DCCC.

脑 PET 空间标准化与定量分析

EN GitHub

深度级联脑 PET 定量工具

脑 PET
定量工具

面向临床医生、研究人员
和 AI 智能体。

无需 MRI · Centiloid · CenTauR · SUVr

三种使用方式

DCCCSlicer

交互分析

在 3D Slicer 中查看影像、计算指标并检查配准。

下载扩展 ↗

通过 Python 调用 PET 处理与定量功能。

pip install dcccpy

仅需 PET,无需配套 MRI。

正在加载脑图…
50 CL
050100 CL
基于不同参与者 PET 的插值示意,不代表实际扫描或疾病进展。详见“关于脑图”。

脑图说明

数据来源与显示方法

11 个原生空间 PET 经 DCCC 标准化,以全小脑摄取为参考,投影到 Colin27 软脑膜表面。通过 T1 图像间的仿射配准对齐模板空间;沿表面法线向内 0.5–6 mm 采样,在有灰质支持的位置取 12 个采样值中的最大值,生成皮层 MIP。

滑条使用简化的 0–100 CL 示意刻度,在按约 10 CL 间隔选取的 PET 示例之间连续插值。实际 CL 值保留在来源记录中;中间帧是视觉插值,不是实际扫描。病例来自不同参与者,不表示疾病进展。低摄取层透明,红色在 1.1–1.75 SUVr 之间逐渐显现。这些数值是显示参数,并非临床阈值,也不是经验证的 PiB 与 AV45 跨示踪剂标定。

保留原始提供的 CL 值,不重新计算;名义 90/100 示例的实际值为 82.82/112.57 CL。脑图处理使用显式选定的本地 DCCCcore 4.6.1-alpha。原始 PET 与处理记录保存在本地。

表面数据来源 ↗ · Colin27 解剖模板 ↗ · 来源与致谢 ↗