본 논문은 [$^{18}$F]FDG 동적 PET 영상에서 포도당 대사를 정량화하는 데 사용되는 두 조직 구획 모델(TCKM)의 운동 매개변수 추정을 위한 새로운 방법을 제시합니다. 기존의 방법들은 계산 비용이 많이 들고 공간 분해능이 제한적이라는 단점이 있으며, 심층 신경망(DNN)은 많은 훈련 데이터와 계산 자원을 필요로 합니다. 본 연구에서는 암묵적 신경 표현(INR)을 기반으로 하는 생리학적 신경 표현을 제안하여 이러한 한계를 극복합니다. INR은 연속 함수를 학습하여 데이터 요구량을 줄이면서 효율적이고 고해상도의 매개변수 이미징을 가능하게 합니다. 또한 3D CT 기반 모델의 해부학적 사전 정보를 통합하여 운동 모델링의 강건성과 정확성을 향상시킵니다. 실험 결과, 기존 DNN보다 우수한 공간 분해능, 낮은 평균 제곱 오차, 그리고 특히 종양 및 혈관이 풍부한 영역에서 향상된 해부학적 일관성을 보였습니다. 이는 INR이 개인 맞춤형이고 데이터 효율적인 추적자 운동 모델링에 잠재력이 있음을 보여주며, 종양 특성 분석, 분할 및 예후 평가에 응용될 수 있음을 시사합니다.
