文献

J-GLOBAL ID：201902257459240818   整理番号：19A2220273

神経学的応用のためのMRI駆動PET画像最適化【JST・京大機械翻訳】

MRI-Driven PET Image Optimization for Neurological Applications

著者 (2件)： Zhu Yuankai (Department of Nuclear Medicine, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China) ,  Zhu Xiaohua (Department of Nuclear Medicine, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 13  ページ： 782  発行年： 2019年 
JST資料番号： U7087A  ISSN： 1662-453X  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 陽電子放出断層撮影(PET)および磁気共鳴画像(MRI)は,てんかん,認知症,精神疾患などの神経障害の研究のための画像診断法として確立されている。これらの2つの利用可能なモダリティは画像原理と物理的性能において変化するので,各技術はそれ自身の利点と欠点を持っている。相互補完情報を獲得し,互いに強化するために,PETとMRIの融合の必要性がある。この組合せ二重モダリティ(逐次または同時)は,脳組織の好ましい軟部組織コントラスト,柔軟な獲得パラメータ,および放射線への曝露を最小にすることができた。PET/MRIの最もユニークな優位性は,運動アーチファクト,部分体積効果(PVE)および定量分析における侵襲的手順のようなPETの固有の限界に対するMRIに基づく改良において主に明らかにされる。走査中の頭部運動は,特に長時間の動的走査に対して,PET画像の有効分解能を著しく劣化させる。ハイブリッドPET/MRI装置は,同時に取得されたMRI情報を通して,PETデータのための運動補正(MC)を提供することができる。限られた空間分解能に関連するPVEに関して,PETデータのプロセスと再構成は,連続的または同時に取得したMRIを用いることによって,さらに最適化することができた。動的PETデータの定量分析は,主に動脈入力機能(AIF)を得るための侵襲的動脈血液サンプリング手順に依存している。動脈カニューレ化を必要としない画像誘導入力関数(IDIF)法はAIFの潜在的代替評価として役立つ。PETデータのみを用いると比較して,IDIFアプローチにおける精度を改善するために,MRIから解剖学的または機能的情報を組み合わせることが示されている。しかし,2つのモダリティの間の干渉と固有の不一致のために,MRIに基づくPET画像を最適化するためのこれらの方法は,まだ多くの技術的課題を持っている。本レビューは,逐次または同時取得アプローチのどちらかにより,神経学的応用のためのMRI駆動PETデータ最適化の最近の進歩,現在の課題および将来の方向について議論した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： てんかん ,  軟部組織 ,  再構成 ,  *画像 ,  NMRイメージング ,  走査 ,  認知症 ,  *最適化 ,  定量分析 ,  コントラスト ,  精神病 ,  PET【トモグラフィー】 ,  動脈
準シソーラス用語： モダリティ ,  *PET画像 , 【Automatic Indexing@JST】

著者キーワード (7件)： 陽電子放出断層撮影(PET) ,  MRI ,  神経画像 ,  運動補正(MC) ,  部分容積効果(PVE) ,  画像誘導入力関数(IDF) ,  マルチモーダルイメージング

分類 (2件)： 中枢神経系  (EJ12030F) ,  精神科の基礎医学  (GR01020I)

引用文献 (127件)：

• Aiello M., Cavaliere C., Salvatore M. (2016). Hybrid PET/MR imaging and brain connectivity. Front. Neurosci. 10:64. doi: 10.3389/fnins.2016.00064
• Aksoy M., Forman C., Straka M., Skare S., Holdsworth S., Hornegger J., et al (2011). Real-time optical motion correction for diffusion tensor imaging. Magn. Reson. Med. 66 366-378. doi: 10.1002/mrm.22787
• Arakawa R., Stenkrona P., Takano A., Nag S., Maior R. S., Halldin C. (2017). Test-retest reproducibility of [11C]-L-deprenyl-D2 binding to MAO-B in the human brain. EJNMMI Res. 7:54. doi: 10.1186/s13550-017-0301-4
• Ardekani B. A., Braun M., Hutton B. F., Kanno I., Iida H. (1996). Minimum cross-entropy reconstruction of PET images using prior anatomical information. Phys. Med. Biol. 41 2497-2517. doi: 10.1088/0031-9155/41/11/018
• Baete K., Nuyts J., Van Laere K., Van Paesschen W., Ceyssens S., De Ceuninck L., et al (2004). Evaluation of anatomy based reconstruction for partial volume correction in brain FDG-PET. Neuroimage 23 305-317. doi: 10.1016/j.neuroimage.2004.04.041

タイトルに関連する用語 (5件)： 神経学 ,  応用 ,  MRI ,  PET画像 ,  最適化