Quantitative SPECT (QSPECT) at high count rates with contemporary SPECT/CT systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Accurate QSPECT is crucial in dosimetry-based, personalized radiopharmaceutical therapy with 177 Lu and other radionuclides. We compared the quantitative performance of three NaI(Tl)-crystal SPECT/CT systems equipped with low-energy high-resolution collimators from two vendors (Siemens Symbia T6; GE Discovery 670 and NM/CT 870 DR). Methods Using up to 14 GBq of 99m Tc in planar mode, we determined the calibration factor and dead-time constant under the assumption that these systems have a paralyzable behaviour. We monitored their response when one or both detectors were activated. QSPECT capability was validated by SPECT/CT imaging of a customized NEMA phantom containing up to 17 GBq of 99m Tc. Acquisitions were reconstructed with a third-party ordered subset expectation maximization algorithm. Results The Siemens system had a higher calibration factor (100.0 cps/MBq) and a lower dead-time constant (0.49 μs) than those from GE (75.4–87.5 cps/MBq; 1.74 μs). Activities of up to 3.3 vs. 2.3–2.7 GBq, respectively, were quantifiable by QSPECT before the observed count rate plateaued or decreased. When used in single-detector mode, the QSPECT capability of the former system increased to 5.1 GBq, whereas that of the latter two systems remained independent of the detectors activation mode. Conclusion Despite similar hardware, SPECT/CT systems’ response can significantly differ at high count rate, which impacts their QSPECT capability in a post-therapeutic setting.
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.
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 | 0,000 |
| 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 découle