MetaAD：3D 18F-FDG PET 中帕金森病的代谢感知异常检测

MetaAD: Metabolism-Aware Anomaly Detection for Parkinson’s Disease in 3D 18F-FDG PET

摘要

背景： 多巴胺转运体（DAT）成像，如¹¹C-CFT PET，在帕金森病（PD）诊断中表现出显著的优势。然而，大多数医院无法获取DAT成像，而是依赖更常见的¹⁸F-FDG PET。然而，在视觉分析中，¹⁸F-FDG PET可能无法呈现PD的主要异常特征，从而影响计算机辅助诊断（CAD）的效果。

目的： 针对这一问题，提出了一种代谢感知异常检测（MetaAD）框架，以突出¹⁸F-FDG PET扫描中与PD相关的代谢异常特征。

方法： MetaAD首先将输入的FDG图像转换为具有健康模式的合成CFT图像，并随后通过逆向模态映射重建FDG图像。输入图像与重建图像之间的视觉差异可作为PD代谢异常的指示信号。此外，该方法采用双路径训练策略，使生成器通过循环模态转换学习显式的正常数据分布，同时增强对健康代谢特征的记忆能力。

结果： 实验结果表明，MetaAD在PD诊断中的可视化可解释性和异常检测能力方面均优于现有方法，同时还能有效辅助监督式CAD方法的诊断性能。代码已公开，链接为 https://github.com/MedAIerHHL/MetaAD。

方法

Fig. 1 展示了 Parkinson’s Disease（PD）与正常对照（NC）在 PET 成像中的差异。(a) ¹¹C-CFT PET 可揭示 PD 与 NC 之间的明显差异，而 ¹⁸F-FDG PET 在视觉上表现出较小的差异。(b) 所提出的 MetaAD 方法能够在 FDG 图像 中突出 PD 患者的代谢异常区域，其中 红色区域 表示代谢水平升高的异常区域，而 蓝色区域 代表代谢水平降低的异常区域。

图 2.所提出的 MetaAD 采用双路径训练方案，包括 （a） 一类循环模态转换和 （b） 异常代谢抑制。

实验结果