論文の概要: Patlak Parametric Image Estimation from Dynamic PET Using Diffusion Model Prior

• arxiv url: http://arxiv.org/abs/2512.19584v1
• Date: Mon, 22 Dec 2025 17:11:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.853557
• Title: Patlak Parametric Image Estimation from Dynamic PET Using Diffusion Model Prior
• Title（参考訳）: 拡散モデルを用いた動的PETからのPatlakパラメトリック画像推定
• Authors: Ziqian Huang, Boxiao Yu, Siqi Li, Savas Ozdemir, Sangjin Bae, Jae Sung Lee, Guobao Wang, Kuang Gong,
• Abstract要約: 動的PETにおけるパラメトリックイメージングは、生理的パラメータを推定するために運動論的モデリングを必要とする。 提案するフレームワークは, 線量レベルの異なる全体動的PETデータセットを用いて評価した。
• 参考スコア（独自算出の注目度）: 9.8798936444224
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic PET enables the quantitative estimation of physiology-related parameters and is widely utilized in research and increasingly adopted in clinical settings. Parametric imaging in dynamic PET requires kinetic modeling to estimate voxel-wise physiological parameters based on specific kinetic models. However, parametric images estimated through kinetic model fitting often suffer from low image quality due to the inherently ill-posed nature of the fitting process and the limited counts resulting from non-continuous data acquisition across multiple bed positions in whole-body PET. In this work, we proposed a diffusion model-based kinetic modeling framework for parametric image estimation, using the Patlak model as an example. The score function of the diffusion model was pre-trained on static total-body PET images and served as a prior for both Patlak slope and intercept images by leveraging their patch-wise similarity. During inference, the kinetic model was incorporated as a data-consistency constraint to guide the parametric image estimation. The proposed framework was evaluated on total-body dynamic PET datasets with different dose levels, demonstrating the feasibility and promising performance of the proposed framework in improving parametric image quality.
• Abstract（参考訳）: 動的PETは生理的パラメータの定量的推定を可能にし、研究で広く利用され、臨床環境ではますます採用されている。 動的PETにおけるパラメトリックイメージングは、特定の速度論的モデルに基づいてボクセルに関する生理学的パラメータを推定するために、速度論的モデリングを必要とする。 しかし、運動モデルフィッティングによって推定されるパラメトリック画像は、フィッティングプロセスの本質的に不適切な性質と、全身PETにおける複数のベッド位置にわたる非連続的なデータ取得による制限数により、画像品質が低下することが多い。 本研究では,Patlakモデルを用いたパラメトリック画像推定のための拡散モデルに基づく動力学モデリングフレームワークを提案する。 拡散モデルのスコア関数は、静的全体PET画像上で事前訓練され、パッチワイドの類似性を活用して、Patlak斜面およびインターセプト画像の先行として機能した。 推論では,パラメータ画像推定を導くためのデータ一貫性制約として,速度論的モデルが組み込まれた。 提案フレームワークは, 線量レベルの異なる全体動的PETデータセットを用いて評価し, パラメトリック画像の品質向上における本フレームワークの有効性と有望な性能を実証した。

関連論文リスト

• Fast Voxel-Wise Kinetic Modeling in Dynamic PET using a Physics-Informed CycleGAN [55.27156760515792]
  我々は、DCE-MRI量子化と動的PET量子化の約束を示す物理インフォームドCycleGANを採用する。 実験では、基準によく似た音響AIF予測とパラメータマップを実証した。
  論文  参考訳（メタデータ） (2025-10-27T09:17:02Z)
• Equilibrium Matching: Generative Modeling with Implicit Energy-Based Models [52.74448905289362]
  EqMは、平衡力学の観点から構築された生成モデリングフレームワークである。 時間条件の速度を統一された平衡景観に置き換えることで、EqMは流れとエネルギーベースのモデルの間により緊密な橋渡しを提供する。
  論文  参考訳（メタデータ） (2025-10-02T17:59:06Z)
• Direct Dual-Energy CT Material Decomposition using Model-based Denoising Diffusion Model [105.95160543743984]
  本稿では,Dual-Energy Decomposition Model-based Diffusion (DEcomp-MoD) と呼ばれる深層学習手法を提案する。 Decomp-MoDは、教師なしスコアベースモデルと教師なしディープラーニングネットワークより優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-24T01:00:06Z)
• PET Image Reconstruction Using Deep Diffusion Image Prior [3.1878756384085936]
  拡散モデルに基づく解剖学的事前誘導PET画像再構成法を提案する。 提案手法は,PET法により誘導される拡散サンプリングとモデル微調整とを交互に行う。 実験結果から,提案するPET再構成法はトレーサー分布とスキャナータイプにまたがって頑健に一般化可能であることがわかった。
  論文  参考訳（メタデータ） (2025-07-20T18:25:29Z)
• Physiological neural representation for personalised tracer kinetic parameter estimation from dynamic PET [0.7147474215053953]
  本稿では,暗黙的ニューラル表現(INR)に基づく生理的ニューラル表現を提案する。 連続関数を学習するINRは、データ要求を低減した効率的な高分解能パラメトリックイメージングを可能にする。 以上の結果から,INRsが腫瘍の性状,セグメンテーション,予後評価に応用できるパーソナライズされたデータ効率トレーサの速度論的モデリングに有用であることが示唆された。
  論文  参考訳（メタデータ） (2025-04-23T22:12:04Z)
• When No-Reference Image Quality Models Meet MAP Estimation in Diffusion Latents [92.45867913876691]
  非参照画像品質評価(NR-IQA)モデルは、知覚された画像品質を効果的に定量化することができる。 NR-IQAモデルは、画像強調のための最大後部推定(MAP)フレームワークにプラグイン可能であることを示す。
  論文  参考訳（メタデータ） (2024-03-11T03:35:41Z)
• Posterior Estimation for Dynamic PET imaging using Conditional Variational Inference [10.206699988915183]
  効率的な後続推定のためのディープラーニングに基づくフレームワークを提案する。 具体的には、潜伏変数を導入することにより、フォワードプロセスにおける情報損失に対処する。
  論文  参考訳（メタデータ） (2023-10-24T14:05:30Z)
• Self-Supervised Learning for Physiologically-Based Pharmacokinetic Modeling in Dynamic PET [36.28565007063204]
  Voxel-wise physiologically based of the Time Activity curves (TAC) は、臨床ワークフローに関連性のある診断情報を提供することができる。 本研究は、測定されたTACと学習された運動パラメータで生成されたものとの類似性を強制する自己教師付きPET損失定式化を導入する。 我々の知る限りでは、これは非線形の運動モデルと整合した運動パラメータのエルボックスワイズ計算を可能にする最初の自己教師ネットワークである。
  論文  参考訳（メタデータ） (2023-05-17T21:08:02Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Moment evolution equations and moment matching for stochastic image EPDiff [68.97335984455059]
  画像変形モデルにより、画像領域を変形させることにより、時間連続的な画像変換の研究が可能になる。 応用例としては、人口傾向とランダムな被写体特定変異の両方を用いた医療画像分析がある。 パラメータフルモデルにおける統計的推測のための推定器を構築するために、対応する伊藤拡散のモーメント近似を用いる。
  論文  参考訳（メタデータ） (2021-10-07T11:08:11Z)
• Direct Reconstruction of Linear Parametric Images from Dynamic PET Using Nonlocal Deep Image Prior [13.747210115485487]
  PETシングラムからパラメトリック画像を直接推定する直接再構成法が開発されている。 受信回数が限られているため、信号対雑音比(SNR)と直接再構成フレームワークによって生成されたパラメトリック画像の解像度は依然として限られている。 近年,多数の高品質なトレーニングラベルが利用可能である場合に,医用画像復調・復調に教師付き深層学習法がうまく応用されている。
  論文  参考訳（メタデータ） (2021-06-18T21:30:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。