Experimental verification of 3D detector response compensation using the OSEM reconstruction method
Notice bibliographique
Résumé
Detector blurring is a major factor in SPECT image degradation and several methods to include detector response compensation (DRC) into iterative reconstruction algorithms have been proposed. Here, we present a study to validate and quantify the performance of such correction using an approach that we have developed and which combines 3D DRC with a non uniform attenuation correction. The objective of this study was to estimate what is the best spatial resolution that could be experimentally achieved in an image reconstructed with both attenuation and resolution recovery corrections. For this purpose we have performed several tests involving physical phantoms and computer simulations. In experiments with capillary tubes in air the resolution came close to the pixel size and was equal to 3.6 mm. DRC convergence was slower when background activity was present but still resulted in an excellent, close to the pixel size, resolution in the image. Similar results were obtained for extended sources scanned in air and with background activity. In this last case, however, the speed of convergence of the reconstruction algorithm was substantially decreased. Additionally, we present the results of a study involving a simulated wrist model which showed that hot and cold defects of the size equal to /spl ap/6 mm can be detected when DRC was used. In summary, our experiments and simulations have demonstrated that including 3D DRC in the iterative reconstruction algorithm resulted in great improvement of image resolution and noise reduction that increased visibility of small details.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».