超越传统参数化建模：动态PET成像中时间-活度曲线估计与预测的数据驱动框架
机器学习
2024-06-03 v1 图像与视频处理
动力系统
摘要
动态正电子发射断层扫描成像和时间-活度曲线分析对于理解和量化放射性药物在时间和空间上的生物分布至关重要。传统的房室模型虽然基础，但通常难以完全捕捉生物系统的复杂性，包括非线性动力学和变异性。本研究引入了一种创新的数据驱动神经网络框架，受反应扩散系统启发，旨在解决这些局限性。我们的方法自适应地拟合来自dPET的TAC，能够直接从观测数据校准扩散系数和反应项，在预测准确性和鲁棒性方面相比传统方法有显著改进，尤其是在复杂生物场景中。通过更准确地模拟放射性药物的时空动力学，我们的方法推进了药代动力学和药效学过程的建模，为定量核医学开辟了新的可能性。
引用
@article{arxiv.2405.21021,
title = {Beyond Conventional Parametric Modeling: Data-Driven Framework for Estimation and Prediction of Time Activity Curves in Dynamic PET Imaging},
author = {Niloufar Zakariaei and Arman Rahmim and Eldad Haber},
journal= {arXiv preprint arXiv:2405.21021},
year = {2024}
}