High-resolution positron imaging of tumor metabolism has previously been applied for some preclinical and intraoperative clinical applications. However, the interpretation of measured positron signals with respect to the underlying physiology is not straightforward and less quantitative. This thesis developed computational modeling methods to investigate the mechanisms of substrate and positron-emitting tracer metabolisms in solid tumors, and positron depositions in a silicon detector in the imaging process. A novel tumor physiology model was proposed to describe the interactions of relevant key metabolites within the network of metabolic pathways. The quantitative relationship between pathophysiological factors (such as expressions of enzyme, transporter and transcriptional factors, and vascular distribution) and tumor metabolism was established to support molecular imaging analysis. To understand the physical principles of positron imaging, the traversing processes of positrons in the silicon detector was modeled by Monte-Carlo simulation. In particular, we developed for the first time a machine learning approach to improve the spatial resolution by classifying the primary pixels within the detector using support vector machine. The classification model was constructed by learning the features of positron trajectories based on Monte-Carlo simulations. Computational modeling helps to capture the metabolic characteristics behind the positron imaging signals, provides an in-depth understanding of co-influences of physiological and system factors on measured signals, and has the potential to accelerate the development of positron imaging for clinical and preclinical applications.     «

High-resolution positron imaging of tumor metabolism has previously been applied for some preclinical and intraoperative clinical applications. However, the interpretation of measured positron signals with respect to the underlying physiology is not straightforward and less quantitative. This thesis developed computational modeling methods to investigate the mechanisms of substrate and positron-emitting tracer metabolisms in solid tumors, and positron depositions in a silicon detector in the ima...     »

Hochauflösende Positronen-Bildgebung des Tumor-Metabolismus wurde in früheren Arbeiten schon auf präklinische und intraoperative klinische Anwendungen angewendet. Jedoch ist die Interpretation von gemessenen Positronen-Signalen in Hinblick auf die zugrundeliegende Physiologie sehr anspruchsvoll und bislang wenig quantitativ. In dieser Arbeit wurden Computermodelle entwickelt, um den Mechanismus von molekularer Bildgebung in soliden Tumoren zu untersuchen und um die Positronenwechselwirkung in einem Siliziumdetektor bei der Positronen-Bildgebung zu bestimmen. Eine neuartiges Modell der Tumor-Physiologie wurde vorgeschlagen, um die Wechselwirkungen von relevanten Schlüssel-Stoffwechselprodukten in dem Netzwerk von Stoffwechselwegen zu beschreiben. Eine quantitative Beziehung zwischen pathophysiologischen Faktoren (wie Expressionen von Enzymen, Transport und transkriptionelle Faktoren und Gefäßverteilung), und dem Tumor-Metabolismus wurde etabliert, um die Analyse der molekularen Bildgebung zu unterstützen. Um die physikalischen Prinzipien der Positronen-Bildgebung zu verstehen, wurde der im Siliziumdetektor ablaufende Prozess durch Monte-Carlo-Simulation modelliert. Insbesondere haben wir zum ersten Mal einen Ansatz entwickelt, der maschinelle Lerntechniken mit Unterstützung der Support-Vektor-Maschine verwendet, um die räumliche Auflösung durch Klassifizierung von Primär-Pixeln innerhalb des Positronen-Detektors zu verbessern. Die Klassifizierung wurde durch das Erlernen der Eigenschaften der Prositronen-Bahnen im Detektormaterial konstruiert, die auf Monte-Carlo-Simulationen basieren. Rechnerische Modelle können helfen, die metabolischen Merkmale hinter den Signalen der Positronen-Bildgebung zu erfassen. Sie geben ein tieferes Verständnis des Einflusses der physiologischen Faktoren und der Systemfaktoren auf die gemessenen Signale und besitzen das Potential, die Entwicklung von Positron-Bildgebung für klinische und vorklinische Anwendungen zu beschleunigen.      «

Hochauflösende Positronen-Bildgebung des Tumor-Metabolismus wurde in früheren Arbeiten schon auf präklinische und intraoperative klinische Anwendungen angewendet. Jedoch ist die Interpretation von gemessenen Positronen-Signalen in Hinblick auf die zugrundeliegende Physiologie sehr anspruchsvoll und bislang wenig quantitativ. In dieser Arbeit wurden Computermodelle entwickelt, um den Mechanismus von molekularer Bildgebung in soliden Tumoren zu untersuchen und um die Positronenwechselwirkung in ei...     »