Two methods to generate templates for template-based partial volume effect correction: SPECT phantom experiments
Notice bibliographique
Résumé
In this paper, we explore the applicability of template-based compensation for the partial volume effect (PVE) for situations where (i) the image has multiple uptake sites (tumors and organs) but only one of them is treated as a region of interest (ROI) with the boundaries available from a high-resolution modality and (ii) no information regarding activities inside or outside this ROI is a priori available. We modeled this situation by performing SPECT acquisitions of phantoms containing 21 containers, which had different shapes and sizes and were filled with different levels of activity. In our analysis, each of these containers was treated as an individual ROI. We compared the performance of two methods of template construction. In method 1, the ROI template value was obtained from a conventionally reconstructed (without PVEC) image. In method 2, the ROI template value was directly (bypassing the PVE-affected conventional image) calculated from projections using region-based reconstruction. Our processing shows that method 1 resulted in consistent (activities for all 21 ROIs were improved) but relatively weak PVE compensation (errors of recovered total activities were equal to or lower than 10% for 5 ROIs only). Application of method 2 resulted in a selective (activities for 19 ROIs were improved) but considerably better compensation when compared to method 1 (errors of recovered total activities were equal to or lower than 10% for 10 ROIs).
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».