Quantitative 177 Lu SPECT (QSPECT) imaging using a commercially available SPECT/CT system
Notice bibliographique
Résumé
PURPOSE: The combination of single photon emission computed tomography (SPECT) and computer tomography (CT) that incorporates iterative reconstruction algorithms with attenuation and scatter correction should facilitate accurate non-invasive quantitative imaging. Quantitative SPECT (QSPECT) may improve diagnostic ability and could be useful for many applications including dosimetry assessment. Using (177)Lu, we developed a QSPECT method using a commercially available SPECT/CT system. METHODS: Serial SPECT of (177)Lu sources (89-12,400 MBq) were acquired with multiple contiguous energy windows along with a co-registered CT, and were reconstructed using an iterative algorithm with attenuation and scatter correction. Camera sensitivity (based on reconstructed SPECT count rate) and dead-time (based on wide-energy spectrum count rate) were resolved by non-linear curve fit. Utilizing these parameters, a SPECT dataset can be converted to a QSPECT dataset allowing quantitation in Becquerels per cubic centimetre or standardized uptake value (SUV). Validation QSPECT/CT studies were performed on a (177)Lu cylindrical phantom (7 studies) and on 5 patients (6 studies) who were administered a therapeutic dose of [(177)Lu]octreotate. RESULTS: The QSPECT sensitivity was 1.08 x 10(-5) ± 0.02 x 10(-5) s(-1) Bq(-1). The paralyzing dead-time constant was 0.78 ± 0.03 µs. The measured total activity with QSPECT deviated from the calibrated activity by 5.6 ± 1.9% and 2.6 ± 1.8%, respectively, in phantom and patients. Dead-time count loss up to 11.7% was observed in patient studies. CONCLUSION: QSPECT has high accuracy both in our phantom model and in clinical practice following [(177)Lu]octreotate therapy. This has the potential to yield more accurate dosimetry estimates than planar imaging and facilitate therapeutic response assessment. Validating this method with other radionuclides could open the way for many other research and clinical applications.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,005 | 0,002 |
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 ».