MétaCan
Menu
Retour à la cohorte
Enregistrement W3005616905 · doi:10.1088/2057-1976/ab7500

Practical considerations for establishing dead-time corrections in quantitative SPECT imaging

2020· article· en· W3005616905 sur OpenAlexaff
Claire Cohalan, Marc-André Morin, Antoine Leblond

Notice bibliographique

RevueBiomedical Physics & Engineering Express · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésDead timeImaging phantomProjection (relational algebra)Context (archaeology)Constant (computer programming)Computer scienceTime constantNuclear medicineAlgorithmPhysicsMathematicsOpticsStatisticsMedicine

Résumé

récupéré en direct d'OpenAlex

Quantitative SPECT studies require specific information about the equipment being used. Particularly in the context of therapeutic studies, the effect of dead-time can be significant and must be quantified. We explored different techniques for measuring the dead-time constant and applying dead-time corrections to the data. METHOD: The dead-time constant was measured on four similar SPECT/CT systems by following the response of the system to a uniform phantom initially containing 17 GBq of Lu-177 over a period of 23 days. It was then calculated using the two-source method with 1 332 MBq of Tc-99 m. The dead-time constant found was used to correct SPECT/CT phantom images either applying the correction by projection or globally on the image. RESULTS: Both methods of calculating the dead-time constant produced equivalent results. However, the dead-time constant varied by as much as 8% between machines of the same model and manufacturer. Correcting for dead-time by projection rather than globally produced slightly more precise results (0.94% error rather than 2.59% error). The benefit of this correction technique will be dependent on the level of asymmetry in the patient as well as the magnitude of the dead-time correction effect. CONCLUSION: quantification of the dead-time of a system can be performed quickly using the two-source method and any radioisotope. However, it is important to perform this measurement on every system being used. In vastly asymmetric images with high dead-time correction, correcting for dead-time by projection can be pertinent, increasing the precision of dosimetry calculations by several percent. However this additional gain may be within the error of SUV measurements for many clinical acquisitions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,083
score de la tête « metaresearch » (Gemma)0,169
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,439

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0830,169
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,005
Communication savante0,0060,006
Science ouverte0,0060,003
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,344
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomedical Physics & Engineering ExpressMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207