Spatial resolution recovery utilizing multi-ray tracing and graphic processing unit in PET image reconstruction
Notice bibliographique
Résumé
1821 Objectives We aim to implement resolution modeling utilizing multi-ray tracing on the GPU platform to reduce the depth-of-interaction (DOI) effect and improve processing speed Methods Multi-ray tracing was used to trace multiple rays from the virtually created DOI layers considering the effect of crystal penetration to calculate the system matrix. Each ray was processed by a processing unit on the GPU in parallels to increase processing speed. The proposed method was tested on a PET ring insert being developed in our group. 3 different cases were tested: 1) no physical DOI or resolution modeling; 2) two physical DOI layers and no resolution modeling; and 3) no physical DOI design with different number of virtual DOI layers. The proposed method was first validated against the Monte Carlo simulation, including the dependency of accuracy on the number of virtual DOI layers. Second, the spatial resolution performances were compared among the 3 cases, in terms of the resolution FWHM of the sphere phantoms across the field-of-view. Third, contrast and noise performances were studied. Results The results based upon the analytical modeling are in good consistency with the Monte Carlo simulation results. The spatial resolution of the image was improved with the modeling, especially when more virtual DOI layers were modeled. For instance, the FWHM values are 2.4 mm, 1.6mm and 1.23mm when the number of layers increase from 2 to 4. Similar effect was observed for the contrast result, and the noise could be reduced with the modeling. The results indicate that the proposed method has the potential to be used as an alternative to other physical DOI designs and achieve comparable imaging performances, while reducing detector/system design cost and complexity. Conclusions The proposed method is able to improve both spatial resolution and contrast performance, comparable to those achieved by a PET system with two physical DOI layers. The implementation using the GPU platform and CUDA programming helps speed up the system matrix modeling task and PET image reconstruction on-the-fly.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».