Beyond Conventional Parametric Modeling: Data-Driven Framework for Estimation and Prediction of Time Activity Curves in Dynamic PET Imaging

要約

動的陽電子放出断層撮影法 (dPET) イメージングと時間放射能曲線 (TAC) 分析は、時間と空間にわたる放射性医薬品の体内分布を理解して定量化するために不可欠です。
従来のコンパートメント モデリングは、基礎的ではありますが、非線形ダイナミクスや変動性などの生物学的システムの複雑さを完全に捉えるのに一般的に苦労しています。
この研究では、これらの制限に対処するために設計された、反応拡散システムにヒントを得た革新的なデータ駆動型ニューラル ネットワーク ベースのフレームワークを紹介します。
dPET からの TAC に適応的に適合する私たちのアプローチは、観察されたデータから拡散係数と反応項を直接校正することを可能にし、特に複雑な生物学的シナリオにおいて、従来の方法に比べて予測精度と堅牢性が大幅に向上します。
放射性医薬品の時空間ダイナミクスをより正確にモデル化することで、私たちの方法は薬物動態学的および薬力学的プロセスのモデリングを前進させ、定量的核医学の新たな可能性を可能にします。

要約(オリジナル)

Dynamic Positron Emission Tomography (dPET) imaging and Time-Activity Curve (TAC) analyses are essential for understanding and quantifying the biodistribution of radiopharmaceuticals over time and space. Traditional compartmental modeling, while foundational, commonly struggles to fully capture the complexities of biological systems, including non-linear dynamics and variability. This study introduces an innovative data-driven neural network-based framework, inspired by Reaction Diffusion systems, designed to address these limitations. Our approach, which adaptively fits TACs from dPET, enables the direct calibration of diffusion coefficients and reaction terms from observed data, offering significant improvements in predictive accuracy and robustness over traditional methods, especially in complex biological scenarios. By more accurately modeling the spatio-temporal dynamics of radiopharmaceuticals, our method advances modeling of pharmacokinetic and pharmacodynamic processes, enabling new possibilities in quantitative nuclear medicine.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google