Comparison of FORE, OSEM and SAGE algorithms to 3DRP in 3D PET using phantom and human subject data
Notice bibliographique
Résumé
Using phantom and human subject data, the authors have compared a number of reconstruction algorithms to the current "gold standard" method, 3D Reprojection Method (3 DRP), in an effort to validate them as practical 3D reconstruction alternatives for dynamic PET scanning. The algorithms evaluated were (a) Fourier Rebinning (FORE) followed by 2D Filtered Back Projection (2D FBP), (b) FORE followed by Ordered Subsets Expectation-Maximization (OSEM) and (c) FORE followed by Space Alternating Generalized Expectation-Maximization (SAGE). The main benefits of these methods are two-fold: significantly shorter reconstruction times and improved signal-to-noise ratio at matched resolution for the iterative schemes. The authors demonstrate that FORE+2D FBP can replace 3 DRP with no significant impact on subsequent data analysis. In particular, distribution volume ratios (DVRs) obtained with FORE+2D FBP differed from those obtained with 3 DRP by 0.3/spl plusmn/0.7% (n=33) and -0.7/spl plusmn/1.1% (n=27) for cortical and cerebellar input functions, respectively. Both OSEM and SAGE performed well compared to 3 DRP, with improved noise characteristics and DVR differences of <3%.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,011 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».