{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5410374"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5410374","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Anatomically aware machine learning modeling of PET count rates for detection and quantification of radiotracer extravasation","abstract":"Υπόβαθρο: Η Τομογραφία Εκπομπής Ποζιτρονίων σε συνδυασμό με την Αξονι κή Τομογραφία (PET/CT) χρησιμοποιείται ευρέως για την εκτίμηση της έκτασης των νοσημάτων και της μεταβολικής δραστηριότητας. Ενώ η αξονική τομογραφία παρέχει ανατομική πληροφορία, η PET επιτρέπει την ποσοτική αξιολόγηση φυσιολογικών διεργα σιών μέσω της πρόσληψης ραδιοφαρμάκου, η οποία συνήθως εκφράζεται με τη χρήση της Τυποποιημένης Τιμής Πρόσληψης (Standardized Uptake Value, SUV). Η αξιοπιστία των μετρήσεων SUV εξαρτάται σε μεγάλο βαθμό από την ορθή χορήγηση του ραδιοφαρμάκου. Ηεξαγγείωση, η οποία ορίζεται ως η ακούσια διαρροή του ραδιοφαρμάκου στο σημείο της έγχυσης, μειώνει την πραγματικά κυκλοφορούσα ενεργότητα και οδηγεί σε συστηματική υποεκτίμηση των καταγεγραμμένων ςουντς και των ποσοτικών δεικτών. Σκοπός: Στόχος της παρούσας εργασίας είναι η ανάπτυξη ενός πλαισίου βασισμένου σε δεδομένα για την πρόβλεψη των αναμενόμενων ρυθμών καταμέτρησης PET σε διαφο ρετικές ανατομικές περιοχές εξετάσεων 18F-FDG PET/CT. Μέσω της σύγκρισης μεταξύ προβλεπόμενων και μετρούμενων counts, η προτεινόμενη μεθοδολογία επιδιώκει να εντο πίσει αποκλίσεις που σχετίζονται με εξαγγείωση, να εκτιμήσει τη μη ανιχνευόμενη ενερ γότητα και να επιτρέψει τη διόρθωση επηρεαζόμενων ποσοτικών δεικτών, όπως το SUV. Επιπλέον, αποσκοπεί στην υποστήριξη της λήψης κλινικών αποφάσεων, παρέχοντας τη δυνατότητα προσαρμογής παραμέτρων όπως ο χρόνος λήψης ή η πραγματική ενεργότητα κατά τη στιγμή της σάρωσης, όταν η εξαγγείωση έχει εντοπιστεί εκ των προτέρων. Μέθοδοι: Αναλύθηκε αναδρομικά σύνολο δεδομένων αποτελούμενο από 105 ασθε νείς που υποβλήθηκαν σε απεικόνιση 18F-FDG PET/CT. Για κάθε ασθενή συλλέχθηκαν δημογραφικά, ανθρωπομετρικά και σχετιζόμενα με την εξέταση χαρακτηριστικά, συμπερι λαμβανομένων της χορηγούμενης ενεργότητας, του χρόνου πρόσληψης και των μετρούμε νων ρυθμών καταμέτρησης ανά θέση κλίνης. Οι ανατομικές περιοχές ορίστηκαν βάσει της κανονικοποιημένης αξονικής θέσης. Εκπαιδεύτηκαν πολλαπλά μοντέλα μηχανικής μάθη σης, συμπεριλαμβανομένων της Γραμμικής Παλινδρόμησης, του Elastic Net, του Random Forest και του XGBoost, με σκοπό την πρόβλεψη των ρυθμών καταμέτρησης ανά ανατομική περιοχή. Η απόδοση των μοντέλων αξιολογήθηκε με τη χρήση τυπικών μετρικών (RMSE, MAE και R2) καθώς και με διασταυρούμενη επικύρωση (cross-validation). Οι αποκλίσεις μεταξύ προβλεπόμενων και μετρούμενων ςουντς θεωρήθηκαν ως μη ανιχνευ όμενα ςουντς και μετατράπηκαν σε ενεργότητα μέσω της ευαισθησίας του συστήματος PET, επιτρέποντας την εκτίμηση της εξαγγειωμένης ενεργότητας και τη συνακόλουθη διόρθωση των τιμών SUV. Αποτελέσματα: Η απόδοση των μοντέλων παρουσίασε διαφοροποιήσεις μεταξύ των ανατομικών περιοχών, με τη μεγαλύτερη ακρίβεια πρόβλεψης να παρατηρείται σε περιοχές χαμηλότερης φυσιολογικής μεταβλητότητας, όπως ο τράχηλος και ο θώρακας (R2 ≈ 0.35 0.40), ενώ χαμηλότερη απόδοση καταγράφηκε σε περιοχές με αυξημένη μεταβλητότητα, όπως η κοιλιακή χώρα και η κεφαλή. Τα μοντέλα Γραμμικής Παλινδρόμησης και Elastic Net παρουσίασαν τη σταθερότερη συνολική συμπεριφορά, ενώ τα πιο σύνθετα μοντέλα δεν οδήγησαν σε σημαντική βελτίωση της απόδοσης. Η προτεινόμενη μεθοδολογία εντόπισε επιτυχώς αποκλίσεις σε γνωστές περιπτώσεις εξαγγείωσης και επέτρεψε την εκτίμηση της απολεσθείσας ενεργότητας, οδηγώντας σε συντελεστές διόρθωσης από 10% έως και 50% σε σοβαρές περιπτώσεις εξαγγείωσης, επηρεάζοντας κυρίως τις τιμές SUV. Συμπεράσματα: Η προτεινόμενη προσέγγιση μοντελοποίησης ανά ανατομική περιο χή παρέχει μια πρακτική και επεκτάσιμη μέθοδο για την ανίχνευση εξαγγειώσεων ραδιο φαρμάκου απευθείας από τα δεδομένα της PET εξέτασης. Μέσω της εκτίμησης της μη ανιχνευόμενης ενεργότητας και της διόρθωσης των τιμών SUV, το πλαίσιο αυτό έχει τη δυνατότητα να βελτιώσει την ακρίβεια και την αξιοπιστία της ποσοτικής απεικόνισης PET χωρίς την ανάγκη πρόσθετου εξοπλισμού. Επιπλέον, η ανάπτυξη ενός διαδραστικού ερ γαλείου που επιτρέπει την άμεση σύγκριση μεταξύ μετρούμενων και αναμενόμενων counts μπορεί να βοηθήσει τους ιατρούς στον εντοπισμό και την εκτίμηση μιας εξαγγείωσης, στην αξιολόγηση της έκτασής της και στην πραγματοποίηση έγκαιρων προσαρμογών της κλινικής διαδικασίας.","abstract_html":"Υπόβαθρο: Η Τομογραφία Εκπομπής Ποζιτρονίων σε συνδυασμό με την Αξονι κή Τομογραφία (PET/CT) χρησιμοποιείται ευρέως για την εκτίμηση της έκτασης των νοσημάτων και της μεταβολικής δραστηριότητας. Ενώ η αξονική τομογραφία παρέχει ανατομική πληροφορία, η PET επιτρέπει την ποσοτική αξιολόγηση φυσιολογικών διεργα σιών μέσω της πρόσληψης ραδιοφαρμάκου, η οποία συνήθως εκφράζεται με τη χρήση της Τυποποιημένης Τιμής Πρόσληψης (Standardized Uptake Value, SUV). Η αξιοπιστία των μετρήσεων SUV εξαρτάται σε μεγάλο βαθμό από την ορθή χορήγηση του ραδιοφαρμάκου. Ηεξαγγείωση, η οποία ορίζεται ως η ακούσια διαρροή του ραδιοφαρμάκου στο σημείο της έγχυσης, μειώνει την πραγματικά κυκλοφορούσα ενεργότητα και οδηγεί σε συστηματική υποεκτίμηση των καταγεγραμμένων ςουντς και των ποσοτικών δεικτών. Σκοπός: Στόχος της παρούσας εργασίας είναι η ανάπτυξη ενός πλαισίου βασισμένου σε δεδομένα για την πρόβλεψη των αναμενόμενων ρυθμών καταμέτρησης PET σε διαφο ρετικές ανατομικές περιοχές εξετάσεων 18F-FDG PET/CT. Μέσω της σύγκρισης μεταξύ προβλεπόμενων και μετρούμενων counts, η προτεινόμενη μεθοδολογία επιδιώκει να εντο πίσει αποκλίσεις που σχετίζονται με εξαγγείωση, να εκτιμήσει τη μη ανιχνευόμενη ενερ γότητα και να επιτρέψει τη διόρθωση επηρεαζόμενων ποσοτικών δεικτών, όπως το SUV. Επιπλέον, αποσκοπεί στην υποστήριξη της λήψης κλινικών αποφάσεων, παρέχοντας τη δυνατότητα προσαρμογής παραμέτρων όπως ο χρόνος λήψης ή η πραγματική ενεργότητα κατά τη στιγμή της σάρωσης, όταν η εξαγγείωση έχει εντοπιστεί εκ των προτέρων. Μέθοδοι: Αναλύθηκε αναδρομικά σύνολο δεδομένων αποτελούμενο από 105 ασθε νείς που υποβλήθηκαν σε απεικόνιση 18F-FDG PET/CT. Για κάθε ασθενή συλλέχθηκαν δημογραφικά, ανθρωπομετρικά και σχετιζόμενα με την εξέταση χαρακτηριστικά, συμπερι λαμβανομένων της χορηγούμενης ενεργότητας, του χρόνου πρόσληψης και των μετρούμε νων ρυθμών καταμέτρησης ανά θέση κλίνης. Οι ανατομικές περιοχές ορίστηκαν βάσει της κανονικοποιημένης αξονικής θέσης. Εκπαιδεύτηκαν πολλαπλά μοντέλα μηχανικής μάθη σης, συμπεριλαμβανομένων της Γραμμικής Παλινδρόμησης, του Elastic Net, του Random Forest και του XGBoost, με σκοπό την πρόβλεψη των ρυθμών καταμέτρησης ανά ανατομική περιοχή. Η απόδοση των μοντέλων αξιολογήθηκε με τη χρήση τυπικών μετρικών (RMSE, MAE και R2) καθώς και με διασταυρούμενη επικύρωση (cross-validation). Οι αποκλίσεις μεταξύ προβλεπόμενων και μετρούμενων ςουντς θεωρήθηκαν ως μη ανιχνευ όμενα ςουντς και μετατράπηκαν σε ενεργότητα μέσω της ευαισθησίας του συστήματος PET, επιτρέποντας την εκτίμηση της εξαγγειωμένης ενεργότητας και τη συνακόλουθη διόρθωση των τιμών SUV. Αποτελέσματα: Η απόδοση των μοντέλων παρουσίασε διαφοροποιήσεις μεταξύ των ανατομικών περιοχών, με τη μεγαλύτερη ακρίβεια πρόβλεψης να παρατηρείται σε περιοχές χαμηλότερης φυσιολογικής μεταβλητότητας, όπως ο τράχηλος και ο θώρακας (R2 ≈ 0.35 0.40), ενώ χαμηλότερη απόδοση καταγράφηκε σε περιοχές με αυξημένη μεταβλητότητα, όπως η κοιλιακή χώρα και η κεφαλή. Τα μοντέλα Γραμμικής Παλινδρόμησης και Elastic Net παρουσίασαν τη σταθερότερη συνολική συμπεριφορά, ενώ τα πιο σύνθετα μοντέλα δεν οδήγησαν σε σημαντική βελτίωση της απόδοσης. Η προτεινόμενη μεθοδολογία εντόπισε επιτυχώς αποκλίσεις σε γνωστές περιπτώσεις εξαγγείωσης και επέτρεψε την εκτίμηση της απολεσθείσας ενεργότητας, οδηγώντας σε συντελεστές διόρθωσης από 10% έως και 50% σε σοβαρές περιπτώσεις εξαγγείωσης, επηρεάζοντας κυρίως τις τιμές SUV. Συμπεράσματα: Η προτεινόμενη προσέγγιση μοντελοποίησης ανά ανατομική περιο χή παρέχει μια πρακτική και επεκτάσιμη μέθοδο για την ανίχνευση εξαγγειώσεων ραδιο φαρμάκου απευθείας από τα δεδομένα της PET εξέτασης. Μέσω της εκτίμησης της μη ανιχνευόμενης ενεργότητας και της διόρθωσης των τιμών SUV, το πλαίσιο αυτό έχει τη δυνατότητα να βελτιώσει την ακρίβεια και την αξιοπιστία της ποσοτικής απεικόνισης PET χωρίς την ανάγκη πρόσθετου εξοπλισμού. Επιπλέον, η ανάπτυξη ενός διαδραστικού ερ γαλείου που επιτρέπει την άμεση σύγκριση μεταξύ μετρούμενων και αναμενόμενων counts μπορεί να βοηθήσει τους ιατρούς στον εντοπισμό και την εκτίμηση μιας εξαγγείωσης, στην αξιολόγηση της έκτασής της και στην πραγματοποίηση έγκαιρων προσαρμογών της κλινικής διαδικασίας.","abstract_has_math":false,"creators":["Κουκοπούλου Αικατερίνη","Koukopoulou Aikaterini"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-07-24T01:02:36Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5410374"],"render_values":[{"text":"uoadl:5410374","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5410374","outbound_label":"Repository record","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κουκοπούλου Αικατερίνη","Koukopoulou Aikaterini"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5410374","https://pergamos.lib.uoa.gr/uoa/dl/object/5410374"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Υπόβαθρο: Η Τομογραφία Εκπομπής Ποζιτρονίων σε συνδυασμό με την Αξονι κή Τομογραφία (PET/CT) χρησιμοποιείται ευρέως για την εκτίμηση της έκτασης των νοσημάτων και της μεταβολικής δραστηριότητας. Ενώ η αξονική τομογραφία παρέχει ανατομική πληροφορία, η PET επιτρέπει την ποσοτική αξιολόγηση φυσιολογικών διεργα σιών μέσω της πρόσληψης ραδιοφαρμάκου, η οποία συνήθως εκφράζεται με τη χρήση της Τυποποιημένης Τιμής Πρόσληψης (Standardized Uptake Value, SUV). Η αξιοπιστία των μετρήσεων SUV εξαρτάται σε μεγάλο βαθμό από την ορθή χορήγηση του ραδιοφαρμάκου. Ηεξαγγείωση, η οποία ορίζεται ως η ακούσια διαρροή του ραδιοφαρμάκου στο σημείο της έγχυσης, μειώνει την πραγματικά κυκλοφορούσα ενεργότητα και οδηγεί σε συστηματική υποεκτίμηση των καταγεγραμμένων ςουντς και των ποσοτικών δεικτών. Σκοπός: Στόχος της παρούσας εργασίας είναι η ανάπτυξη ενός πλαισίου βασισμένου σε δεδομένα για την πρόβλεψη των αναμενόμενων ρυθμών καταμέτρησης PET σε διαφο ρετικές ανατομικές περιοχές εξετάσεων 18F-FDG PET/CT. Μέσω της σύγκρισης μεταξύ προβλεπόμενων και μετρούμενων counts, η προτεινόμενη μεθοδολογία επιδιώκει να εντο πίσει αποκλίσεις που σχετίζονται με εξαγγείωση, να εκτιμήσει τη μη ανιχνευόμενη ενερ γότητα και να επιτρέψει τη διόρθωση επηρεαζόμενων ποσοτικών δεικτών, όπως το SUV. Επιπλέον, αποσκοπεί στην υποστήριξη της λήψης κλινικών αποφάσεων, παρέχοντας τη δυνατότητα προσαρμογής παραμέτρων όπως ο χρόνος λήψης ή η πραγματική ενεργότητα κατά τη στιγμή της σάρωσης, όταν η εξαγγείωση έχει εντοπιστεί εκ των προτέρων. Μέθοδοι: Αναλύθηκε αναδρομικά σύνολο δεδομένων αποτελούμενο από 105 ασθε νείς που υποβλήθηκαν σε απεικόνιση 18F-FDG PET/CT. Για κάθε ασθενή συλλέχθηκαν δημογραφικά, ανθρωπομετρικά και σχετιζόμενα με την εξέταση χαρακτηριστικά, συμπερι λαμβανομένων της χορηγούμενης ενεργότητας, του χρόνου πρόσληψης και των μετρούμε νων ρυθμών καταμέτρησης ανά θέση κλίνης. Οι ανατομικές περιοχές ορίστηκαν βάσει της κανονικοποιημένης αξονικής θέσης. Εκπαιδεύτηκαν πολλαπλά μοντέλα μηχανικής μάθη σης, συμπεριλαμβανομένων της Γραμμικής Παλινδρόμησης, του Elastic Net, του Random Forest και του XGBoost, με σκοπό την πρόβλεψη των ρυθμών καταμέτρησης ανά ανατομική περιοχή. Η απόδοση των μοντέλων αξιολογήθηκε με τη χρήση τυπικών μετρικών (RMSE, MAE και R2) καθώς και με διασταυρούμενη επικύρωση (cross-validation). Οι αποκλίσεις μεταξύ προβλεπόμενων και μετρούμενων ςουντς θεωρήθηκαν ως μη ανιχνευ όμενα ςουντς και μετατράπηκαν σε ενεργότητα μέσω της ευαισθησίας του συστήματος PET, επιτρέποντας την εκτίμηση της εξαγγειωμένης ενεργότητας και τη συνακόλουθη διόρθωση των τιμών SUV. Αποτελέσματα: Η απόδοση των μοντέλων παρουσίασε διαφοροποιήσεις μεταξύ των ανατομικών περιοχών, με τη μεγαλύτερη ακρίβεια πρόβλεψης να παρατηρείται σε περιοχές χαμηλότερης φυσιολογικής μεταβλητότητας, όπως ο τράχηλος και ο θώρακας (R2 ≈ 0.35 0.40), ενώ χαμηλότερη απόδοση καταγράφηκε σε περιοχές με αυξημένη μεταβλητότητα, όπως η κοιλιακή χώρα και η κεφαλή. Τα μοντέλα Γραμμικής Παλινδρόμησης και Elastic Net παρουσίασαν τη σταθερότερη συνολική συμπεριφορά, ενώ τα πιο σύνθετα μοντέλα δεν οδήγησαν σε σημαντική βελτίωση της απόδοσης. Η προτεινόμενη μεθοδολογία εντόπισε επιτυχώς αποκλίσεις σε γνωστές περιπτώσεις εξαγγείωσης και επέτρεψε την εκτίμηση της απολεσθείσας ενεργότητας, οδηγώντας σε συντελεστές διόρθωσης από 10% έως και 50% σε σοβαρές περιπτώσεις εξαγγείωσης, επηρεάζοντας κυρίως τις τιμές SUV. Συμπεράσματα: Η προτεινόμενη προσέγγιση μοντελοποίησης ανά ανατομική περιο χή παρέχει μια πρακτική και επεκτάσιμη μέθοδο για την ανίχνευση εξαγγειώσεων ραδιο φαρμάκου απευθείας από τα δεδομένα της PET εξέτασης. Μέσω της εκτίμησης της μη ανιχνευόμενης ενεργότητας και της διόρθωσης των τιμών SUV, το πλαίσιο αυτό έχει τη δυνατότητα να βελτιώσει την ακρίβεια και την αξιοπιστία της ποσοτικής απεικόνισης PET χωρίς την ανάγκη πρόσθετου εξοπλισμού. Επιπλέον, η ανάπτυξη ενός διαδραστικού ερ γαλείου που επιτρέπει την άμεση σύγκριση μεταξύ μετρούμενων και αναμενόμενων counts μπορεί να βοηθήσει τους ιατρούς στον εντοπισμό και την εκτίμηση μιας εξαγγείωσης, στην αξιολόγηση της έκτασής της και στην πραγματοποίηση έγκαιρων προσαρμογών της κλινικής διαδικασίας.","Background: Positron Emission Tomography combined with Computed Tomography (PET/CT) is widely used for the assessment of disease extent and metabolic activity. While CT provides anatomical information, PET enables quantitative evaluation of physiological processes through radiotracer uptake, commonly expressed using the Standardized Uptake Value (SUV). The reliability of SUV measurements depends critically on accurate radiotracer administration. Extravasation, defined as the unintended leakage of radiotracer at the injection site, reduces the effective circulating activity and leads to systematic underestimation of detected counts and quantitative indices. Objective: The aim of this work is to develop a data driven framework for pre dicting expected PET count rates across anatomical regions in 18F-FDG PET/CT scans. By comparing predicted and measured counts, the method seeks to identify discrepancies associated with extravasation, estimate the corresponding missing activity, and enable correction of affected quantitative indices such as SUV. It further aims to assist medical staff in their decision making, by helping them adjust parameters such as acquisition time or effective activity at the time of scan, when an extravasation is detected beforehand. Methods: A dataset of 105 patients undergoing 18F-FDG PET/CT imaging was retro spectively analyzed. For each patient, demographic, anthropometric, and acquisition related parameters were collected, including injected activity, uptake time, and measured count rates per bed position. Anatomical regions were defined based on normalized axial position. Multiple machine learning models, including linear regression, Elastic Net, Random Forest, and XGBoost, were trained to predict region specific count rates. Model performance was evaluated using standard metrics (RMSE, MAE, and R2) and cross-validation. Deviations between predicted and measured counts were interpreted as missing counts and converted to activity using scanner sensitivity, enabling estimation of extravasated activity and subsequent SUV correction. Results: Model performance varied across anatomical regions, with the highest predictive accuracy observed in regions of lower physiological variability, such as the neck and thorax (R2 ≈ 0.35–0.40), and reduced performance in highly variable regions such as the abdomen and head. Linear and Elastic Net models demonstrated more of a consistent performance, while more complex models did not yield significant improvements. The proposed methodology successfully identified discrepancies in known extravasation cases and enabled estimation of missing activity, leading to correction factors from 10% up to 50% in large cases of extravasation, in affected quantitative indices, mainly the SUV. Conclusions: The proposed region specific modeling approach provides a practical and scalable method for detecting radiotracer extravasation directly from PET acquisition data. By enabling estimation of missing activity and correction of SUV measurements, this framework has the potential to improve the accuracy and reliability of quantitative PET imaging without the need for additional hardware. Furthermore, the development of an interactive tool that allows for quick comparison between measured and expected counts, can help physicians detect and estimate an extravasation, its extent and make quick adjustments."]},{"key":"dc:title","label":"Title","values":["Anatomically aware machine learning modeling of PET count rates for detection and quantification of radiotracer extravasation"]}]}],"canonical_facts":{"dc:creator":["Κουκοπούλου Αικατερίνη","Koukopoulou Aikaterini"],"dc:date":["2026"],"dc:description":["Υπόβαθρο: Η Τομογραφία Εκπομπής Ποζιτρονίων σε συνδυασμό με την Αξονι κή Τομογραφία (PET/CT) χρησιμοποιείται ευρέως για την εκτίμηση της έκτασης των νοσημάτων και της μεταβολικής δραστηριότητας. Ενώ η αξονική τομογραφία παρέχει ανατομική πληροφορία, η PET επιτρέπει την ποσοτική αξιολόγηση φυσιολογικών διεργα σιών μέσω της πρόσληψης ραδιοφαρμάκου, η οποία συνήθως εκφράζεται με τη χρήση της Τυποποιημένης Τιμής Πρόσληψης (Standardized Uptake Value, SUV). Η αξιοπιστία των μετρήσεων SUV εξαρτάται σε μεγάλο βαθμό από την ορθή χορήγηση του ραδιοφαρμάκου. Ηεξαγγείωση, η οποία ορίζεται ως η ακούσια διαρροή του ραδιοφαρμάκου στο σημείο της έγχυσης, μειώνει την πραγματικά κυκλοφορούσα ενεργότητα και οδηγεί σε συστηματική υποεκτίμηση των καταγεγραμμένων ςουντς και των ποσοτικών δεικτών. Σκοπός: Στόχος της παρούσας εργασίας είναι η ανάπτυξη ενός πλαισίου βασισμένου σε δεδομένα για την πρόβλεψη των αναμενόμενων ρυθμών καταμέτρησης PET σε διαφο ρετικές ανατομικές περιοχές εξετάσεων 18F-FDG PET/CT. Μέσω της σύγκρισης μεταξύ προβλεπόμενων και μετρούμενων counts, η προτεινόμενη μεθοδολογία επιδιώκει να εντο πίσει αποκλίσεις που σχετίζονται με εξαγγείωση, να εκτιμήσει τη μη ανιχνευόμενη ενερ γότητα και να επιτρέψει τη διόρθωση επηρεαζόμενων ποσοτικών δεικτών, όπως το SUV. Επιπλέον, αποσκοπεί στην υποστήριξη της λήψης κλινικών αποφάσεων, παρέχοντας τη δυνατότητα προσαρμογής παραμέτρων όπως ο χρόνος λήψης ή η πραγματική ενεργότητα κατά τη στιγμή της σάρωσης, όταν η εξαγγείωση έχει εντοπιστεί εκ των προτέρων. Μέθοδοι: Αναλύθηκε αναδρομικά σύνολο δεδομένων αποτελούμενο από 105 ασθε νείς που υποβλήθηκαν σε απεικόνιση 18F-FDG PET/CT. Για κάθε ασθενή συλλέχθηκαν δημογραφικά, ανθρωπομετρικά και σχετιζόμενα με την εξέταση χαρακτηριστικά, συμπερι λαμβανομένων της χορηγούμενης ενεργότητας, του χρόνου πρόσληψης και των μετρούμε νων ρυθμών καταμέτρησης ανά θέση κλίνης. Οι ανατομικές περιοχές ορίστηκαν βάσει της κανονικοποιημένης αξονικής θέσης. Εκπαιδεύτηκαν πολλαπλά μοντέλα μηχανικής μάθη σης, συμπεριλαμβανομένων της Γραμμικής Παλινδρόμησης, του Elastic Net, του Random Forest και του XGBoost, με σκοπό την πρόβλεψη των ρυθμών καταμέτρησης ανά ανατομική περιοχή. Η απόδοση των μοντέλων αξιολογήθηκε με τη χρήση τυπικών μετρικών (RMSE, MAE και R2) καθώς και με διασταυρούμενη επικύρωση (cross-validation). Οι αποκλίσεις μεταξύ προβλεπόμενων και μετρούμενων ςουντς θεωρήθηκαν ως μη ανιχνευ όμενα ςουντς και μετατράπηκαν σε ενεργότητα μέσω της ευαισθησίας του συστήματος PET, επιτρέποντας την εκτίμηση της εξαγγειωμένης ενεργότητας και τη συνακόλουθη διόρθωση των τιμών SUV. Αποτελέσματα: Η απόδοση των μοντέλων παρουσίασε διαφοροποιήσεις μεταξύ των ανατομικών περιοχών, με τη μεγαλύτερη ακρίβεια πρόβλεψης να παρατηρείται σε περιοχές χαμηλότερης φυσιολογικής μεταβλητότητας, όπως ο τράχηλος και ο θώρακας (R2 ≈ 0.35 0.40), ενώ χαμηλότερη απόδοση καταγράφηκε σε περιοχές με αυξημένη μεταβλητότητα, όπως η κοιλιακή χώρα και η κεφαλή. Τα μοντέλα Γραμμικής Παλινδρόμησης και Elastic Net παρουσίασαν τη σταθερότερη συνολική συμπεριφορά, ενώ τα πιο σύνθετα μοντέλα δεν οδήγησαν σε σημαντική βελτίωση της απόδοσης. Η προτεινόμενη μεθοδολογία εντόπισε επιτυχώς αποκλίσεις σε γνωστές περιπτώσεις εξαγγείωσης και επέτρεψε την εκτίμηση της απολεσθείσας ενεργότητας, οδηγώντας σε συντελεστές διόρθωσης από 10% έως και 50% σε σοβαρές περιπτώσεις εξαγγείωσης, επηρεάζοντας κυρίως τις τιμές SUV. Συμπεράσματα: Η προτεινόμενη προσέγγιση μοντελοποίησης ανά ανατομική περιο χή παρέχει μια πρακτική και επεκτάσιμη μέθοδο για την ανίχνευση εξαγγειώσεων ραδιο φαρμάκου απευθείας από τα δεδομένα της PET εξέτασης. Μέσω της εκτίμησης της μη ανιχνευόμενης ενεργότητας και της διόρθωσης των τιμών SUV, το πλαίσιο αυτό έχει τη δυνατότητα να βελτιώσει την ακρίβεια και την αξιοπιστία της ποσοτικής απεικόνισης PET χωρίς την ανάγκη πρόσθετου εξοπλισμού. Επιπλέον, η ανάπτυξη ενός διαδραστικού ερ γαλείου που επιτρέπει την άμεση σύγκριση μεταξύ μετρούμενων και αναμενόμενων counts μπορεί να βοηθήσει τους ιατρούς στον εντοπισμό και την εκτίμηση μιας εξαγγείωσης, στην αξιολόγηση της έκτασής της και στην πραγματοποίηση έγκαιρων προσαρμογών της κλινικής διαδικασίας.","Background: Positron Emission Tomography combined with Computed Tomography (PET/CT) is widely used for the assessment of disease extent and metabolic activity. While CT provides anatomical information, PET enables quantitative evaluation of physiological processes through radiotracer uptake, commonly expressed using the Standardized Uptake Value (SUV). The reliability of SUV measurements depends critically on accurate radiotracer administration. Extravasation, defined as the unintended leakage of radiotracer at the injection site, reduces the effective circulating activity and leads to systematic underestimation of detected counts and quantitative indices. Objective: The aim of this work is to develop a data driven framework for pre dicting expected PET count rates across anatomical regions in 18F-FDG PET/CT scans. By comparing predicted and measured counts, the method seeks to identify discrepancies associated with extravasation, estimate the corresponding missing activity, and enable correction of affected quantitative indices such as SUV. It further aims to assist medical staff in their decision making, by helping them adjust parameters such as acquisition time or effective activity at the time of scan, when an extravasation is detected beforehand. Methods: A dataset of 105 patients undergoing 18F-FDG PET/CT imaging was retro spectively analyzed. For each patient, demographic, anthropometric, and acquisition related parameters were collected, including injected activity, uptake time, and measured count rates per bed position. Anatomical regions were defined based on normalized axial position. Multiple machine learning models, including linear regression, Elastic Net, Random Forest, and XGBoost, were trained to predict region specific count rates. Model performance was evaluated using standard metrics (RMSE, MAE, and R2) and cross-validation. Deviations between predicted and measured counts were interpreted as missing counts and converted to activity using scanner sensitivity, enabling estimation of extravasated activity and subsequent SUV correction. Results: Model performance varied across anatomical regions, with the highest predictive accuracy observed in regions of lower physiological variability, such as the neck and thorax (R2 ≈ 0.35–0.40), and reduced performance in highly variable regions such as the abdomen and head. Linear and Elastic Net models demonstrated more of a consistent performance, while more complex models did not yield significant improvements. The proposed methodology successfully identified discrepancies in known extravasation cases and enabled estimation of missing activity, leading to correction factors from 10% up to 50% in large cases of extravasation, in affected quantitative indices, mainly the SUV. Conclusions: The proposed region specific modeling approach provides a practical and scalable method for detecting radiotracer extravasation directly from PET acquisition data. By enabling estimation of missing activity and correction of SUV measurements, this framework has the potential to improve the accuracy and reliability of quantitative PET imaging without the need for additional hardware. Furthermore, the development of an interactive tool that allows for quick comparison between measured and expected counts, can help physicians detect and estimate an extravasation, its extent and make quick adjustments."],"dc:identifier":["uoadl:5410374","https://pergamos.lib.uoa.gr/uoa/dl/object/5410374"],"dc:language":["English"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Anatomically aware machine learning modeling of PET count rates for detection and quantification of radiotracer extravasation"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-07-24T01:02:36Z"}