Validation of PET-SORTEO Monte Carlo simulations for the geometries of the MicroPET R4 and Focus 220 PET scanners
Notice bibliographique
Résumé
PET-SORTEO is a Monte Carlo-based simulator that enables the fast generation of realistic PET data for the geometry of the ECAT EXACT HR+ scanner. In order to address the increasing need for simulation models of animal PET imaging systems, our aim is to adapt and configure this simulation tool for small animal PET scanners, especially for the widely distributed microPET R4 and Focus 220 systems manufactured by Siemens Preclinical Solutions. We propose a simulation model that can produce realistic rodent images in order to evaluate and optimize acquisition and reconstruction protocols. The first part of this study presents the validation of SORTEO against the geometries of the R4 and the Focus 220 systems. This validation is carried out against actual measurements performed on the R4 scanner at the Montreal Neurological Institute in Canada and on the Focus 220 system of the department of radiopharmaceuticals of the Austrian Research Center in Seibersdorf. The comparison of simulated and experimental performance measurements includes spatial resolution, energy spectra, scatter fraction and count rates. In the second part of the study, we demonstrate the ability to rapidly generate realistic whole-body radioactive distributions using the MOBY phantom and give comparative example case studies of the same rodent model simulated with PET-SORTEO for the R4 and Focus 220 systems.
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 | 0,001 |
| 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 ».