Detector response correction for 3D PET using Bayesian modeling of the location Of interaction
Notice bibliographique
Résumé
The unknown exact locations of the interaction (LOI) of photons within detector crystals is a major contribution to the loss of resolution in PET imaging. This effect is intensified with larger distances of the objects from the center of the field-of-view of the camera. In this work we propose a method that recover the loss of the resolution due to unknown LOI. The new method is an unique approach defined in Bayesian framework where the LOIs for two annihilation photons are modeled within the crystal volumes in which they were detected. LOI for each detected event is modeled independently, therefore that method works for binned and list-mode data. The approach was implemented for the minimum-mean-square-error (MMSE) estimator of the number of emissions per voxel. The Markov Chain Monte Carlo origin ensemble algorithm to find the estimator from the projection data was used. We performed computer simulations in 3D using Monte Carlo software of the data acquisitions and simulated Siemens Biograph PET scanner. We used small hot lesion phantom with nine 0.5 cm in diameter spheres placed in warm background. We found that compared to reconstructions with known LOIs for which we assumed that no loss of resolution occurred due to unknown LOI, the correction method proposed in this paper recovered the contrast for investigated object positioned in the center of the scanner. The contrast was only 80% recovered for the phantom positioned off-center due to suboptimal modeling of the LOIs. As expected, an increase in apparent noise in the reconstructed image was observed. This was especially evident for the background region. The method is a novel approach that can be used to improve the spatial resolution of images obtained by PET scanners. The method is directly applicable to time-of-flight PET.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».