Camouflaged Deconvolution With Application to Blood Curve Modeling in FDG PET Studies
卷积核未完全确定时的反卷积及其在 FDG PET 血液曲线建模中的应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦医学信号的反卷积与正则化，曲线建模本身不足以归入宏观时间序列或其他给定方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
卷积核未完全确定时的反卷积及其在 FDG PET 血液曲线建模中的应用
- 研究问题
- 同一固定信号经多个不精确已知的卷积核重复测量时，如何同时恢复目标信号与卷积核参数，并服务于有限血液采样？
- 方法与思路
- 作者提出正则化方法，联合估计目标信号和卷积核未知参数，以交叉验证选择平滑程度，并采用贴合应用的模拟评估表现。
- 材料陈述的贡献
- 摘要称应用匹配的模拟中，卷积核信息不足对估计收敛影响较小，FDG PET 血液曲线示例显示减少血液采样的潜力。
- 阅读关注点
- 应核对卷积核参数化、重复测量带来的识别信息、正则化及交叉验证实现，以及模拟结论对采样设计和噪声设定的依赖。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；联合识别条件和模拟数值未说明，应用潜力不能视为已验证的普遍临床性能。
原文摘要
Camouflaged deconvolution arises when the kernel in a simple convolution model is not completely specified. We consider a situation in which the same fixed signal is repeatedly measured by separate convolutions with imprecisely known kernels. We develop a regularization methodology for application to these problems. The method involves simultaneous estimation of the target signal and the unknown parameters of the convolution kernels. Cross-validation is used to determine the degree of smoothness of the solution. We use simulation studies matched to the application to evaluate statistical performance. These simulations find that the convergence of the regularization estimator is largely unaffected by the lack of information about the convolution kernels. We illustrate the methodology by application to a blood curve modeling problem arising in the context of positron emission tomography (PET) studies with flurodeoxyglucose (FDG), a commonly used glucose tracer. The results show promise towards the goal of obtaining reliable metabolic information with much more limited blood sampling.