MétaCan
Menu
Retour à la cohorte
Enregistrement W1987391761 · doi:10.1088/0031-9155/51/10/008

Simulation of scattering and attenuation of 511 keV photons in a combined PET/field-cycled MRI system

2006· article· en· W1987391761 sur OpenAlexafffund
William B. Handler, Kyle M. Gilbert, Hao Peng, Blaine A. Chronik

Notice bibliographique

RevuePhysics in Medicine and Biology · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésAttenuationPhysicsPhotonShim (computing)Correction for attenuationImage qualityMonte Carlo methodMagnetic resonance imagingNuclear magnetic resonanceOpticsComputational physicsMaterials scienceComputer scienceRadiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Mixing the imaging modalities of positron emission tomography (PET) and magnetic resonance imaging (MRI) will offer the best soft tissue contrast (MRI) with information about metabolic function (PET). The high magnetic field environment of an MRI system makes the detection of annihilation photons difficult, as the response of standard photo-multiplier tubes is compromised. An approach using field-cycled MRI is discussed here, as field-cycled MRI makes it possible to have long periods of time available for nuclear imaging when there is no magnetic field present. This work focuses upon the effect of the field-cycled MRI upon the nuclear image due to the added material providing additional attenuation of the PET signal, and additional nuclei for scatter. These effects are studied using a Monte Carlo simulation based upon the GEANT libraries. Attenuation effects are shown to be significant, approximately 6% for the RF shield and coil and approximately 24% for the gradients. No significant effect is seen in image quality due to the scattering of the gammas. With these levels of attenuation it is concluded that open gradient coils and shim coils are required around the imaging volume.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,768
Score d'incertitude au seuil0,191

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,391
Écart entre enseignants0,299 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations38
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207