توموگرافی انتشار پوزیترون (PET) با رادیوداروی FDG ابزاری مهم را برای ارزیابی سلامت عضله قلب در بیماران مبتلا به ایسکمی قلب را فراهم می‌کند، که در آن عروق کرونر تنگ شده خون رسانی قلب را کاهش می‌دهند. چنین اسکن‌هایی به شناسایی میزان آسیب به عضله قلب کمک می‌کند و نقش مهمی در تصمیم گیری بالینی دارد. از طرفی کاهش دز این ردیاب سبب کاهش میزان اشعه دریافتی بیمار می‌شود که یکی از اهداف اساسی در تصویربرداری‌های پزشکی هسته‌ای است. همچنین موجب کاهش هزینه‌های تصویربرداری و به طور بالقوه ایجاد برنامه‌های جدید می‌گردد. با این حال، نکته منفی این است که دز کمتر برای ردیابی ممکن است منجر به تصاویر با کیفیت پایین‌تر و در نتیجه کاهش دقت تشخیصی شود.

یک روش ارائه شده جدید برای حل این مشکل استفاده از الگوریتم‌های هوش مصنوعی برای بازگرداندن کیفیت تصویر است. محققان در دانمارک از تکنیکی به نام یادگیری عمیق (Deep Learning) برای کاهش نویز در تصاویر PET با دز پایین را بررسی کردند و صحت تشخیصی این روش با استفاده از تصاویر FDG بیماران مبتلا به ایسکمی قلب، تایید شد.

این تکنیک با استفاده از کاهش نویزگیری باعث می‌شود تا تصاویر بدست آمده تفاوت قابل توجهی با تصاویری که با دز کامل انجام شدند را نداشته باشند.

منبع: Physicsworld