Artifact suppression and quantitative accuracy of damped MLEM algorithm for SPECT imaging
Notice bibliographique
Résumé
The most disadvantageous artifacts that may accompany the maximum likelihood expectation maximization (MLEM) reconstruction are noise amplification and image deterioration near the edges of an area with sharp intensity change. In this paper, we investigate the performance of a damped MLEM (dMLEM) algorithm with a modified likelihood function [White R.L., J.SPIE Records, 2198, pp. 1342–1348, 1994] using simulated SPECT data. In particular, a trade-off between artifact suppression and quantitative accuracy of images is of our special interest. In our experiments, both noiseless and noisy numeric phantom data were created. Small cylindrical object with a 5cm diameter was located off-center in a large cylinder having a diameter of 16cm. Acquisition parameters were selected to model a typical SPECT clinical protocol. The images were reconstructed using both dMLEM (with two flattering parameters N=2 and N=3) and a conventional MLEM (corresponding to N=0) algorithm with up to 100 iterations. The modification of the likelihood function in dMLEM led to the suppression of both ringing and noise artifacts. This effect strongly depends on the damping parameter N. With increasing of N, the appearance of artifacts is delayed in the iteration process, but also the quantitative accuracy of images is degraded. Our simulations showed that slight damping of likelihood function in MLEM algorithm might serve as a reasonable tradeoff by allowing users for the suppression of artifacts while preserving the quantitative accuracy at an acceptable level. Especially, dMLEM method with N=2 allowed us to improve reconstruction convergence and avoid ringing artifacts in the first 20–30 iterations while quantitative accuracy of the recovered activity was degraded by only 3–4%.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
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 ».