对PET-MR的PET减弱校正方法的审查
Georgios Krokos1, Jane MacKewn2, Joel Dunn2
1School of Biomedical Engineering and Imaging Sciences, The PET Centre at St Thomas' Hospital London, King's College London, 1st Floor Lambeth Wing, Westminster Bridge Road, London, SE1 7EH, UK. georgios.krokos@kcl.ac.uk.
EJNMMI physics
|September 11, 2023
概括
对PET-MR成像的精确衰减校正仍然是一个挑战,阻碍了广泛采用. 本综述分类并比较了四种主要方法:基于MR的,基于排放的,基于Atlas的和基于机器学习的方法.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 核医学就是核医学.
背景情况:
- 与PET-CT相比,正子发射断层扫描 - 磁共振 (PET-MR) 系统的使用不足.
- 精确的减弱校正是PET-MR临床实施的一个主要障碍.
- 现有的基于MR的减弱校正方法与基于CT或传输的方法相比显示出定量差异.
研究的目的:
- 对PET-MR的电流减弱校正 (AC) 方法进行审查和分类.
- 讨论每个AC类别的优点和缺点.
- 提供关于PET-MR AC的现状和未来潜力的概述.
主要方法:
- 将AC方法分为四组:基于MR,基于排放,基于Atlas和基于机器学习的方法.
- 描述和讨论每个类别内的各种技术.
- 概述的AC方法的比较分析.
主要成果:
- 基于MR的AC使用分段MR图像与预定义的组织衰减系数.
- 基于排放的AC从PET数据同时重建放射性和衰减.
- 基于阿特拉斯的AC预测CT/传输图像从MR图像使用人口数据库.
- 机器学习,特别是深度学习,正在通过直接从获取数据中学习图像特征而迅速发展.
结论:
- 基于机器学习的AC,特别是深度学习,显示出对精确的PET-MR减弱校正的重大前景.
- 需要进一步发展,以克服定量差异并提高可复制性.
- 应对这些挑战对于PET-MR成像更广泛的临床采用至关重要.
