SU‐E‐I‐170: Improvement of Quantification for Tumors with Non‐Uniform Activity Distributions: SPECT Simulation Study
Notice bibliographique
Résumé
Purpose: We examined the ability of a template‐based method for partial volume effect correction (PVEC) to improve activity distributions inside tumors. Methods: We simulated oncology SPECT scans with an 80mL cylindrical object representing the tumor. This object was divided into two parts filled with different activities. In total, three cases with different activity ratios in those parts were considered and, correspondingly, the spill‐ in and spill‐out between (i) tumor/background and (ii) parts of the tumor were modeled. We assumed that a structural imaging modality could be used to visualize the boundaries of our tumor‐like object, but not the internal boundary between the parts of the object. From simulated SPECT acquisitions, we first reconstructed images by method M1 with corrections for attenuation, scatter, and resolution loss, portraying the most advanced reconstruction currently available in clinics. Secondly, we applied our PVEC technique M2, which iteratively updates activity both inside and outside the delineated tumor. This method takes into account that not only is the tumor affected by spill‐out, but also the surrounding background is affected by spill‐in. Results: Our PVEC effectively corrected for the partial volume effect by accurately modeling spill‐in and spill‐out through known “external” boundaries of the tumor‐like object. In three considered cases, method M1 underestimated total activities in tumors by 5–21%. After applying PVEC, these errors ranged from 8% to 12%. Additionally, method M2 improved the activity distribution. The relative error of the voxelized tumor activity distribution was 21–26% for method M1 and 11–17% for method M2. However, as the borderline between tumor parts was unavailable, accurate restoration of activity in this zone could not be performed. This limitation becomes more pronounced as the ratio of activities in these two parts increases. Conclusions: Template‐based PVECs can considerably improve not only the total activity, but also vozelized activity distributions in tumors.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».