Camouflaged Deconvolution with Application to Blood Curve Modeling in FDG PET Studies
核不完全已知的反卷积及其在 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：摘要研究卷积信号恢复与医学成像中的血液曲线建模，未明确对应给定列表中的经济或金融计量细分。
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
核不完全已知的反卷积及其在 FDG PET 血液曲线建模中的应用
- 研究问题
- 当同一固定信号经多个不完全已知的卷积核重复测量时，如何恢复目标信号，并用于减少 PET 研究中的血液采样需求？
- 方法与思路
- 作者通过正则化同时估计目标信号与卷积核的未知参数，以交叉验证选择平滑程度，并开展与应用匹配的模拟。
- 材料陈述的贡献
- 摘要称，匹配应用的模拟中核信息不足对正则化估计收敛影响较小；血液曲线案例展示减少采样并获取代谢信息的潜力。
- 阅读关注点
- 应核对信号与核参数的联合识别、正则化形式及交叉验证方案，并检查模拟设定和减少采样所需的应用条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；核的约束、识别条件及模拟数值未说明，不能推断刊本变化或一般收敛保证。
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.