Sci—Fri AM: Imaging — 06: The role of body mass and gender in atlas construction for attenuation correction in PET/MRI
Notice bibliographique
Résumé
Attenuation correction (AC) in PET/MRI is difficult as there is no clear relationship between MR signal and 511 keV attenuation coefficients (μ) as there is with CT. One approach is to register a pre-defined atlas of μ to the PET/MRI for AC. However, the design of the atlas may strongly influence the quantitative accuracy of the AC. Here we compare 3 different atlas design approaches and evaluate their performance in an oncology patient population. The 3 strategies were: use of BMI-dependent atlases; use of gender-dependent atlases, and use of a gender- and sex-independent atlas. Seventeen patients were imaged with FDG PET/CT and subsequently scanned with 3T MRI. MR and PET/CT images were coregistered, CT scans converted to μ-maps, and the resulting MRI/μ-map paired data were used to construct 6 atlases: averaged male and female atlases, averaged BMI-specific atlases (obese >30, overweight 25-29.9, Normal 18.5-24.9), and a single atlas comprised of all patients averaged together. The atlases were then used for PET AC for patients not included in the construction of the atlas in a leave-one-out manner. Resulting PET images were compared to each other and to the gold-standard CT-based PET reconstructions across all voxels and tissue-specific regions (soft-tissue, bone, lung). Sex-specific atlases yielded best results (average relative percent error over the 3 VOIs = 0.4509) & BMI-based atlases yielded highest average relative percent error at 0.9340. In all cases, highest errors were in the VOIs located in the livers.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,184 | 0,096 |
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 ».