Performance of the dynamic single photon emission computed tomography (dSPECT) method for decreasing or increasing activity changes
Notice bibliographique
Résumé
Radionuclide imaging is now widely used whenever functional information is required. We present a new approach to dynamic SPECT imaging (dSPECT method) that uses a single slow rotation of a conventional camera and allows us to reconstruct a series of 3D images corresponding to the radiotracer distribution in the body at various times. Using simulations of various camera configurations and acquisition protocols, we have shown that this method is able to reconstruct washout half-lives with an accuracy greater than 90% when used with triple-head SPECT cameras. Accuracy decreases when using fewer camera heads, but dual-head geometries still give an accuracy greater than 80% for short and 90% for long half-lives and about 50-75% for single-head systems. Dynamic phantom experiments have yielded similar results. Presence of attenuation and background activity does not affect the accuracy of the dSPECT reconstructions. In all situations investigated satisfactory dynamic images were produced. A preliminary normal volunteer study measuring renal function was performed. The reconstructed dynamic images may be presented as a three-dimensional movie showing movement of the tracer through the kidneys and the measurement of the regional renal function can be performed. The time-activity curves determined from this dSPECT data are very similar to those obtained from dynamic planar scans.
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 | 0,000 |
| 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 ».