Feasibility of <sup>18</sup>F-FDG Dose Reductions in Breast Cancer PET/MRI
Notice bibliographique
Résumé
The goal of this study was to determine the level of clinically acceptable <sup>18</sup>F-FDG dose reduction in time-of-flight PET/MRI in patients with breast cancer. <b>Methods:</b> Twenty-six consecutive women with histologically proven breast cancer were analyzed (median age, 51 y; range, 34–83 y). Simulated dose-reduced PET images were generated by unlisting the list-mode data on PET/MRI. The acquired 20-min PET frame was reconstructed in 5 ways: a reconstruction of the first 2 min with 3 iterations and 28 subsets for reference, and reconstructions simulating 100%, 20%, 10%, and 5% of the original dose. General image quality and artifacts, image sharpness, image noise, and lesion detectability were analyzed using a 4-point scale. Qualitative parameters were compared using the nonparametric Friedman test for multiple samples and the Wilcoxon signed-rank test for paired samples. Different groups of independent samples were compared using the Mann–Whitney <i>U</i> test. <b>Results:</b> Overall, 355 lesions (71 lesions with 5 different reconstructions each) were evaluated. The 20-min reconstruction with 100% injected dose showed the best results in all categories. For general image quality and artifacts, image sharpness, and noise, the reconstructions with a simulated dose of 20% and 10% were significantly better than the 2-min reconstructions (<i>P</i> ≤ 0.001). Furthermore, 20%, 10%, and 5% reconstructions did not yield results different from those of the 2-min reconstruction for detectability of the primary lesion. For 10% of the injected dose, a calculated mean dose of 22.6 ± 5.5 MBq (range, 17.9–36.9 MBq) would have been applied, resulting in an estimated whole-body radiation burden of 0.5 ± 0.1 mSv (range, 0.4–0.7 mSv). <b>Conclusion:</b> Ten percent of the standard dose of <sup>18</sup>F-FDG (reduction of ≤90%) results in clinically acceptable PET image quality in time-of-flight PET/MRI. The calculated radiation exposure would be comparable to the effective dose of a single digital mammogram. A reduction of radiation burden to this level might justify partial-body examinations with PET/MRI for dedicated indications.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».