SU‐GG‐I‐109: Using EGSnrc Within GATE to Improve the Efficiency Of positron Emission Tomography Simulations
Notice bibliographique
Résumé
Purpose: GATE, a Geant4 based application for use in emission tomography, is a powerful package that permits realistic Monte Carlo simulations of both, the scanner geometry and the digitization chain. The main problem when using GATE in practice is its slow simulation speed. The purpose of this investigation is to improve the efficiency of PET related simulations. Method and Materials: An EGSnrc based radiation transport tool, referred to as egs_pet, is developed. egs_pet can be used together with GATE in two modes: In mode 1, egs_pet performs the simulation of radiation transport in the phantom and passes exiting particles to GATE for further transport through the scanner geometry and for digitization. In mode 2, egs_pet performs the entire simulation and writes energy depositions in the detectors to a file. GATE is modified to be able to read this file when performing the digitization. Results: The correct operation of egs_pet within GATE is validated using benchmark calculations of a source within a water phantom and a detailed model of the GE Advance PET scanner. In mode 1, the number of singles and coincidences are found to agree with GATE within the statistical uncertainties (0.2% for singles). Differences of about 0.5% are observed in mode 2, which can be attributed to differences between Geant4 and EGSnrc when modeling binding effects for photon interactions in BGO. For a 4 mm voxel phantom, the simulation efficiency is increased by a factor of 4 in mode 1, and by a factor of 130 or 44 with digitization excluded or included in mode 2. Conclusion: A new Monte Carlo tool for PET simulations based on EGSnrc is developed and incorporated into GATE. Significant gains in simulation efficiency are achieved. Results from egs_pet simulations agree with GATE at the 1% level.
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 | 0,001 |
| 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 ».