Respiratory and cardiac motion correction in positron emission tomography using elastic motion approach for simultaneous abdomen and thorax positron emission tomography-magnetic resonance imaging
Notice bibliographique
Résumé
Background: Cardiac and respiratory motions in clinical positron emission tomography (PET) are a major contributor to inaccurate PET quantification and lesion characterisation. In this study, an elastic motion-correction (eMOCO) technique based on mass preservation optical flow is adapted and investigated for positron emission tomography-magnetic resonance imaging (PET-MRI) applications. Methods: The eMOCO technique was investigated in a motion management QA phantom and in twenty-four patients who underwent PET-MRI for dedicated liver imaging and nine patients for cardiac PET-MRI evaluation. Acquired data were reconstructed with eMOCO and gated motion correction techniques at cardiac, respiratory and dual gating modes, and compared to static images. Standardized uptake value (SUV), signal-to-noise ratio (SNR) of lesion activities from each gating mode and correction technique were measured and their means/standard deviation (SD) were compared using 2-ways ANOVA analysis and post-hoc Tukey's test. Results: Lesions' SNR are highly recovered from phantom and patient studies. The SD of the SUV resulted from the eMOCO technique was statistically significantly less (P<0.01) than the SD resulted from conventional gated and static SUVs at the liver, lung and heart. Conclusions: The eMOCO technique was successfully implemented in PET-MRI in a clinical setting and produced the lowest SD compared to gated and static images, and hence provided the least noisy PET images. Therefore, the eMOCO technique can potentially be used on PET-MRI for improved respiratory and cardiac motion correction.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».