Collimator-detector response compensation in quantitative SPECT reconstruction
Notice bibliographique
Résumé
The purpose of this study was to investigate the importance of collimator-detector response compensation in single photon emission computed tomography (SPECT). The compensation methods included in this study addressed three important degrading factors, which are attenuation, scatter and collimator-detector response (CDR). Geometric response (GR) and septal penetration (SP) are two most important components of collimator-detector response. The compensation work has been divided into two general categories: one is GR compensation based reconstruction (GR-RECON), which includes attenuation, scatter and geometric response compensations, and the other one is GR-SP compensation based reconstruction (GR-SP-RECON), which consists of attenuation, scatter geometric response and septal penetration compensations. Ordered-subset expectation maximization (OS-EM) method is applied as the reconstruction framework. SIMIND Monte Carlo (MC) code is incorporated in the forward projection. Multiple projection sampling convolution-based forced detection (MP-CFD) is used here to accelerate the MC code. The convolution kernels in CFD are generated by the ray-tracing (RT) method. In order to further increase the convergence speed, the models of attenuation and collimator-detector response are included in the backprojection step. In order to assess the quantitative accuracy of the collimator-detector response compensation, the reconstruction images of cylinder, four different size spheres in various medium, and NURBS-based cardiac-torso (NCAT) phantom are evaluated using 1-131 and high energy general resolution (HEGR) collimators. The reconstruction images including GR compensation appear very obvious collimator dependent Gibbs ringing artifact. The quantitative estimation of the spheres and NURBS-based cardiac-torso (NCAT) phantom has denoted the high accuracy of GR-SP-RECON, whereas, a lot of quantitative activity will be mistakenly estimated in the background using GR-RECON.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».