文献速递：肿瘤分割----基于卷积神经网络的系统，用于前列腺癌[68Ga]Ga-PSMA PET全身图像的全自动分割

文献速递：肿瘤分割----基于卷积神经网络的系统，用于前列腺癌[68Ga]Ga-PSMA PET全身图像的全自动分割

01

文献速递介绍

前列腺特异性膜抗原（PSMA）PET/CT成像近年来在前列腺癌检测领域中获得了显著的重视。PSMA是一种在前列腺上皮和其他器官（如肾小管和唾液腺）中发现的膜蛋白。其表达在前列腺癌以及其他多种癌症类型中均有提高。PSMA表达水平与前列腺癌的阶段和等级相关。在PET/CT成像中，使用PSMA配体与细胞表面的PSMA受体结合，然后被细胞内化。有不同的PSMA配体可供选择，标记有镓-68（68Ga）或氟-18（18F），每种具有略微不同的特性。这些配体的例子包括[68Ga]Ga-PSMA-HBED-CC（[68Ga]Ga-PSMA-11）、[68Ga]Ga-PSMA-617、[68Ga]Ga-PSMAI&T、[18F]DCFBC、[18F]DCFPyL和[18F]F-PSMA-1007 。在这些中，[68Ga]Ga-PSMA-11已被广泛研究并用于不同阶段的前列腺癌成像。PSMA PET/CT成像被广泛接受用于检测复发前列腺癌的部位，与传统成像技术相比提供了更优越的检测能力。此外，越来越多的证据支持其在分期高危初级前列腺癌中的有效性。PSMA PET/CT还可以帮助确定放射配体治疗的资格，例如[177Lu]Lu-PSMA-617，其显示出高效率和低毒性，并可能监测晚期前列腺癌的治疗效果。检测和定位转移性前列腺癌（mPCa）病变对于靶向治疗程序（如放射疗法）至关重要。PET成像还可以帮助提取与PSMA表达相关的定量成像生物标志物，如肿瘤的最大标准化摄取值（SUVmax）、全身PSMA肿瘤体积（PSMA-TV）和全身总病变PSMA（TL-PSMA），这些可能具有预后潜力。此外，在影像组学领域，精确的疾病定位至关重要，放射组学通过分析大量成像特征来量化肿瘤特性，并指导对患者管理的个性化方法。影像组学在检测mPCa病变、预测未来转移的发展以及识别与晚期PCa患者总生存期（OS）相关的生物标志物方面表现出前景。然而，手动病变分割存在局限性，如劳动密集型，特别是对于肿瘤负担高的患者，且容易受到观察者变异性的影响。因此，完全自动化的疾病检测和分割将是非常有利的，因为它减少了手动用户输入，并加快了定量特征的提取，从而促进了更个性化的患者干预措施。

Title

题目

A convolutional neural network–based system for fully automatic segmentation of whole‑body [ 68Ga]Ga‑PSMA PET images in prostate cancer

基于卷积神经网络的系统，用于前列腺癌[68Ga]Ga-PSMA PET全身图像的全自动分割

Abstract

摘要

Purpose The aim of this study was development and evaluation of a fully automated tool for the detection and segmentation of mPCa lesions in whole-body [68Ga]Ga-PSMA-11 PET scans by using a nnU-Net framework.

目的：本研究的目的是开发和评估一个全自动工具，用于在全身[68Ga]Ga-PSM