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 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».