PET-based geometrical calibration of a pinhole SPECT add-on for an animal PET scanner
Notice bibliographique
Résumé
We developed SPECT imaging capability on an animal PET scanner to provide a cost effective option for animal SPECT imaging. The SPECT add-on sub-system was enabled by mechanically integrating a multiple-pinhole collimator in the PET detector ring. This study introduces a method to calibrate the geometrical parameters of the SPECT add-on using the PET imaging capability of the scanner. The proposed PET imaging-based calibration method consists of two steps: (1) paint the pinhole apertures of the collimator with a positron emitting radioactive solution; and (2) image the collimator inside the scanner in PET mode. The geometrical parameters of the multi-pinhole SPECT add-on can then be derived directly from a set of PET images by simple linear calculation and used in defining the SPECT system. The method was compared to our implementation of a SPECT calibration approach with model-based fitting of SPECT projection data. The procedure for carrying out the PET imaging-based calibration method is simpler and faster than that of our implementation of the SPECT model-based calibration method. Since it does not require model fitting, the uniqueness of the calibration result is warranted. Better quality SPECT images were reconstructed using the PET-derived calibration parameters rather than our implementation of the SPECT model-based calibration parameters. We conclude that the proposed PET imaging-based calibration method provides a highly effective means for enabling SPECT imaging on a PET scanner.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».