Motion Dependent and Spatially Variant Resolution Modeling for PET Rigid Motion Correction
Notice bibliographique
Résumé
Recent advances in positron emission tomography (PET) have allowed to perform brain scans of freely moving animals by using rigid motion correction. One of the current challenges in these scans is that, due to the PET scanner spatially variant point spread function (SVPSF), motion corrected images have a motion dependent blurring since animals can move throughout the entire field of view (FOV). We developed a method to calculate the image-based resolution kernels of the motion dependent and spatially variant PSF (MD-SVPSF) to correct the loss of spatial resolution in motion corrected reconstructions. The resolution kernels are calculated for each voxel by sampling and averaging the SVPSF at all positions in the scanner FOV where the moving object was measured. In resolution phantom scans, the use of the MD-SVPSF resolution model improved the spatial resolution in motion corrected reconstructions and corrected the image deformation caused by the parallax effect consistently for all motion patterns, outperforming the use of a motion independent SVPSF or Gaussian kernels. Compared to motion correction in which the SVPSF is applied independently for every pose, our method performed similarly, but with more than two orders of magnitude faster computation time. Importantly, in scans of freely moving mice, brain regional quantification in motion-free and motion corrected images was better correlated when using the MD-SVPSF in comparison with motion independent SVPSF and a Gaussian kernel. The method developed here allows to obtain consistent spatial resolution and quantification in motion corrected images, independently of the motion pattern of the subject.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,000 | 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 ».