Assessment of scatter compensation strategies for (67)Ga SPECT using numerical observers and human LROC studies.
Notice bibliographique
Résumé
UNLABELLED: 67Ga citrate is an oncologic SPECT imaging agent often used to diagnose or stage patients with non-Hodgkin's lymphoma. As (67)Ga decay involves the emission of multiple-energy gamma-rays, significant photon downscatter will be present within each photopeak energy window. We have previously shown that the inclusion of these scattered photons significantly degrades lesion detectability. The goal of this study was to investigate the extent to which this decrease in detectability can be reversed by applying scatter compensation strategies. METHODS: We have compared 5 different scatter compensation methods to the case of no scatter compensation in iterative SPECT image reconstruction. The strategies consisted of (a). perfect scatter rejection, (b). ideal scatter compensation, (c). triple-energy window (TEW) scatter estimation, (d). effective scatter source estimation (ESSE), and (e). postreconstruction scatter subtraction. Reconstruction parameters used for each method were first optimized using a channelized Hotelling numerical observer. Strategies were then ranked in terms of lesion detectability using a human observer localization receiver operating characteristic (LROC) study. An additional comparison was made comparing the human LROC rankings with a recently developed channelized nonprewhitening (CNPW) LROC numerical observer. RESULTS: Using the area-under-the-LROC-curve (A(LROC)) as the assessment criterion, our results indicate that the TEW and ESSE scatter compensation methods are able to significantly improve lesion detectability over no compensation (A(LROC) = 0.75 and 0.73 vs. 0.67, respectively). However, these compensations failed to achieve the same detectability as perfect scatter rejection (A(LROC) = 0.84). Both ideal scatter compensation and postreconstruction scatter subtraction resulted in numerical increases in detection accuracy that were not statistically significant from no scatter compensation. Good agreement is seen between the CNPW observer and human LROC studies (Spearman rank order coefficient, r(s) = 0.74), thus indicating that the LROC observer may be a good predictor of human observer performance in (67)Ga SPECT. CONCLUSION: Scatter compensation in (67)Ga SPECT imaging using techniques such as TEW or ESSE is able to improve lesion detectability compared with no scatter compensation. A recently developed numerical observer model appears to be a good predictor of human observer performance and may be used to perform imaging optimizations, thereby reducing the need for human LROC studies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; 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 ».