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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».