An analytical scatter correction for singles-mode transmission data in PET
Notice bibliographique
Résumé
We present a scatter correction for singles-mode transmission data and its implementation as part of an iterative image reconstruction algorithm (OSTR). We compared our scatter calculation data with previously validated simulation data for three uniform water cylinders (radii of 25, 30 and 45 mm) using68Ge (a positron emitter) and57Co (122 keV photon emitter) transmission sources. Our scatter correction correctly predicts the contribution from single-scattered (one Compton interaction) photons to the sinogram data. Our correction also provides good agreement for the percent scatter fraction (SF) per sinogram for all phantom sizes and both transmission sources. We applied our scatter correction to experimental data from the microPET Focus 120 small animal scanner for three different sized uniform water cylinders and for a non-uniform phantom consisting of water, Teflon and air. The reconstructed linear attenuation coefficients (mu-values) agreed with expected values to within 4% for both the68Ge and57Co transmission sources and all phantoms. Using a 2.2 GHz processor our scatter correction requires between 7 to 20 minutes of CPU time depending on the phantom size and source used. This extra calculation time does not seem unreasonable considering that, without scatter corrections, errors in the reconstructed mu-values were between 28 to 40% depending on the phantom size and transmission source used. Simple rescaling or segmentation of uncorrected mu-map images does not provide an adequate alternative to scatter correction, since these errors depend on the radial position within an image slice and can be on the order of the difference between the mu-values for water and bone.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».