Scanning rodents on the High Resolution Research Tomograph (HRRT) with point spread function reconstruction: A feasibility study
Notice bibliographique
Résumé
The ECAT High Resolution Research Tomograph (HRRT) is a dedicated human brain PET camera with a 6% absolute sensitivity and a (2.3mm)3spatial resolution, improving to (1.8mm)3when point spread function (PSF) resolution recovery algorithms are used. These values are very close to those of the dedicated small animal PET camera microPET FOCUS 120 (F120). The larger axial and transaxial FoV of the HRRT compared to the F120 allows in principle for whole body imaging of several rats at the same time thus potentially reducing scanning costs and time. In this study we investigate the feasibility of using the HRRT for small animal brain studies by comparing the tissue input binding potentials (BPND) obtained from scans of the same rats imaged on the F120 and on the HRRT. The animal experiments are complemented by phantom studies aimed at investigating noise properties relevant to the size of typical regions of interest used in rat brain image analysis. Our investigations show that (i) without PSF modelling the BPNDobtained from HRRT data are lower than those obtained on the F120 by 28%, (ii) with PSF modelling the BPNDobtained from HRRT data are 15% higher than those obtained on the F120, (iii) the reproducibility on the HRRT is 81% when PSF modelling is not used, lower than the F120 reproducibility (92%), and decreases even further with PSF modelling to 73%. In addition Gibbs type artefacts are clearly visible when PSF modelling is used. In summary, while the resolution achieved with PSF modelling might be comparable to that obtained with the F120, the clumpy noise structure coupled with the introduction of Gibbs type artefacts in the images reconstructed with this technique currently preclude the use of the HRRT for reliable small animal brain imaging.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».