A comparison of MR-based attenuation correction in PET versus SPECT
Notice bibliographique
Résumé
Attenuation correction (AC) is a critical step in the reconstruction of quantitatively accurate positron emission tomography (PET) and single photon emission computed tomography (SPECT) images. Several groups have proposed magnetic resonance (MR)-based AC algorithms for application in hybrid PET/MR systems. However, none of these approaches have been tested on SPECT data. Since SPECT/MR systems are under active development, it is important to ascertain whether MR-based AC algorithms validated for PET can be applied to SPECT. To investigate this issue, two imaging experiments were performed: one with an anthropomorphic chest phantom and one with two groups of canines. Both groups of canines were imaged from neck to abdomen, one with PET/CT and MR (n = 4) and the other with SPECT/CT and MR (n = 4), while the phantom was imaged with all modalities. The quality of the nuclear medicine reconstructions using MR-based attenuation maps was compared between PET and SPECT on global and local scales. In addition, the sensitivity of these reconstructions to variations in the attenuation map was ascertained. On both scales, it was found that the SPECT reconstructions were of higher fidelity than the PET reconstructions. Further, they were less sensitive to changes to the MR-based attenuation map. Thus, MR-based AC algorithms that have been designed for PET/MR can be expected to demonstrate improved performance when used for SPECT/MR.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».