Implementation of an iterative scatter correction, the influence of attenuation map quality and their effect on absolute quantitation in SPECT
Notice bibliographique
Résumé
We investigated the accuracy of qSPECT, a quantitative SPECT reconstruction algorithm we have developed which employs corrections for collimator blurring, photon attenuation and scatter, and provides images in units of absolute radiotracer concentrations (kBq cm(-3)). Using simulated and experimental phantom data with characteristics similar to clinical cardiac perfusion data, we studied the implementation of a scatter correction (SC) as part of an iterative reconstruction protocol. Additionally, with experimental phantom studies we examined the influence of CT-based attenuation maps, relative to those obtained from conventional SPECT transmission scans, on SCs and quantitation. Our results indicate that the qSPECT estimated scatter corrections did not change appreciably after the third iteration of the reconstruction. For the simulated data, qSPECT concentrations agreed with images reconstructed using ideal, scatter-free, simulated data to within 6%. For the experimental data, we observed small systematic differences in the scatter fractions for data using different combinations of SCs and attenuation maps. The SCs were found to be significantly influenced by errors in image coregistration. The reconstructed concentrations using CT-based corrections were more quantitatively accurate than those using attenuation maps from conventional SPECT transmission scans. However, segmenting the attenuation maps from SPECT transmission scans could provide sufficient accuracy for most applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».