Simultaneous water activation and glucose metabolic rate imaging with PET
Notice bibliographique
Résumé
A novel imaging and signal separation strategy is proposed to be able to separate [(18)F]FDG and multiple [(15)O]H(2)O signals from a simultaneously acquired dynamic PET acquisition of the two tracers. The technique is based on the fact that the dynamics of the two tracers are very distinct. By adopting an appropriate bolus injection strategy and by defining tailored sets of basis functions that model either the FDG or water component, it is possible to separate the FDG and water signal. The basis functions are inspired from the spectral analysis description of dynamic PET studies and are defined as the convolution of estimated generating functions (GFs) with a set of decaying exponential functions. The GFs are estimated from the overall measured head curve, while the decaying exponential functions are pre-determined. In this work, the time activity curves (TACs) are modelled post-reconstruction but the model can be incorporated in a global 4D reconstruction strategy. Extensive PET simulation studies are performed considering single [(18)F]FDG and 6 [(15)O]H(2)O bolus injections for a total acquisition time of 75 min. The proposed method is evaluated at multiple noise levels and different parameters were estimated such as [(18)F]FDG uptake and blood flow estimated from the [(15)O]H(2)O component, requiring a full dynamic analysis of the two components, static images of [(18)F]FDG and the water components as well as [(15)O]H(2)O activation. It is shown that the resulting images and parametric values in ROIs are comparable to images obtained from separate imaging, illustrating the feasibility of simultaneous imaging of [(18)F]FDG and [(15)O]H(2)O components.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».