Quantitative SPECT (QSPECT) at high count rates with contemporary SPECT/CT systems
Notice bibliographique
Résumé
Abstract Background Accurate QSPECT is crucial in dosimetry-based, personalized radiopharmaceutical therapy with 177Lu 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 99mTc 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 99mTc. 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».