Variable Lung Density Consideration in Attenuation Correction of Whole-Body PET/MRI
Notice bibliographique
Résumé
UNLABELLED: Present attenuation-correction algorithms in whole-body PET/MRI do not consider variations in lung density, either within or between patients; this may adversely affect accurate quantification. In this work, a technique to incorporate patient-specific lung density information into MRI-based attenuation maps is developed and compared with an approach that assumes uniform lung density. METHODS: Five beagles were scanned with (18)F-FDG PET/CT and MRI. The relationship between MRI and CT signal in the lungs was established, allowing the prediction of attenuation coefficients from MRI. MR images were segmented into air, lung, and soft tissue and converted into attenuation maps, some with constant lung density and some with patient-specific lung densities. The resulting PET images were compared by both global metrics of quantitative fidelity (accuracy, precision, and root mean squared error) and locally with relative error in volumes of interest. RESULTS: A linear relationship was established between MRI and CT signal in the lungs. Constant lung density attenuation maps did not perform as well as patient-specific lung density attenuation maps, regardless of what constant density was chosen. In particular, when attenuation maps with patient-specific lung density were used, precision, accuracy, and root mean square error improved in lung tissue. In volumes of interest placed in the lungs, relative error was significantly reduced from a minimum of 12% to less than 5%. The benefit extended to tissues adjacent to the lungs but became less important as distance from the lungs increased. CONCLUSION: A means of using MRI to infer patient-specific attenuation coefficients in the lungs was developed and applied to augment whole-body MRI-based attenuation maps. This technique has been shown to improve the quantitative fidelity of PET images in the lungs and nearby tissues, compared with an approach that assumes uniform lung density.
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 | 0,001 | 0,001 |
| 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 ».