人类动态FDG脑PET的血液输入函数确定

目标：目前许多用于动态FDG-PET影像中非侵入性血液输入函数定量技术都需要强大的历史信息或用户输入。本文提出的技术利用Patlak图模型可拟合动态PET扫描的假设，以确定未缩放的血液输入函数。材料与方法：动态图像中每个脑素的时间活动曲线(TAC)可视为一个$n$维向量。在此背景下，若且仅当TAC是血液输入函数及其积分的线性组合，TAC才符合Patlak图。给定一组遵循Patlak图的TAC，我们因此可以使用主成分分析(PCA)确定一个基，能够张成与血液输入函数及其积分相同的向量空间。随后，我们寻找该向量空间中两个TAC，使得一个TAC的估计反导数接近另一个TAC；此类TAC是血液输入函数和血液输入函数积分的候选者。我们能够构建一个低(2)维优化问题来找到此类TAC。结果：我们将结果应用于获得预测的血液输入函数和Ki图，对十二名正常受试者进行了测试。将预测的血液输入函数按最佳方式缩放以匹配真实值，我们实现了平均SSE为$0.042 \pm 0.032$，平均DTW距离为$0.141 \pm 0.053$。匹配预测值和真实值Ki图的均值，我们实现了平均MAPE为$2.539 \pm 0.928$，平均SSIM为$0.991 \pm 0.005$。结论：虽然这种假设不常被视为一种动力学模型给出的强先验信息，但在Patlak图的情况下，我们可以利用这一假设来估计未缩放的血液输入函数和未缩放的Ki图。