加强动态PET成像中的不确定性评估,使用残余和聚类

科学领域:

• 医疗成像医学成像
• 核医学就是核医学.
• 计算科学 计算科学

背景情况:

• 定量正子发射断层扫描 (PET) 对于疾病诊断和治疗监测至关重要.
• 在PET中可靠的动力参数估计需要强大的不确定性量化.
• 像贝叶斯式,引导式和深度学习这样的当前方法在计算成本,噪声灵敏度或数据要求方面存在局限性.

研究的目的:

• 开发一个计算效率高和强大的框架,用于动态PET的不确定性估计.
• 解决现有方法的局限性,以量化动力参数的不确定性.
• 为不确定性意识动态PET分析提供临床部署的解决方案.

主要方法:

• 提出了一个基于集群的残余变 (RP) 框架,用于动态PET的不确定性估计.
• 通过在动态均的集群中换配合残留物生成伪时间活动曲线 (TAC).
• 引入了具有休伯损失和弹性网规范化的规范化模型,以提高数值稳定性和防止过拟合.

主要成果:

• RP框架提供了不确定性估计,该估计与噪音水平一致.
• 在异质区域内保持动力参数之间的预期物理差异.
• 在模拟数据 (TAC和XCAT-OSEM重建) 和临床全身PET数据上表现出强大的性能.

结论:

• RP框架为动态PET中的voxel-wise不确定性量化提供了一个无分布,独立于训练和计算效率高的解决方案.
• 它弥合了计算密集的贝叶斯方法和数据密集的深度学习方法之间的差距.
• RP是一种强大的,在临床上可部署的方法,用于不确定性意识的动态PET分析.