Improved resolution and reliability in dynamic PET using Bayesian regularization of MRTM2

Mikael Agn*, Claus Svarer, Vibe G. Frokjaer, Douglas N. Greve, Gitte M. Knudsen, Koen Van Leemput

*Tämän työn vastaava kirjoittaja

    Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

    Abstrakti

    This paper presents a mathematical model that regularizes dynamic PET data by using a Bayesian framework. We base the model on the well known two-parameter multilinear reference tissue method MRTM2 and regularize on the assumption that spatially close regions have similar parameters. The developed model is compared to the conventional approach of improving the low signal-to-noise ratio of PET data, i.e., spatial filtering of each time frame independently by a Gaussian kernel. We show that the model handles high levels of noise better than the conventional approach, while at the same time retaining a higher resolution. In addition, it results in a higher reliability between scans on individual subject data, measured by intraclass correlation for absolute agreement.

    AlkuperäiskieliEnglanti
    Otsikko2014 IEEE 11th International Symposium on Biomedical Imaging, ISBI 2014
    KustantajaIEEE
    Sivut955-958
    Sivumäärä4
    ISBN (elektroninen)9781467319591
    DOI - pysyväislinkit
    TilaJulkaistu - 29 heinäk. 2014
    OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
    TapahtumaIEEE International Symposium on Biomedical Imaging - Beijing, Kiina
    Kesto: 29 huhtik. 20142 toukok. 2014
    Konferenssinumero: 11

    Conference

    ConferenceIEEE International Symposium on Biomedical Imaging
    LyhennettäISBI
    Maa/AlueKiina
    KaupunkiBeijing
    Ajanjakso29/04/201402/05/2014

    Sormenjälki

    Sukella tutkimusaiheisiin 'Improved resolution and reliability in dynamic PET using Bayesian regularization of MRTM2'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

    Siteeraa tätä