研究目的
开发和验证一个统一的动脉数据建?？蚣?，以实现动态PET研究中血浆示踪剂动力学的精确且全自动描述，同时解决因放射性标记代谢物和噪声导致的测量挑战。
研究成果
基于生理信息模型和自动估计算法的统一血浆数据建模框架，相比标准方法能更优地拟合血浆与组织数据。该框架在不同示踪剂和采样方案中表现稳健，计算高效且用户交互最少，有望标准化PET数据分析并提高定量精度。
研究不足
该方法专为弹丸式示踪剂注射而开发，若不做修改可能不适用于其他注射类型。其需要高质量的血浆数据；上游测量中的稀疏数据或误差会影响结果?？赡艹鱿止夂?，建议对结果进行目视检查。需通过测试-重测数据集来确认变异性的降低。该方法假设噪声呈高斯分布且权重定义特定，在所有情况下可能并不成立。
1：实验设计与方法选择：
本研究采用基于示踪剂-被示踪物理论和线性时不变系统的流程，运用基追踪技术（非负最小二乘法和稀疏贝叶斯学习）从血浆数据中估算母体药物浓度和放射性代谢物的模型。
2：样本选择与数据来源：
使用了四个具有不同示踪剂（[11C]PBR28、[11C]MePPEP、[11C]WAY-100635、[11C]PIB）和动脉采样方案（连续和离散）的PET数据集，涉及先前研究中的健康受试者和患者。
3：[11C]MePPEP、[11C]WAY-[11C]PIB）和动脉采样方案（连续和离散）的PET数据集，涉及先前研究中的健康受试者和患者。 实验设备与材料清单：
3. 实验设备与材料清单：用于数据采集的PET扫描仪、用于代谢物分析的高效液相色谱仪（HPLC）、用于血液采样的组分收集系统，以及用于实施的计算工具（如MATLAB）。
4：实验步骤与操作流程：
该流程包括以下步骤：输入函数的初步近似、使用输入函数模型进行拟合、放射性代谢物浓度的近似、使用放射性代谢物模型进行拟合、血浆母体分数模型的计算、离散输入函数的生成以及最终拟合。权重根据噪声假设定义。
5：数据分析方法：
使用加权残差平方和（WRSS）进行模型拟合；通过相对差异、游程检验随机性以及t检验进行比较。组织数据使用房室模型进行拟合，以评估对动力学参数的影响。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
MATLAB
MathWorks
Used for implementing the non-negative least squares (NNLS) estimator and other computational aspects of the pipeline.
-
Sparse Bayesian Learner
Used for estimating the radiometabolite model coefficients in the pipeline.
-
PET scanner
Used for acquiring dynamic PET data in the studies.
-
HPLC
Used for chromatographic separation of plasma samples to measure parent fraction.
-
Fraction collector system
Used for continuous arterial blood sampling in some protocols.
-
登录查看剩余3件设备及参数对照表
查看全部
