Harmonization based on quantitative analysis of standardized uptake value variations across PET/CT scanners: a multicenter phantom study
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to measure standardized uptake value (SUV) variations across different PET/computed tomography (CT) scanners to harmonize quantification across systems. METHODS: We acquired images using the National Electrical Manufacturers Association International Electrotechnical Commission phantom from three PET/CT scanners operated using routine imaging protocols at each site. The SUVs of lesions were assessed in the presence of reference values by a digital reference object (DRO) and recommendations by the European Association of Nuclear Medicine (EANM/EARL) to measure inter-site variations. For harmonization, Gaussian filters with tuned full width at half maximum (FWHM) values were applied to images to minimize differences in SUVs between reference and images. Inter-site variation of SUVs was evaluated in both pre- and postharmonization situations. Test-retest analysis was also carried out to evaluate repeatability. RESULTS: SUVs from different scanners became significantly more consistent, and inter-site differences decreased for SUV mean , SUV max and SUV peak from 17.3, 20.7, and 15.5% to 4.8, 4.7, and 2.7%, respectively, by harmonization ( P values <0.05 for all). The values for contrast-to-noise ratio in the smallest lesion of the phantom verified preservation of image quality following harmonization (>2.8%). CONCLUSIONS: Harmonization significantly lowered variations in SUV measurements across different PET/CT scanners, improving reproducibility while preserving image quality.
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 | 0,032 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».