Regolarizzazione Spazialmente Variabile Guidata da TC per la Registrazione PET di Corpo Intero
Un nuovo metodo per la registrazione PET di corpo intero utilizza scansioni TC per creare mappe di regolarizzazione voxel-wise, affrontando l'eterogeneità anatomica. L'approccio sostituisce la regolarizzazione globale uniforme con vincoli spazialmente variabili: le strutture rigide come le ossa ricevono una regolarizzazione più forte, mentre i tessuti molli possono subire deformazioni più flessibili. Questa strategia guidata dalla TC mira a migliorare la registrazione deformabile tra diversi traccianti PET per la caratterizzazione tumorale multiparametrica e la valutazione della malattia metastatica. Il lavoro è presentato in arXiv:2604.22905.
Fatti principali
- La registrazione PET di corpo intero è essenziale per la caratterizzazione tumorale multiparametrica e la valutazione della malattia metastatica.
- La registrazione deformabile basata su deep learning utilizza un regolarizzatore del campo di spostamento denso (DDF).
- L'eterogeneità anatomica è una sfida chiave: le ossa necessitano di una regolarizzazione più forte, i tessuti molli di vincoli più deboli.
- Il metodo proposto utilizza il volume TC accoppiato dall'acquisizione PET/TC per costruire una mappa di regolarizzazione voxel-wise.
- Ciò sostituisce il singolo peso di regolarizzazione globale convenzionale.
- L'approccio è progettato per la registrazione PET deformabile cross-tracer di corpo intero.
- L'articolo è disponibile su arXiv con ID 2604.22905.
- Il metodo è descritto come semplice ma efficace.
Entità
Istituzioni
- arXiv