ہمیں پی ای ٹی/سی ٹی کے بارے میں کیا جاننا ہے؟
پی ای ٹی/سی ٹی ایک ایٹمی ادویات کا آلہ ہے جو پی ای ٹی اور سی ٹی سسٹم کو مکمل طور پر مربوط کرتا ہے۔ پی ای ٹی گھاووں کے فنکشن اور میٹابولزم کے بارے میں تفصیلی سالماتی معلومات فراہم کرتا ہے ، جبکہ سی ٹی گھاو کی عین مطابق جسمانی پوزیشننگ فراہم کرتا ہے ، اور ایک وقتی امیجنگ پورے جسم کی ٹوموگرافک تصاویر حاصل کر سکتی ہے۔ آزاد پی ای ٹی اور سی ٹی کے مقابلے میں ، پی ای ٹی/سی ٹی تشخیص کی حساسیت ، درستگی ، مخصوصیت اور پوزیشننگ کی درستگی کو نمایاں طور پر بہتر بنا سکتا ہے۔ یہ ایک نظر میں پورے جسم کی مجموعی حالت کو سمجھ سکتا ہے ، اور گھاووں کا جلد پتہ لگانے اور بیماریوں کی تشخیص کا مقصد حاصل کر سکتا ہے۔ یہ بنیادی طور پر ٹیومر ، دماغ اور دل کے شعبوں میں بڑی بیماریوں کی جلد پتہ لگانے اور تشخیص کے لیے استعمال ہوتا ہے۔
2018 میں جاری ہونے والی گلوبل کینسر کی سالانہ رپورٹ کے بڑے اعداد و شمار کے مطابق دنیا بھر میں ایک اندازے کے مطابق 18.1 ملین نئے کینسر کیسز اور 9.6 ملین کینسر اموات ہیں۔ ہمارے ملک میں ہر 65 افراد میں 1 کینسر کا مریض ہے ، جو موت کی سب سے بڑی وجہ ہے۔ ورلڈ ہیلتھ آرگنائزیشن کے اعدادوشمار کے مطابق ، علاج کے مختلف طریقوں کی موجودہ علاج کی شرح اور بقا کی شرح لوگوں کے لیے تسلی بخش نہیں ہے۔ اہم وجوہات یہ ہیں کہ تشخیص بہت دیر سے ہوئی ہے ، اسٹیجنگ غلط ہے ، اور علاج نامکمل ہے۔ چونکہ پی ای ٹی/سی ٹی جسم میں سیل میٹابولزم میں تبدیلیوں کا مشاہدہ کر سکتا ہے ، اس لیے ٹیومر کی نوعیت کو واضح کرنا ممکن ہے۔ تبدیلیاں ، اور چاہے نظاماتی میٹاسٹیٹک گھاو (نظامی حالات) تشخیص) ، اثر کیسے ہوتا ہے (ریڈیو تھراپی کے کچھ دن یا اس کے بعد کے گھنٹے بھی ٹیومر کے علاج معالجے کا مشاہدہ کرسکتے ہیں ، علاج کے منصوبے کو وقت میں ایڈجسٹ کرسکتے ہیں ، اور مکمل طور پر نامکمل علاج کرسکتے ہیں اس کے علاوہ ، سرجری سے پہلے دماغی مرگی کے زخموں کے لوکلائزیشن ، تابکاری نیکروسس کی شناخت اور ٹیومر کے علاج کے بعد تکرار ، برین ٹیومر کی خرابی کی درجہ بندی اور اعصابی بیماریوں میں پی ای ٹی/سی ٹی کے منفرد فوائد ہیں۔
تاہم ، پی ای ٹی/سی ٹی اسکین کے ذریعے لائی جانے والی تابکاری اکثر لوگوں کو [جی جی] کوٹ dist ڈسٹریکڈ [جی جی] کوٹ بنا دیتی ہے۔ پی ای ٹی/سی ٹی پورے جسم کے معائنے میں لی جانے والی تابکاری کی مقدار تقریبا 7 7.5 ایم ایس وی ہے۔ یہ تصور کیا ہے؟ فطرت میں ، انسان ہر سال تقریبا 2.4mSv قدرتی تابکاری حاصل کرتے ہیں ، لہذا PET/CT امتحان کی خوراک کو نظر انداز نہیں کیا جا سکتا۔ پی ٹی/سی ٹی اسکین میں سی ٹی اور انجیکشن پی ای ٹی ریڈیو فارماسیوٹیکلز کی وجہ سے تابکاری اور تابکاری کے تابکاری خوراک کے مسائل کے جواب میں ، عالمی ادارہ صحت ، بین الاقوامی ریڈیولوجیکل کمیشن اور بین الاقوامی میڈیکل فزکس آرگنائزیشن نے طبی نمائش کی کوالٹی اشورینس اور خوراک کنٹرول کے معیارات مرتب کیے ہیں ، اور پرزور مشورہ دیا گیا ہے کہ تابکاری کی نمائش ALARA (جیسا کہ مناسب طور پر قابل حصول ہے) کو عملی جواز اور زیادہ سے زیادہ تحفظ کے اصول پر عمل کرنا چاہیے۔ یہ توقع کی جاتی ہے کہ بہترین تشخیصی تصاویر سب سے چھوٹی تابکاری اور تابکاری کی خوراک کے ساتھ حاصل کی جاسکتی ہیں ، جبکہ پی ای ٹی/سی ٹی معائنوں کی لاگت کو مزید کم کرنے اور سکیننگ کے وقت کو کم کرنے کے لیے۔
تاہم ، انجکشن والے ریڈیو ٹریسر کو کم کرنے سے پوئسن شور بڑھے گا ، جو تصویر کے معیار ، گھاووں کا پتہ لگانے اور پی ای ٹی کی مقداری درستگی کو متاثر کرے گا۔ کم خوراک والی امیجنگ میں ، بہت سی اہم معلومات شور کی بڑھتی ہوئی سطح کے نیچے ڈوب جائیں گی۔ کم خوراک سکیننگ کی تعمیر نو الگورتھم کو نئے سرے سے ڈیزائن/آپٹمائز کرنے سے ، شور کی سطح اور سگنل کنورجنس کے درمیان بہترین تجارت کا حصول ممکن ہے۔ مذکورہ بالا چیلنجوں کو حل کرنے کے لیے ، بہت سے الگورتھم اور ٹیکنالوجیز تجویز کی گئی ہیں ، جنہیں بنیادی طور پر روایتی الگورتھم اور ڈیپ لرننگ الگورتھم میں تقسیم کیا جا سکتا ہے۔ ان میں سے ، روایتی الگورتھم میں بنیادی طور پر بعد از تعمیر نو پروسیسنگ/فلٹرنگ الگورتھم ، جسمانی رہنمائی الگورتھم ، تکراری تعمیر نو کے عمل میں شماریاتی ماڈلنگ ، اور شور کو ہٹانا اور ایم آر آئی کی رہنمائی میں جزوی حجم اثر کی اصلاح شامل ہیں۔ اگرچہ یہ طریقے شور اور مقداری غلطیوں کو کم کرنے کی کوشش کرتے ہیں ، پھر بھی مقامی ریزولوشن میں کمی اور ضرورت سے زیادہ ہموار ہونے میں دشواری ہے۔
گہری سیکھنے کے الگورتھم نے پیچیدہ الٹا مسائل کو حل کرنے کی صلاحیتوں کو تسلیم کیا ہے ، جیسے تخمینوں سے تصویر کی تعمیر نو۔ گہری سیکھنے والی ٹیکنالوجی کا استعمال کرتے ہوئے CT ، PET اور SPECT کے امیج کی تعمیر نو کے عمل میں تقریبا the وہی طریقے ہیں۔ فی الحال چار اہم حکمت عملی ہیں: پہلا طریقہ امیج ٹو امیج سیکھنے کا عمل ہے ، یعنی امیج ٹو امیج سیکھنے کا عمل امیج اسپیس میں کیا جاتا ہے۔ امیج کنورژن ، ایک نیٹ ورک ماڈل کو تربیت دینا تاکہ ڈینائزنگ اور سپر ریزولوشن ماڈلنگ کے ذریعے دوبارہ تعمیر شدہ امیج کے امیج کوالٹی کو بہتر بنایا جا سکے۔ دوسرا طریقہ سینوگرام سے سینوگرام سیکھنے کا عمل ہے ، یعنی پروجیکشن ڈومین میں گہرے سیکھنے کے ماڈل کی تربیت کرنا تاکہ سینوگرام کی تصویری معیار کو بہتر بنایا جاسکے تاکہ تعمیر نو کے الگورتھم پر حساسیت اور انحصار سے بچا جاسکے۔ تیسرا طریقہ سینوگرام سے امیج سیکھنے کا عمل ہے ، یعنی نیٹ ورک ماڈل کے ذریعے پروجیکشن ڈومین اور امیج ڈومین کے مابین نان لائنر میپنگ ریلیشن سیکھنا ، روایتی تعمیر نو الگورتھم کو مکمل طور پر ہٹانا ، اور ایک مرحلے میں امیج تیار کرنا۔ چوتھا طریقہ ہائبرڈ ڈومین لرننگ کہا جا سکتا ہے۔ تعمیر نو کے الگورتھم اور گہری سیکھنے کو جوڑ کر ، نیٹ ورک ماڈل کو پروجیکشن ڈومین اور امیج ڈومین کی تربیت دی جاتی ہے تاکہ امیج کی تعمیر نو کے مسئلے کے بہترین حل کا ادراک کیا جا سکے۔
موجودہ انڈسٹری عام طور پر امیج ڈومین میں کم خوراک والی پی ای ٹی امیجنگ الگورتھم استعمال کرتی ہے ، یعنی پی ای ٹی/سی ٹی آلات کے امیج کو آؤٹ کرنے کے بعد ، امیج پوسٹ پروسیسنگ کے ذریعے امیج کا معیار بہتر ہوتا ہے۔ کم خوراک والی پی ای ٹی امیجز میں بڑے شور کی وجہ سے ، یہ شور پی ای ٹی امیجز میں کئی باریک ڈھانچے کو چھپاتے ہیں۔ یہ تکنیکی راستہ عام طور پر تصویری نمونے ، مقداری غلطیاں اور عمدہ ڈھانچے کے نقصان کا باعث بنتا ہے۔ روایتی پی ای ٹی امیجنگ نے تعمیر نو کے عمل میں بہت سی معلومات کھو دی ہیں۔ صرف بعد کے مرحلے میں تصویر کو پروسیس کرکے گمشدہ معلومات کی بازیابی انتہائی مشکل ہے ، اور تصویر کے آخری معیار کو بہتر بنانا مشکل ہے۔ ماخذ سے امیج کوالٹی کے مسئلے کو حل کرنے کے لیے ، کچھ میڈیکل اور لیبارٹریوں نے پی ای ٹی کے خام ڈیٹا اور دوبارہ تعمیر شدہ تصاویر (ہائبرڈ ڈومین لرننگ کی چوتھی قسم) کی بنیاد پر جدید ڈیپ لرننگ الگورتھم تیار کیے ہیں۔ الگورتھم AI کو PET امیج کی تعمیر نو کے عمل میں گہرا سرایت کرتا ہے ، اور اصل ڈیٹا میں موجود معلومات کو مائن کرنے کے لیے گہری سیکھنے کا استعمال کرتا ہے۔ پی ای ٹی کی تعمیر نو کے فزیکل ماڈل کو جوڑ کر ، پروسیسنگ آبجیکٹ کو امیجنگ ڈیوائس کے اندر اصل ڈیٹا میں براہ راست ایڈوانس کیا جاتا ہے ، اور ری کنسٹرکشن الگورتھم کی مدد کی جاتی ہے تاکہ ری کنسٹرکڈ امیج کے معیار کو بہتر بنایا جاسکے ، جو کہ مؤثر معلومات کے نقصان کو بہت کم کرتا ہے۔ واضح پی ای ٹی تصاویر اور مضبوط حاصل کرنے کے لیے چھوٹے گھاووں کا پتہ لگانے کی صلاحیت۔
