MétaCan
Menu
Retour à la cohorte
Enregistrement W1977480557 · doi:10.1118/1.4740193

Sci—Fri AM: Imaging — 07: Symmetric geometric transfer matrix partial volume correction technique for emission tomography: Principle, validation, and robustness

2012· article· en· W1977480557 sur OpenAlexaff
Mike Sattarivand, Maggie Kusano, Ian Poon, Curtis Caldwell

Notice bibliographique

RevueMedical Physics · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRobustness (evolution)Imaging phantomSingle-photon emission computed tomographyVoxelPartial volumePositron emission tomographyPoint spread functionAlgorithmTomographyImage resolutionNoise (video)Computer sciencePhysicsMathematicsArtificial intelligenceOpticsNuclear medicineImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Partial volume correction (PVC) is often needed to correct for limited spatial resolution in quantitative Positron Emission Tomography (PET) and Single Photon Emission Computed Tomography (SPECT) studies. In conventional region-based PVC methods, spill over between regions segmented from coregistered computed tomography (CT) or magnetic resonance (MR) images is accounted for by calculating regional spread functions (RSFs) in a geometric transfer matrix (GTM) framework. This paper describes a new analytically derived symmetric GTM (sGTM) method that considers spill over between RSFs rather than between regions. The sGTM is mathematically equivalent to Labbe's method, however it is region-based rather than voxel-based and it avoids handling large matrices. The sGTM method was validated using an MR-based 3D digital brain phantom and a physical phantom containing spheres 5 mm to 30 mm in diameter. The sGTM method was compared to the GTM method in terms of accuracy, precision, noise propagation, and robustness, i.e. effects of mis-registration or point spread function (PSF) estimation errors. The results showed that the sGTM method has accuracy similar to that of the GTM method, and within 5% of the true value. However, the sGTM method showed better precision and noise propagation than the GTM method, especially for spheres smaller than 13 mm. Moreover, the sGTM method was more robust than the GTM method when misregistration or errors in estimates of PSF occurred. In conclusion, the sGTM method was analytically derived and validated and shown to exhibit better noise characteristics and robustness compared to the GTM method.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,222

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0660,035

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,324
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207