文章预览
为了全面量化大脑PET图像,常常需要精确的血流输入函数。然而传统方法中,获取这一函数通常依赖于侵入性且耗时的动脉导管采血,这在临床实践中往往难以实现。 7月2日,中国科学院深圳先进技术研究院 (以下简称“深圳先进院”) 孙涛副研究员课题组与河南省人民医院王梅云副院长团队合作,在医学影像顶级期刊 IEEE Transactions on Medical Imaging 上发表了题为“ Non-Invasive Quantification of the Brain [ 18 F]FDG-PET Using Inferred Blood Input Function Learned From Total-Body Data With Physical Constraint ”的文章。该研究介绍了一种通过训练全身数据,实现从动态脑PET数据推断血液输入函数 (IF) 的方法。 文章上线截图 本研究提出了一种基于深度学习的替代方法,用于估计动态脑FDG扫描的输入函数 (DLIF) 。这一标记的输入函数是通过CT图像上定义的升主动脉勾画全身PET数据
………………………………