Total-Body PET Kinetic Modeling and Potential Opportunities Using Deep Learning.
Total-Body PET Kinetic Modeling and Potential Opportunities Using Deep Learning.
复制标题
DOI：
10.1016/j.cpet.2021.06.009
复制
发表时间：
2021-10
期刊：
影响因子：
2.6
通讯作者：
Wang G
中科院分区：
文献类型：
--
作者：
Wang Y;Li E;Cherry SR;Wang G
uEXPLORER全身PET/CT系统具有极高的检测灵敏度，可同时覆盖全身，进行动态成像，以量化示踪剂动力学。本文介绍了全身动力学建模和参数成像的基本原理和潜在优势，重点是无创推导血液输入函数，多参数成像和高时间分辨率动力学建模。沿着全身动力学建模的诸多优点，也带来了巨大的挑战，如大规模的全身动态PET数据、对器官和组织合适的输入函数和动力学模型的需求、全身运动校正等。这些挑战，以及使用深度学习的机会，进行了讨论。
The uEXPLORER total-body PET/CT system provides a very high level of detection sensitivity and simultaneous coverage of the entire body for dynamic imaging for quantification of tracer kinetics. This paper describes the fundamentals and potential benefits of total-body kinetic modeling and parametric imaging focusing on the noninvasive derivation of blood input function, multiparametric imaging, and high-temporal resolution kinetic modeling. Along with its attractive properties, total-body kinetic modeling also brings significant challenges, such as the large scale of total-body dynamic PET data, the need for organ and tissue appropriate input functions and kinetic models, and total-body motion correction. These challenges, and the opportunities using deep learning, are discussed.
登录
查看更多内容
影响因子：
6.3
作者：
Cramer, Stig P.;Larsson, Henrik B. W.
通讯作者：
Larsson, Henrik B. W.
DOI：
10.1109/trpms.2019.2908633
发表时间：
2020-01-01
影响因子：
4.4
作者：
Gallezot, Jean-Dominique;Lu, Yihuan;Carson, Richard E.
通讯作者：
Carson, Richard E.
DOI：
10.1007/s00259-021-05282-7
发表时间：
2021-07
影响因子：
9.1
作者：
Alberts I;Hünermund JN;Prenosil G;Mingels C;Bohn KP;Viscione M;Sari H;Vollnberg B;Shi K;Afshar-Oromieh A;Rominger A
通讯作者：
Rominger A
DOI：
10.1007/bf01728767
发表时间：
1997-03-01
期刊：
EUROPEAN JOURNAL OF NUCLEAR MEDICINE
影响因子：
--
作者：
Eberl, S;Anayat, AR;Fulham, MJ
通讯作者：
Fulham, MJ
影响因子：
20.6
作者：
Gong, Kuang;Berg, Eric;Qi, Jinyi
通讯作者：
Qi, Jinyi