利用同步 tau 正子磁振(PET/MR) 影像在神經退化性疾病個體的篩查、診斷和追蹤中，我們研究了深度學習技術是否可以用於增強超低劑量 [18F]-PI-2620 tau PET/MR 影像以產生具診斷價值的影像。本研究招募了四十四名健康老年受試者和神經退化性疾病患者，並同步收集了 [18F]-PI-2620 tau PET/MR 數據。我們訓練了一個生成對抗網路(GAN)來增強超低劑量 tau影像，如圖1，其中這些超低劑量影像是從原始全劑量數據的 1/20的隨機抽樣中重建而得。MR 影像也在訓練中被用作額外的輸入通道。訓練後，本研究通過區域性分析以及臨床判讀研究，來比較增強影像的影像與其全劑量影像(比較基準)之品質及臨床價值。與超低劑量影像相比，增強的超低劑量 tau 影像明顯的顯示出影像雜訊減少，如圖2。區域標準攝取值比(SUVR)數值顯示，雖超低劑量影像及增強影像數值都存在低估，尤其在攝取值較高的區域；但若專注於健康但類澱粉影像判讀為陽性的人群（tau攝取量較低，如圖3紅色圓點）時，增強影像中的偏差則減少。判讀研究中，與全劑量影像相比，增強影像中的放射性指示劑攝取的區域被準確地識別出。由此可知，以深度學習增強的超低劑量 tau PET 影像的臨床判讀結果與使用全劑量影像進行的判讀結果一致，表明此影像處理方式在臨床監測失智症上具有減少劑量並實現更頻繁的檢查的可能性。（醫工系程子翔教授提供）
圖1 增強超低劑量 tau影像之生成對抗網路（取自論文圖1）。
圖2 健康受試者及輕度認知障礙受試者之全劑量影像、深度學習增強之超低劑量影像、超低劑量影像及對應之MR影像（取自論文圖2）。
圖3 本研究受試者之區域標準攝取值比分析；紅點者為健康但類澱粉影像判讀為陽性者。