Impact of Contamination from Scattered Photons in Singles-Mode Transmission Data on Quantitative Small-Animal PET Imaging
Notice bibliographique
Résumé
UNLABELLED: In previous work, we described and validated a method of scatter correction for singles-mode transmission data using experimental preinjection data acquired with a dedicated rodent PET scanner. In the current work, we investigated the impact that our method has on the quantitative accuracy of small-animal PET. METHODS: This investigation had 3 stages. We first confirmed the general validity of our method by applying it to preinjection transmission data from a different imaging system (a larger dedicated primate scanner). For these data, we evaluated the accuracy of the reconstructed distributions of linear attenuation coefficients (mu-values). In the second stage, we applied our attenuation-map reconstruction and scatter correction procedure for postinjection transmission data acquired with the dedicated rodent scanner. For these studies, we investigated the quantitative accuracy of reconstructed emission images that use attenuation correction derived from postinjection transmission data. In the third stage, we compared our scatter correction method with 2 more commonly used alternatives (automated rescaling and segmentation of the attenuation-map images). RESULTS: For the primate scanner data, the average reconstructed mu-values with scatter correction were within 3% of the expected values for water and soft tissue, whereas uncorrected values were 19%-26% lower than their expected values. For the postinjection transmission studies, we found that the correct average mu-values and reconstructed activity concentrations consistent with well-counter measurements were obtained only when scatter correction and emission contamination correction were applied to the transmission data. We also found that our transmission scatter correction provides more accurate mu-values and better image quantification than either rescaling or segmentation. CONCLUSION: Using different imaging systems (primate and rodent) and different scanning protocols (before and after injection), we found that our transmission scatter correction is more accurate (for both reconstructed mu-values and activity concentrations) than the existing alternatives.
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 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».