Optimization of Spatial Resolution and Image Reconstruction Parameters for the Small-Animal Metis™ PET/CT System
Notice bibliographique
Résumé
Purpose: The aim of this study was to investigate the optimization of the spatial resolution and image reconstruction parameters related to image quality in an iterative reconstruction algorithm for the small-animal Metis™ PET/CT system. Methods: We used a homemade Derenzo phantom to evaluate the image quality using visual assessment, the signal-to-noise ratio, the contrast, the coefficient of variation, and the contrast-to-noise ratio of the 0.8 mm hot rods of eight slices in the center of the phantom PET images. A healthy mouse study was performed to analyze the influence of the optimal reconstruction parameters and the Gaussian post-filter FWHM. Results: In the phantom study, the image quality was the best when the phantom was placed at the end, keeping the central axis parallel to the X-axis of the system, and selecting between 30 and 40 iterations, a 0.314 mm reconstructed voxel size, and a 1.57 mm Gaussian post-filter FWHM. The optimization of the spatial resolution could reach 0.6 mm. In the animal study, it was suitable to choose a voxel size of 0.472 mm, between 30 and 40 iterations, and a 2.36 mm Gaussian post-filter FWHM. Conclusions: Our results indicate that the optimal imaging conditions and reconstruction parameters are very necessary to obtain high-resolution images and quantitative accuracy, especially for the high-precision recognition of tiny lesions.
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 | 0,000 |
| 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 ».