Notice bibliographique
Résumé
Positron emission tomography (PET) is widely recognized as a highly effective functional imaging modality. Unfortunately, standard PET cannot be used for dual-isotope imaging (which would allow for simultaneous investigation of two different biological processes), because positron-electron annihilation products from different tracers are indistinguishable in terms of energy. Methods that have been proposed for dual-isotope PET rely on differences in half-lives of the participating isotopes; these approaches, however, require making assumptions concerning kinetic behavior of the tracers and may not lead to optimal results. In this paper we propose a novel approach for dual-isotope PET and investigate its performance using GATE simulations. Our method requires one of the two radioactive isotopes to be a pure positron emitter and the second isotope to emit an additional high-energy gamma in a cascade simultaneously with positron emission. Detection of this auxiliary prompt gamma in coincidence with the annihilation event allows us to identify the corresponding 511 keV photon pair as originating from the same isotope. Two list-mode datasets are created: a primary dataset that contains all detected 511 keV photon pairs from both isotopes, and a second, tagged (much smaller) dataset that contains only those PET events for which a coincident prompt gamma has also been detected. An image reconstructed from the tagged dataset reflects the distribution of the second positron-gamma radiotracer and serves as a prior for the reconstruction of the primary dataset. Our preliminary simulation study with partially overlapping (18)F/(22)Na and (18)F/(60)Cu radiotracer distributions showed that in these two cases the dual-isotope PET method allowed for separation of the two activity distributions and recovered total activities with relative errors of about 5%.
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 ».