Design and Implementation of an Automated Partial Volume Correction in PET: Application to Dopamine Receptor Quantification in the Normal Human Striatum
Notice bibliographique
Résumé
UNLABELLED: The considerable effort and potential lack of reproducibility of human-driven PET quantification and partial volume correction (PVC) can be alleviated by use of atlas-based automatic analysis. The present study examined the application of a new algorithm designed to automatically define 3-dimensional regions of interest (ROIs) and their effect on dopamine receptor quantification in the normal human brain striatum, both without and with PVC. METHODS: A total of 90 healthy volunteers (age range, 18-46 y) received a single injection of (11)C-raclopride, and automatic segmentation of concomitant structural MR images was performed using a maximum-probability atlas in combination with a trained neural network. For each identified tissue segment considered homogeneous for the tracer (or volumes of interest [VOIs]), an a priori criterion based on minimum axial recovery coefficient (RC(zmin) = 50%, 75%, and 90%) was used to constrain the extent of each ROI. RESULTS: With ROIs essentially overlapping the entire VOI volume (obtained with RC(zmin) = 50%), the binding potential (BP(ND)) of (11)C-raclopride was found to be around 2.2 for caudate and 2.9 for putamen, an underestimation by 35% and 28%, respectively, according to PVC values. At increased RC(zmin), BP(ND) estimates of (11)C-raclopride were increased by 12% and 21% for caudate and 8% and 15% for putamen when the associated ROIs decreased to around 65% and 43% of total tissue volume (VOI) for caudate and 67% and 31% for putamen. After PVC, we observed relative increases in BP(ND) variance of 12% for caudate and 20% for putamen, whereas estimated BP(ND) values all increased to 3.4 for caudate and 4.0 for putamen, regardless of ROI size. Dopamine receptor concentrations appeared less heterogeneous in the normal human striatum after PVC than they did without PVC: the 25%-30% difference in BP(ND) estimates observed between caudate and putamen remained significant after PVC but was reduced to slightly less than 20%. Furthermore, the results were comparable with those obtained with a manual method currently in use in our laboratory. CONCLUSION: The new algorithm allows for traditional PET data extraction and PVC in an entirely automatic fashion, thus avoiding labor-intensive analyses and potential intra- or interobserver variability. This study also offers the first, to our knowledge, large-scale application of PVC to dopamine D(2)/D(3) receptor imaging with (11)C-raclopride in humans.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».