SU‐D‐9A‐03: STAMP: Simulator for Texture Analysis in MRI/PET
Notice bibliographique
Résumé
Purpose: To develop a convenient simulation platform to facilitate PET/MR image analysis with the prospect of gaining a better understanding of the influence of acquisition parameters on PET/MRI textural features. The simulation platform is demonstrated by showing textural variations of a representative case study using different image acquisition parameters. Methods: The simulation platform is composed of MRI simulators JEMRIS and SIMRI to achieve simulations of customized MRI sequences on sample tumor models. The PET simulator GATE is used to get 2D and 3D Monte Carlo acquisitions of voxelized PET sources using a phantom geometry and a customized scanner architecture. The platform incorporates a series of graphical user interfaces written in Matlab. Two GUIs are used to facilitate communication with the simulation executables installed on a computer cluster. A third GUI is used to collect and display the clinical and simulated images, as well as fused PET/MRI images, and perform computation of textural features. To illustrate the capabilities of this platform, one FDG‐PET and T1‐weighted (T1w) digitized tumor models were generated from clinical images of a soft‐tissue sarcoma patient. Numerically simulated MR images were produced using 3 different echo times (TE) and 5 different repetition times (TR). PET 2D images were simulated using an OSEM algorithm with 1 to 32 iterations and a post‐reconstruction Gaussian filter of 0, 2, 4 or 6 mm width. Results: STAMP was successfully used to produce numerically simulated FDG‐PET and MRI images, and to calculate their corresponding textures. Three typical textures (GLCM‐Contrast, GLSZM‐ZSV and NGTDM‐Coarseness) were found to vary by a range of 45% on average compared to reference scanning conditions in the case of FDG‐PET, and by a range of 40% in the case of T1w MRI. Conclusion: We have successfully developed a Matlab‐based simulation platform to facilitate PET/MRI texture image analysis for outcome prediction.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».