Suscribirse

Artificial Intelligence-Guided PET Image Reconstruction and Multi-Tracer Imaging : Novel Methods, Challenges, and Opportunities - 29/09/25

Doi : 10.1016/j.cpet.2025.07.005 
Movindu Dassanayake, PhD Candidate a, Alejandro Lopez, PhD b, Andrew Reader, PhD c, Gary J.R. Cook, MBBS, MSc, MD, FRCR, FRCP d, e, f, Clemens Mingels, MD b, Arman Rahmim, PhD, DABSNM g, h, i, j, Robert Seifert, MD, MBA b, Ian Alberts, MBBS, MA, MD, PhD, FEBNM k, l, , Fereshteh Yousefirizi, PhD m
a Department of Biomedical Computing, School of Biomedical Engineering & Imaging Sciences, King’s College London, London, UK 
b Department of Nuclear Medicine, Inselspital, Bern University Hospital, University of Bern, Bern, Switzerland 
c Department of Imaging Sciences, King’s College London, UK 
d Department of Molecular Imaging, School of Biomedical Engineering and Imaging Sciences, King’s College London 
e Department Cancer Imaging, School of Biomedical Engineering and Imaging Sciences, King’s College London 
f Guy’s & St Thomas’ NHS Trust, PET Centre, St Thomas' Hospital, London, UK 
g Department of Radiology, University of British Columbia, Canada 
h Department of Physics, University of British Columbia, Canada 
i Department of Biomedical Engineering, University of British Columbia, Canada 
j BC Cancer Research Centre, Vancouver, Canada 
k Department of Molecular Imaging and Therapy, BC Cancer, Vancouver, Canada 
l Department of Radiology, University of British Columbia, Vancouver, British Columbia, Canada 
m Department of Integrative Oncology, BC Cancer Research Centre, Vancouver, Canada 

Corresponding author.

Resumen

This article reviews recent advancements in PET/computed tomography imaging, emphasizing the transformative impact of total-body and long-axial field-of-view scanners, which offer increased sensitivity, larger coverage, and faster, lower-dose imaging. It highlights the growing role of artificial intelligence (AI) in enhancing image reconstruction, resolution, and multi-tracer applications, enabling rapid processing and improved quantification. AI-driven techniques, such as super-resolution, positron range correction, and motion compensation, are improving lesion detectability and image quality. The review underscores the potential of these innovations to revolutionize clinical and research PET imaging, while also noting the challenges in validation and implementation for routine practice.

El texto completo de este artículo está disponible en PDF.

Keywords : Long-axial field-of-view, Artificial intelligence, Image enhancement, Multiplexed imaging


Esquema


© 2025  Elsevier Inc. Reservados todos los derechos.
Añadir a mi biblioteca Eliminar de mi biblioteca Imprimir
Exportación

    Exportación citas

  • Fichero

  • Contenido

Vol 20 - N° 4

P. 453-461 - octobre 2025 Regresar al número
Artículo precedente Artículo precedente
  • Simultaneous Positron Emission Tomography/Magnetic Resonance Imaging : Challenges and Opportunities in Clinical PET Image Quantification
  • Adam Farag, Seyed Ali Mirshahvalad, Ciprian Catana, Patrick Veit-Haibach
| Artículo siguiente Artículo siguiente
  • 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

Bienvenido a EM-consulte, la referencia de los profesionales de la salud.
El acceso al texto completo de este artículo requiere una suscripción.

¿Ya suscrito a @@106933@@ revista ?

@@150455@@ Voir plus

Mi cuenta


Declaración CNIL

EM-CONSULTE.COM se declara a la CNIL, la declaración N º 1286925.

En virtud de la Ley N º 78-17 del 6 de enero de 1978, relativa a las computadoras, archivos y libertades, usted tiene el derecho de oposición (art.26 de la ley), el acceso (art.34 a 38 Ley), y correcta (artículo 36 de la ley) los datos que le conciernen. Por lo tanto, usted puede pedir que se corrija, complementado, clarificado, actualizado o suprimido información sobre usted que son inexactos, incompletos, engañosos, obsoletos o cuya recogida o de conservación o uso está prohibido.
La información personal sobre los visitantes de nuestro sitio, incluyendo su identidad, son confidenciales.
El jefe del sitio en el honor se compromete a respetar la confidencialidad de los requisitos legales aplicables en Francia y no de revelar dicha información a terceros.


Todo el contenido en este sitio: Copyright © 2026 Elsevier, sus licenciantes y colaboradores. Se reservan todos los derechos, incluidos los de minería de texto y datos, entrenamiento de IA y tecnologías similares. Para todo el contenido de acceso abierto, se aplican los términos de licencia de Creative Commons.