핵의학

본문글자크기
  • [Eur J Nucl Med Mol Imaging.] Visual interpretation of [ 18 F]Florbetaben PET supported by deep learning-based estimation of amyloid burden

    [Eur J Nucl Med Mol Imaging.] Visual interpretation of [ 18 F]Florbetaben PET supported by deep learning-based estimation of amyloid burden 딥러닝을 활용한 아밀로이드 PET의 시각적 해석

    분당서울대학교병원,서울대학교병원 / 김지영, 최홍윤*

  • 출처
    Eur J Nucl Med Mol Imaging.
  • 등재일
    2021 Apr
  • 저널이슈번호
    48(4):1116-1123. doi: 10.1007/s00259-020-05044-x.
  • 내용

    바로가기  >

    이달의 연구자 바로가기 Click!

     

    Abstract
    Purpose: Amyloid PET which has been widely used for noninvasive assessment of cortical amyloid burden is visually interpreted in the clinical setting. As a fast and easy-to-use visual interpretation support system, we analyze whether the deep learning-based end-to-end estimation of amyloid burden improves inter-reader agreement as well as the confidence of the visual reading.

    Methods: A total of 121 clinical routines [18F]Florbetaben PET images were collected for the randomized blind-reader study. The amyloid PET images were visually interpreted by three experts independently blind to other information. The readers qualitatively interpreted images without quantification at the first reading session. After more than 2-week interval, the readers additionally interpreted images with the quantification results provided by the deep learning system. The qualitative assessment was based on a 3-point BAPL score (1: no amyloid load, 2: minor amyloid load, and 3: significant amyloid load). The confidence score for each session was evaluated by a 3-point score (0: ambiguous, 1: probably, and 2: definite to decide).

    Results: Inter-reader agreements for the visual reading based on a 3-point scale (BAPL score) calculated by Fleiss kappa coefficients were 0.46 and 0.76 for the visual reading without and with the deep learning system, respectively. For the two reading sessions, the confidence score of visual reading was improved at the visual reading session with the output (1.27 ± 0.078 for visual reading-only session vs. 1.66 ± 0.63 for a visual reading session with the deep learning system).

    Conclusion: Our results highlight the impact of deep learning-based one-step amyloid burden estimation system on inter-reader agreement and confidence of reading when applied to clinical routine amyloid PET reading.
    Keywords: Alzheimer’s disease; Amyloid PET; Deep learning; PET; Visual quantification; [18F]Florbetaben.

     

     

    Figure 1. 동일한 아밀로이드 펫을 3명의 판독자가 최소 2주 이상의 기간을 두고 각각 2번씩 판독한다. 첫 번째 세션에서는 오직 시각 판독으로만 해석하고 두 번째 세션에서는 딥러닝 지원 시스템을 활용하여 시각 판독을 진행한다. 정량적인 평가는 각 세션 마다 3-pont BAPL 점수와 3-scale 신뢰도 점수로 평가한다.

     

    Figure 2. 딥러닝 시스템 활용 여부에 따른 3명의 판독자간 일치도와 신뢰도 점수. (a) session 1과 (b) session 2에서의 판독자간 일치 정도 (초록색: 100% 일치, 분홍색: 66.7% 일치, 그리고 빨간색: 0% 일치). (c) session 1 과 (d) session 2 에서의 3명의 판독자간 평균 신뢰도 점수.

     

    Affiliations

    Ji-Young Kim  1   2 , Dongkyu Oh  1 , Kiyoung Sung  3 , Hongyoon Choi  4 , Jin Chul Paeng  1 , Gi Jeong Cheon  1   5   6 , Keon Wook Kang  1 , Dong Young Lee  3   7 , Dong Soo Lee  1   8
    1 Department of Nuclear Medicine, Seoul National University Hospital, Seoul, Republic of Korea.
    2 Department of Nuclear Medicine, Seoul National University Bundang Hospital, Seongnam, Republic of Korea.
    3 Department of Neuropsychiatry, Seoul National University Hospital, Seoul, Republic of Korea.
    4 Department of Nuclear Medicine, Seoul National University Hospital, Seoul, Republic of Korea. chy1000@snu.ac.kr.
    5 Institute on Aging, Seoul National University, Seoul, Republic of Korea.
    6 Radiation Medicine Institute, Seoul National University College of Medicine, Seoul, Republic of Korea.
    7 Department of Psychiatry, Seoul National University College of Medicine, Seoul, Republic of Korea.
    8 Department of Molecular Medicine and Biopharmaceutical Sciences, Graduate School of Convergence Science and Technology, Seoul National University, Seoul, Republic of Korea.

  • 키워드
    Alzheimer’s disease; Amyloid PET; Deep learning; PET; Visual quantification; [18F]Florbetaben.
  • 연구소개
    아밀로이드 펫은 뇌의 아밀로이드 침착을 평가하는 비침습적인 검사이다. 딥 러닝을 이용하여 펫 해석을 빠르고 쉽게 할 수 있는 판독 지원 시스템을 마련하여 펫 판독에 도움을 줄 수 있는지 분석해 보았다. 총 121 개의 [18F]Florbetaben PET 영상을 3명의 판독자가 최소 2주 이상의 기간을 두고 각각 2번씩 판독하였다(session 1: 시각 판독으로만 해석& session 2: 딥러닝 시스템을 활용한 시각 판독). 정량적인 평가는 각 세션 마다 3-pont BAPL(brain amyloid plaque load) 점수 (1: 아밀로이드 축적이 없는 스캔, 2: 중증도 아밀로이드 축적 스캔, and 3: 중증 아밀로이드 축적 스캔)와 3-scale 신뢰도 점수 (0: 애매한, 1: 아마도, and 2: 확실한)로 평가한다. 판독자간 일치도는 3-point BAPL 점수에서 Fleiss kappa coefficients 0.46 (session 1)과 0.76 (session 2)으로 측정 되었다. 신뢰도 점수는 딥러닝 시스템을 활용한 시각 판독 (session 2)에서 향상 되었다 (1.27 ± 0.078: session 1 vs. 1.66 ± 0.63: session 2). 딥러닝 시스템을 이용한 판독은 판독자간의 일치율을 향상시킬 뿐만 아니라 판독의 신뢰도 점수도 높여주는 것을 확인하였다.
  • 편집위원

    Amyloid PET 영상 판독에 deep learning 기반 amyloid burden 추정을 추가하여 영상판독에 장점을 연구한 연구임. 인공지능 기반 체계를 추가할 경우 판독자간 판독 일치율이 높아지며 판독의 confidence score 가 높아짐을 보여준 임상연구임. 핵의학 영상의 인공지능 기법 적용 적용을 연구하는 연구자 및 신경 핵의학 임상가에게 관심을 끌 연구로 생각됨.

    2021-06-04 17:57:13

  • 덧글달기
    덧글달기
       IP : 3.238.6.55

    등록