-
公开(公告)号:CN119444898A
公开(公告)日:2025-02-14
申请号:CN202411501270.0
申请日:2024-10-25
Applicant: 南京大学
IPC: G06T11/00 , G06T3/04 , G16H30/40 , G06N3/0464 , G06N3/094
Abstract: 本发明提出一种一种全身PET与CT图像相互转换的人工智能方法,使用增强型条件生成对抗网络(cGAN)模型实现了全身CT与PET图像之间的模态转换。该方法结合了残差卷积块和全卷积Transformer块,以提高模型捕捉局部特征和全局上下文信息的能力。本申请设计了一个定制的损失函数,结合结构一致性损失,能够提升生成图像的整体质量。在CT‑>PET和PET‑>CT两个模态转换任务上进行了大量实验,结果表明,本申请的模型能够生成高质量的图像,在临床相关性和诊断价值方面均接近原始图像。本发明所提出的结合Transformer的cGAN框架能够减少多模态图像检查的需求,从而降低患者的辐射暴露剂量和整体医疗成本,为PET‑CT多模态图像转换的临床应用奠定了坚实的基础。
-
公开(公告)号:CN106110343A
公开(公告)日:2016-11-16
申请号:CN201610539882.8
申请日:2016-07-08
Applicant: 南京大学医学院附属鼓楼医院
IPC: A61K51/10
CPC classification number: A61K51/1081
Abstract: 本发明公开了一种特异性诊断黑色素瘤的PET示踪剂,采用双功能改良螯合剂(Df‑Bz‑NCS)标记方法合成黑色素瘤PET显像示踪剂[89Zr]‑Df‑Bz‑NCS‑Melan‑A抗体,合成方法简便,产率较高,约54.75±11.02%,放化纯度达95%以上,体外稳定,168h室温下经TLC分析,未见明显脱锆表现。具有高灵敏度和特异性,有效提升了PET‑CT在黑色素瘤早期诊断和疗效监测中的作用,提升黑色素瘤病人的生存质量。
-