The effect of object size on the sensitivity of single photon emission computed tomography: comparison of two CZT cardiac cameras and an Anger scintillation camera
Notice bibliographique
Résumé
BACKGROUND: Heart sizes vary greatly across the spectrum of patients referred for myocardial perfusion imaging. We therefore performed a phantom study to explore under controlled circumstances how count rates change when different volumes containing the same amount of activity are scanned. Two dedicated cadmium-zinc-telluride cameras, the D-SPECT (Spectrum Dynamics, Caesarea, Israel) and Discovery 530c (D530c, GE Healthcare, Haifa, Israel), and the conventional SPECT Anger (A-SPECT, GE Healthcare, Haifa, Israel) camera are included in the study. METHODS: Different heart sizes were represented by syringes of various column heights mimicking a range of cardiac diameters. Syringes with fixed activity were scanned at five different volumes by successively adding non-radioactive water to the syringes. This procedure was repeated five times on each of the three cameras. Raw count rates were recorded for each scan to determine whether count rates changed with syringe column height. RESULTS: Using mixed-effect regression modeling, a linear relationship was found between count rate and water column height. For the D-SPECT, D530c, and A-SPECT, the changes in count rate for each centimeter increase in water column height were -1.75, +0.28, and -0.022 kilocounts per min per MBq, respectively (95% confidence intervals -1.89 to -1.61, 0.19 to 0.36, and -0.035 to -0.009); all effects are significantly different from each other and significantly different from zero. Average coefficients of variation were 0.080, 0.028, and 0.009. CONCLUSIONS: The D-SPECT demonstrated a significant progressive increase in count rate related to decreasing size of the imaged object. D530c count rate increased slightly with increasing column height. The Anger SPECT showed minimally increased count rates with decreasing column height, an order of magnitude smaller than the D-SPECT based on their relative coefficients of variation.
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 | 0,008 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».