S'abonner

Objective Task-Based Evaluation of Quantitative Medical Imaging Methods : Emerging Frameworks and Future Directions - 29/09/25

Doi : 10.1016/j.cpet.2025.07.006 
Yan Liu, MS a, 1, Huitian Xia, MS a, 1, Nancy A. Obuchowski, PhD b, Richard Laforest, PhD, DABSNM c, Arman Rahmim, PhD, DABSNM d, Barry A. Siegel, MD e, Abhinav K. Jha, PhD f, 1,
a Department of Biomedical Engineering, Washington University in St. Louis, 1 Brookings Drive, St. Louis, MO 63130, USA 
b Department of Quantitative Health Sciences, Cleveland Clinic, Cleveland, OH 44195, USA 
c Department of Radiology, Precision Radiotheranostics Research Center, Mallinckrodt Institute of Radiology, Washington University in St. Louis, 510 S Kingshighway Boulevard, St. Louis, MO 63110, USA 
d Department of Radiology, Department of Physics, Department of Biomedical Engineering, University of British Columbia, BC Cancer Research Institute, 675 West 10th Avenue, Office 6-112, Vancouver, British Columbia V5Z 1L3, Canada 
e Division of Nuclear Medicine, Mallinckrodt Institute of Radiology, Alvin J. Siteman Cancer Center, Washington University School of Medicine, 510 S Kingshighway Boulevard, St. Louis, MO 63110, USA 
f Department of Biomedical Engineering, Mallinckrodt Institute of Radiology, Alvin J. Siteman Cancer Center, Washington University in St. Louis, 510 S Kingshighway Boulevard, St. Louis, MO 63110, USA 

Corresponding author.

Résumé

Quantitative imaging (QI) holds significant potential across diverse clinical applications. For clinical translation of QI, rigorous evaluation on clinically relevant tasks is essential. This article outlines 4 emerging evaluation frameworks, including virtual imaging trials, evaluation with clinical data in the absence of ground truth, evaluation for joint detection and quantification tasks, and evaluation of QI methods that output multidimensional outputs. These frameworks are presented in the context of recent advancements in PET, such as long axial field of view PET and the development of artificial intelligence algorithms for PET. We conclude by discussing future research directions for evaluating QI methods.

Le texte complet de cet article est disponible en PDF.

Keywords : Quantitative imaging, Task-based evaluation, Positron emission tomography (PET), Virtual imaging trial, No-gold-standard evaluation, Joint detection and quantification, Radiomics, Artificial intelligence


Plan


© 2025  Elsevier Inc. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 20 - N° 4

P. 475-488 - octobre 2025 Retour au numéro
Article précédent Article précédent
  • Advancing Positron Emission Tomography Image Quantification : Artificial Intelligence-Driven Methods, Clinical Challenges, and Emerging Opportunities in Long-Axial Field-of-View Positron Emission Tomography/Computed Tomography Imaging
  • Fereshteh Yousefirizi, Movindu Dassanayake, Alejandro Lopez, Andrew Reader, Gary J.R. Cook, Clemens Mingels, Arman Rahmim, Robert Seifert, Ian Alberts
| Article suivant Article suivant
  • Long Axial Field-of-view PET : A New Era of Quantitative PET Imaging for Theranostic Applications in Clinic
  • Brahim Mehadji, Benjamin A. Spencer, Ian Alberts, Nicolas A. Karakatsanis, Emilie Roncali, Lorenzo Nardo

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.