MétaCan
Menu
← Retour à la cohorte
Enregistrement W2120373755 · doi:10.1109/nssmic.1998.774381

Characterization of a pinhole tomograph with 180° acquisition using a discrete vertex set reconstruction algorithm

2002· article· en· W2120373755 sur OpenAlexaff
T.A. Hewitt, B.T.A. McKee, Frédéric Noo, Rolf Clackdoyle, Michael J. Chamberlain

Notice bibliographique

Revue1998 IEEE Nuclear Science Symposium Conference Record. 1998 IEEE Nuclear Science Symposium and Medical Imaging Conference (Cat. No.98CH36255) · 2002
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensOttawa HospitalUniversity of OttawaCarleton University
Organismes subventionnairesnon disponible
Mots-clésImaging phantomCollimatorIterative reconstructionImage resolutionPinhole (optics)Field of viewAlgorithmOpticsPhysicsReconstruction algorithmComputer visionVertex (graph theory)TomographyArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

Pinhole single photon emission computed tomography (SPECT) offers attractions for thyroid imaging, but acquisition must be limited to 180/spl deg/. The authors have mounted a 3.2 mm pinhole collimator on a rotating gamma camera, magnification 2.1, and characterized its response in the 10 cm field of view (FOV) by imaging points, lines, and a Picker thyroid phantom, comparing both full and half circle data acquisition. Image reconstruction was done with a new Discrete Vertex Set (DVS) algorithm and the Feldkamp (FDK) algorithm. For full circle acquisition, spatial resolution is quite uniform across the FOV, averaging 5.3 mm FWHM, and the reconstructed images show an intensity variation less than 5% in all directions. For this level of noise, the FDK and DVS algorithms perform similarly. For half circle reconstruction, spatial resolution shows more variation across the FOV, averaging 5.4 mm FWHM, and the maximum intensity variation is 20%. Differences between the FDK and DVS algorithms are more apparent. The thyroid phantom and its cold spots can be visualized in both full and half circle reconstructions, allowing size determination.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue1998 IEEE Nuclear Science Symposium Conference Record. 1998 IEEE Nuclear Science Symposium and Medical Imaging Conference (Cat. No.98CH36255)→Même sujetMedical Imaging Techniques and Applications→Travaux en français237 207→