मार्ग आमतौर पर छवि कलाकृतियों, मात्रात्मक त्रुटियों और ठीक संरचनाओं के नुकसान की ओर जाता है। पारंपरिक पीईटी इमेजिंग ने पुनर्निर्माण प्रक्रिया में बहुत सारी जानकारी खो दी है। केवल बाद के चरण में छवि को संसाधित करके खोई हुई जानकारी को पुनर्प्राप्त करना बेहद मुश्किल है, और अंतिम छवि गुणवत्ता में सुधार करना मुश्किल है। स्रोत से छवि गुणवत्ता की समस्या को हल करने के लिए, कुछ चिकित्सा और प्रयोगशालाओं ने पीईटी कच्चे डेटा और पुनर्निर्मित छवियों (चौथे प्रकार के हाइब्रिड डोमेन लर्निंग) के आधार पर गहन शिक्षण एल्गोरिदम विकसित किया है। एल्गोरिथ्म एआई को पीईटी छवि पुनर्निर्माण प्रक्रिया में गहराई से एम्बेड करता है, और मूल डेटा में जानकारी को माइन करने के लिए गहन शिक्षण का उपयोग करता है। पीईटी पुनर्निर्माण के भौतिक मॉडल के संयोजन से, प्रसंस्करण वस्तु सीधे इमेजिंग डिवाइस के अंदर मूल डेटा में उन्नत होती है, और पुनर्निर्माण एल्गोरिदम को पुनर्निर्मित छवि की गुणवत्ता में सुधार करने में सहायता मिलती है, जो प्रभावी जानकारी के नुकसान को बहुत कम करती है, इसलिए के रूप में स्पष्ट पीईटी छवियों और मजबूत प्राप्त करने के लिए छोटे घावों का पता लगाने की क्षमता।
