Effect of measurement uncertainty on region of interest based and parametric binding potential estimates for the high resolution research tomograph (HRRT)
Notice bibliographique
Résumé
High resolution Positron Emission Tomography (PET) imaging leads to very small pixel sizes. Generally the increase in resolution is not paralleled by a corresponding increase in sensitivity which may cause the count density per voxel to be low. Here we are exploring how the statistical quality of the data acquired with the high resolution research tomograph (HRRT) influences the accuracy of the determination of the binding potential (BP) for typical human studies performed with11middotC-raclopride. Susceptibility to noise was tested for 3 modelling approaches: the Logan graphical model, the simplified reference tissue method (RTM) and the delayed ratio method (DRM). For each approach BP was calculated on a region of interest (ROI) and voxel basis (parametric maps). Using a method based on experimentally defined replicas of time activity curves (TACs) representative of those obtained in human scans we found that for this tracer the contribution of the statistical noise to the BP determination is ~ 5-8 % when the TACs are evaluated on an ROI basis (either ROI TACs used as input, or ROI placed on the BP parametric image) and 9-12 % when calculated on a single pixel basis. The Logan approach was found to suffer from a considerable bias due to statistical noise when the BP was calculated on a single pixel basis, while RTM and DRM showed no such bias. Overall, for this tracer and these scanning conditions the RTM proved to be the least sensitive to statistical noise in the data.
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 | 0,054 | 0,194 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».