Performance Simulation of an Ultrahigh Resolution Brain PET Scanner Using 1.2-mm Pixel Detectors
Notice bibliographique
Résumé
The concept of a new ultra-high resolution positron emission tomography (PET) brain scanner featuring truly pixelated detectors based on the LabPET II technology is presented. The aim of this study is to predict the performance of the scanner using GATE simulations. The NEMA procedures for human and small animal PET scanners were used, whenever appropriate, to simulate spatial resolution, scatter fraction, count rate performance and the sensitivity of the proposed system compared to state-of-the-art PET scanners that would currently be the preferred choices for brain imaging, namely the HRRT dedicated brain PET scanner and the Biograph Vision wholebody clinical PET scanner. The imaging performance was also assessed using the NEMA-NU4 image quality phantom, a mini hot spot phantom and a 3-D voxelized brain phantom. A reconstructed nearly isotropic spatial resolution of 1.3 mm FWHM is obtained at 10 mm from the center of the field of view. With an energy window of 250-650 keV, the system absolute sensitivity is estimated at 3.4% and its maximum NECR reaches 16.4 kcps at 12 kBq/cc. The simulation results provide evidence of the promising capabilities of the proposed scanner for ultra-high resolution brain imaging.
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) | 0,000 | 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 | 0,000 |
| 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 ».