May, 2023

动态 PET 中基于生理学的药物动力学建模的自监督学习

PDF
TL;DR本论文介绍了使用自监督方法构建环境下的动态正电子发射断层成像 (dPET) 成像技术，采用基于生理的药物动力学建模和空时域 UNet 来估计动力学参数的方法，以及像 FDG 这样的放射性示踪剂的时间活动曲线来实现诊断性信息提取，产生与预期生理一致的像素级参数图像。
dynamic positron emission tomography imagingphysiologically-based pharmacokinetic modelingspatio-temporal unetself-supervised loss formulationkinetic parameters
发现论文，激发创造
  • 传统参数建模的超越：动态 PET 成像中时间活性曲线的数据驱动估计与预测框架

    研究中介绍了一种基于神经网络的数据驱动框架，通过适应性地拟合动态正电子发射断层图像中的时间 — 活动曲线，从观察数据中直接校准了扩散系数和反应项，特别是在复杂生物场景中，相较传统方法显著提高了预测精度和鲁棒性，并更准确地对放射性药物的时空动态进行建模，从而推进了药代动力学和药效学过程的定量核医学建模。

    May, 2024

  • 基于条件变分推断的动态 PET 图像的后验估计

    使用基于深度学习的条件变分自编码器 (CVAE) 的方法，给定活性曲线的测量结果，有效估计动态正电子发射断层成像 (PET) 的运动动力学参数的后验分布。验证结果使用无偏 MCMC 作为参考，处理低维数据 (单个脑区) 和简化的参考组织模型。

    Oct, 2023

  • 深度学习反向传播估算动态增强磁共振成像药代动力学参数

    本文提出了一种基于物理驱动 CycleGAN 方法的非配对深度学习方法，用于在不需要单独进行动脉输入函数（AIF）测量的情况下，估计药代动力学参数和 AIF，实验结果表明该方法可以生成比其他技术更可靠的药代动力学参数。

    Jun, 2023

  • DUAL-GLOW：用于模态转换的条件流式生成模型

    本文介绍了采用基于流的生成模型从 MRI 数据中生成 PET 图像的新框架：DUAL-GLOW，该框架依赖于两个可逆网络和一个关系网络，它们能够在小样本大小的情况下表现出色，并且还将该框架扩展到当可用 “side” 信息时支持，我们在 Alzheimers Disease Neuroimaging Initiative (ADNI) 数据集上进行实验，在合成 PET 图像方面表现出色，从年龄方面控制的 PET 生成效果也很好。

    Aug, 2019

  • 无监督从 MRI 生成伪正常 PET 并采用扩散模型定位癫痫灶

    研究中使用 [$^{18}$F] 荧光脱氧葡萄糖（FDG）正电子发射断层扫描（PET）的无监督学习方法，实现对癫痫焦点的定位，并取得了改进的性能。

    Feb, 2024

  • 用于自动参数化脑 PET 映射的带有体积校正的端到端深度学习管道

    该研究介绍了一种新方法，利用深度学习模型从颈动脉进行非侵入性计算，并应用 PV 校正，以消除对侵入性动脉采样的需求。该方法在脑扫描中得到应用，成功定位癫痫起始区，为临床疗效的取得做出了贡献，患者在治疗后达到了无癫痫发作的状态。

    Feb, 2024

  • 功能成像约束下的脑 PET 合成与结构 MRI

    通过提出一种功能成像受限扩散（FICD）框架，该框架利用配对结构 MRI 对三维脑 PET 图像进行合成，引入了一种新的约束扩散模型（CDM），并通过稳定的训练阶段在高输出保真度的同时确保大脑功能信息的保留。定量和定性分析表明，FICD 在生成 FDG-PET 数据方面的性能优于现有的方法，并通过三个下游任务在共计 1,262 个受试者的数据上验证了所提出的 FICD 的有效性和通用性。

    May, 2024

  • AutoPET Challenge 2023: 基于滑动窗口的 U-Net 优化

    使用荧光脱氧葡萄糖正电子发射断层扫描 (FDG-PET) 结合计算机断层扫描 (CT) 在精准肿瘤分割方面提高了肿瘤分段的精度，FDG-PET/CT 扫描通过标记放射性荧光脱氧葡萄糖突出代谢活跃区域，对癌症分期和再评估至关重要，AutoPET 挑战通过提供 1014 例 FDG-PET/CT 研究数据集，鼓励在 FDG-PET/CT 领域内精确肿瘤分割和分析方面的进展。

    Sep, 2023

  • TAI-GAN：用于动态心脏 PET 运动校正中从早期到晚期帧转换的时间和解剖信息引导的 GAN

    使用生成对抗网络的时间和解剖知识的方法对动态心脏正电子发射断层扫描数据的帧间运动进行校正，能够提高图像质量、运动估计准确性和心肌血流量定量分析。

    Aug, 2023

  • 利用物理信息神经网络发现固有的多区间药物动力学模型

    本研究引入了 PKINNs，这是一种全新的纯数据驱动药代动力学信息网络模型，通过符号回归方法，它能高效地发现和建模基于多室的药代动力学结构，并可靠地预测其衍生物。我们的计算框架展示了在药物代谢动力学应用中发现闭合形式模型的潜力，从而解决了传统模型推导的劳动密集性问题，随着大型数据集的日益丰富，该框架有望显著增强基于模型的药物发现。

    Apr, 2024