연구진이 전립선암의 PET/CT 영상 융합 전략을 평가하여 종양 부담을 추정했습니다. PSMA와 FDG PET/CT는 상호 보완적인 생물학적 정보를 제공하지만, 효과적인 딥러닝 아키텍처에 대한 합의는 아직 없습니다. DEEP-PSMA 데이터셋을 사용하여 추적자별 3D nnU-Net을 훈련하고 다양한 융합 전략을 비교했습니다.
초기 융합(OEOD)은 0.90의 결합 Dice 점수를 얻었지만, 추적자별 융합 모델은 PSMA/FDG = 0.69/0.64 (OETD) 및 0.76/0.57 (DECA-UNet)을 달성했습니다. 융합은 종종 합리적인 PSMA 분할을 제공했지만, FDG 성능은 저하되었고, 어떤 전략도 단일 추적자 기준선을 일관되게 능가하지 못했습니다.
연구 결과, 평가된 설정에서 추적자별 모델이 여전히 더 강력한 기준선이며, 임상적으로 유용한 다중 모드 융합의 이점을 얻으려면 추적자별 표현을 더 잘 보존하는 아키텍처가 필요할 것으로 보입니다.