Impact of time-of-flight PET on quantification accuracy and lesion detection in simultaneous 18F-choline PET/MRI for prostate cancer
Notice bibliographique
Résumé
Accurate attenuation correction (AC) is an inherent problem of positron emission tomography magnetic resonance imaging (PET/MRI) systems. Simulation studies showed that time-of-flight (TOF) detectors can reduce PET quantification errors in MRI-based AC. However, its impact on lesion detection in a clinical setting with 18F-choline has not yet been evaluated. Therefore, we compared TOF and non-TOF 18F-choline PET for absolute and relative difference in standard uptake values (SUV) and investigated the detection rate of metastases in prostate cancer patients. Non-TOF SUV was significantly lower compared to TOF in all osseous structures, except the skull, in primary lesions of the prostate, and in pelvic nodal and osseous metastasis. Concerning lymph node metastases, both experienced readers detected 16/19 (84%) on TOF PET, whereas on non-TOF PET readers 1 and 2 detected 11 (58%), and 14 (73%), respectively. With TOF PET readers 1 and 2 detected 14/15 (93%) and 11/15 (73%) bone metastases, respectively, whereas detection rate with non-TOF PET was 73% (11/15) for reader 1 and 53% (8/15) for reader 2. The interreader agreement was good for osseous metastasis detection on TOF (kappa 0.636, 95% confidence interval [CI] 0.453–0.810) and moderate on non-TOF (kappa = 0.600, CI 0.438–0.780). TOF reconstruction for 18F-choline PET/MRI shows higher SUV measurements compared to non-TOF reconstructions in physiological osseous structures as well as pelvic malignancies. Our results suggest that addition of TOF information has a positive impact on lesion detection rate for lymph node and bone metastasis in prostate cancer patients.
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 | 0,002 |
| 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 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 ».