O. Boukhennoufa , L. Comas , J.M. Nicod , N. Zerhouni , B. Hatem
{"title":"通过人工智能检测双同位素99mTc-MIBI/123I针孔图像上的parathyroı n diens腺瘤","authors":"O. Boukhennoufa , L. Comas , J.M. Nicod , N. Zerhouni , B. Hatem","doi":"10.1016/j.mednuc.2025.01.182","DOIUrl":null,"url":null,"abstract":"<div><h3>Introduction</h3><div>La scintigraphie planaire double isotope procède à l’acquisition de deux images. L’image servant au diagnostic est obtenue par opération de soustraction à partir des deux images acquises et après normalisation. Suite à nos travaux portant sur l’automatisation de la soustraction par Intelligence Artificielle (IA), nous proposons dans cette étude une méthodologie basée sur la fusion de l’expertise médicale et IA pour obtenir un premier indicateur de localisation des glandes parathyroïdes par le traçage d’une région d’intérêt autour de l’adénome, il s’agit d’une méthode de détection d’objets médicaux (glandes parathyroïdes) avec un score de confiance compris entre 0 et 1.</div></div><div><h3>Matériels et méthodes</h3><div>Après injection du 99mTc-MIBI et 123I, une série d’images planaires est obtenue à l’aide d’une gamma-caméra (Discovery NMCT 670 ou Infina GE Healthcare). L’acquisition commence par une image du médiastin (collimateur à basse énergie et haute résolution (LEHR)) pendant 5<!--> <!-->min, suivie d’images de la région thyroïdienne (Pinhole) pendant 10<!--> <!-->min. On obtient ainsi deux images à double isotope pour chaque type d’acquisition. L’image issue de la soustraction de l’image 123I à l’image 99mTc-MIBI est utilisée pour le diagnostic. Dans cette étude, 433 patients diagnostiqués positifs ont été inclus, seuls les cas positifs permettent l’apprentissage du modèle à détecter les glandes parathyroïdes. Les zones d’intérêt ont été tracées manuellement autour de la glande sur les images de soustraction de Pinhole. Le modèle de détection d’objet YoLoV8 a été ainsi entraîné pour localiser les glandes. Une phase d’apprentissage sur plusieurs vagues incluant 367 patients a permis d’entraîner ce modèle, avec un traitement d’images inclus dans le processus (rotation, contraste, zoom etc.). Un ensemble séparé de 66 patients avec 66 glandes a été laissé pour le test de la méthode.</div></div><div><h3>Résultats</h3><div>Le modèle IA a obtenu une sensibilité à détecter les cas positifs de 91 % chez les 66 patients (cas tests, tous diagnostiqués positifs par des médecins nucléaires). Pour confirmer la robustesse de la méthode, 20 examens supplémentaires, 10 cas positifs (10 glandes) et 10 négatifs, une sensibilité de 100 % et une spécificité de 70 % ont été obtenues.</div></div><div><h3>Conclusions</h3><div>La méthodologie proposée peut être utilisée comme premier indicateur pour aider le médecin à localiser les glandes parathyroïdes. La sensibilité élevée indique une bonne capacité à éviter les faux négatifs et ainsi détecter les glandes anormales.</div></div>","PeriodicalId":49841,"journal":{"name":"Medecine Nucleaire-Imagerie Fonctionnelle et Metabolique","volume":"49 2","pages":"Page 108"},"PeriodicalIF":0.2000,"publicationDate":"2025-03-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Détection des adénomes parathyroı̈diens sur les images pinhole en double isotope 99mTc-MIBI/123I par intelligence artificielle\",\"authors\":\"O. Boukhennoufa , L. Comas , J.M. Nicod , N. Zerhouni , B. Hatem\",\"doi\":\"10.1016/j.mednuc.2025.01.182\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"<div><h3>Introduction</h3><div>La scintigraphie planaire double isotope procède à l’acquisition de deux images. L’image servant au diagnostic est obtenue par opération de soustraction à partir des deux images acquises et après normalisation. Suite à nos travaux portant sur l’automatisation de la soustraction par Intelligence Artificielle (IA), nous proposons dans cette étude une méthodologie basée sur la fusion de l’expertise médicale et IA pour obtenir un premier indicateur de localisation des glandes parathyroïdes par le traçage d’une région d’intérêt autour de l’adénome, il s’agit d’une méthode de détection d’objets médicaux (glandes parathyroïdes) avec un score de confiance compris entre 0 et 1.</div></div><div><h3>Matériels et méthodes</h3><div>Après injection du 99mTc-MIBI et 123I, une série d’images planaires est obtenue à l’aide d’une gamma-caméra (Discovery NMCT 670 ou Infina GE Healthcare). L’acquisition commence par une image du médiastin (collimateur à basse énergie et haute résolution (LEHR)) pendant 5<!--> <!-->min, suivie d’images de la région thyroïdienne (Pinhole) pendant 10<!--> <!-->min. On obtient ainsi deux images à double isotope pour chaque type d’acquisition. L’image issue de la soustraction de l’image 123I à l’image 99mTc-MIBI est utilisée pour le diagnostic. Dans cette étude, 433 patients diagnostiqués positifs ont été inclus, seuls les cas positifs permettent l’apprentissage du modèle à détecter les glandes parathyroïdes. Les zones d’intérêt ont été tracées manuellement autour de la glande sur les images de soustraction de Pinhole. Le modèle de détection d’objet YoLoV8 a été ainsi entraîné pour localiser les glandes. Une phase d’apprentissage sur plusieurs vagues incluant 367 patients a permis d’entraîner ce modèle, avec un traitement d’images inclus dans le processus (rotation, contraste, zoom etc.). Un ensemble séparé de 66 patients avec 66 glandes a été laissé pour le test de la méthode.</div></div><div><h3>Résultats</h3><div>Le modèle IA a obtenu une sensibilité à détecter les cas positifs de 91 % chez les 66 patients (cas tests, tous diagnostiqués positifs par des médecins nucléaires). Pour confirmer la robustesse de la méthode, 20 examens supplémentaires, 10 cas positifs (10 glandes) et 10 négatifs, une sensibilité de 100 % et une spécificité de 70 % ont été obtenues.</div></div><div><h3>Conclusions</h3><div>La méthodologie proposée peut être utilisée comme premier indicateur pour aider le médecin à localiser les glandes parathyroïdes. La sensibilité élevée indique une bonne capacité à éviter les faux négatifs et ainsi détecter les glandes anormales.</div></div>\",\"PeriodicalId\":49841,\"journal\":{\"name\":\"Medecine Nucleaire-Imagerie Fonctionnelle et Metabolique\",\"volume\":\"49 2\",\"pages\":\"Page 108\"},\"PeriodicalIF\":0.2000,\"publicationDate\":\"2025-03-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Medecine Nucleaire-Imagerie Fonctionnelle et Metabolique\",\"FirstCategoryId\":\"3\",\"ListUrlMain\":\"https://www.sciencedirect.com/science/article/pii/S0928125825001822\",\"RegionNum\":4,\"RegionCategory\":\"医学\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"PATHOLOGY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Medecine Nucleaire-Imagerie Fonctionnelle et Metabolique","FirstCategoryId":"3","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S0928125825001822","RegionNum":4,"RegionCategory":"医学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"PATHOLOGY","Score":null,"Total":0}
引用次数: 0
摘要
双同位素平面闪烁法获取两幅图像。用于诊断的图像是通过从两张图像中减去并归一化得到的。自动化减法之后,我们的工作就由人工智能(ai),本研究中我们提出的一种基于ai医疗专长和合并而成,以获得一个初始指标腺的追踪、定位l’adénome周围关心的一个地区,它是一个物体的检测方法(腺)、医疗和信任的比分0 - 1。注射99mTc-MIBI和123I后,使用伽马相机(Discovery NMCT 670或Infina GE Healthcare)获得一系列平面图像。采集开始于5分钟的介质(低能量和高分辨率准直器(LEHR))图像,然后是10分钟的甲状腺区域(针孔)图像,每一种采集类型产生两个双同位素图像。将123I图像减去99mTc-MIBI图像的结果用于诊断。在这项研究中,包括了433名被诊断为阳性的患者,只有阳性的病例才允许学习该模型来检测甲状旁腺。在针孔减法图像上,感兴趣的区域被手工绘制在腺体周围。因此,YoLoV8对象检测模型被训练来定位腺体。包括367名患者在内的多波学习阶段允许训练这个模型,在这个过程中包括图像处理(旋转、对比度、缩放等)。一组66名患者和66个腺体被单独留下测试该方法。结果:AI模型在66例患者中获得了91%的阳性检测灵敏度(检测病例,均由核医生诊断为阳性)。为了确认该方法的可靠性,获得了20个额外的试验,10个阳性病例(10个腺体)和10个阴性病例,灵敏度为100%,特异性为70%。结论提出的方法可作为第一个指标,以帮助医生定位甲状旁腺。高灵敏度表明有良好的能力避免假阴性,从而检测异常腺体。
Détection des adénomes parathyroı̈diens sur les images pinhole en double isotope 99mTc-MIBI/123I par intelligence artificielle
Introduction
La scintigraphie planaire double isotope procède à l’acquisition de deux images. L’image servant au diagnostic est obtenue par opération de soustraction à partir des deux images acquises et après normalisation. Suite à nos travaux portant sur l’automatisation de la soustraction par Intelligence Artificielle (IA), nous proposons dans cette étude une méthodologie basée sur la fusion de l’expertise médicale et IA pour obtenir un premier indicateur de localisation des glandes parathyroïdes par le traçage d’une région d’intérêt autour de l’adénome, il s’agit d’une méthode de détection d’objets médicaux (glandes parathyroïdes) avec un score de confiance compris entre 0 et 1.
Matériels et méthodes
Après injection du 99mTc-MIBI et 123I, une série d’images planaires est obtenue à l’aide d’une gamma-caméra (Discovery NMCT 670 ou Infina GE Healthcare). L’acquisition commence par une image du médiastin (collimateur à basse énergie et haute résolution (LEHR)) pendant 5 min, suivie d’images de la région thyroïdienne (Pinhole) pendant 10 min. On obtient ainsi deux images à double isotope pour chaque type d’acquisition. L’image issue de la soustraction de l’image 123I à l’image 99mTc-MIBI est utilisée pour le diagnostic. Dans cette étude, 433 patients diagnostiqués positifs ont été inclus, seuls les cas positifs permettent l’apprentissage du modèle à détecter les glandes parathyroïdes. Les zones d’intérêt ont été tracées manuellement autour de la glande sur les images de soustraction de Pinhole. Le modèle de détection d’objet YoLoV8 a été ainsi entraîné pour localiser les glandes. Une phase d’apprentissage sur plusieurs vagues incluant 367 patients a permis d’entraîner ce modèle, avec un traitement d’images inclus dans le processus (rotation, contraste, zoom etc.). Un ensemble séparé de 66 patients avec 66 glandes a été laissé pour le test de la méthode.
Résultats
Le modèle IA a obtenu une sensibilité à détecter les cas positifs de 91 % chez les 66 patients (cas tests, tous diagnostiqués positifs par des médecins nucléaires). Pour confirmer la robustesse de la méthode, 20 examens supplémentaires, 10 cas positifs (10 glandes) et 10 négatifs, une sensibilité de 100 % et une spécificité de 70 % ont été obtenues.
Conclusions
La méthodologie proposée peut être utilisée comme premier indicateur pour aider le médecin à localiser les glandes parathyroïdes. La sensibilité élevée indique une bonne capacité à éviter les faux négatifs et ainsi détecter les glandes anormales.
期刊介绍:
Le but de Médecine nucléaire - Imagerie fonctionnelle et métabolique est de fournir une plate-forme d''échange d''informations cliniques et scientifiques pour la communauté francophone de médecine nucléaire, et de constituer une expérience pédagogique de la rédaction médicale en conformité avec les normes internationales.