Multi-Angle Image Reconstruction Method for a Planar Organ-Targeted PET Detector
Notice bibliographique
Résumé
Organ-targeted PET detectors with a pair of planar detectors optimized to sustain a large solid angle around an organ of interest offer versatility in imaging applications not achievable with ring detectors. However, this versatility comes with a trade-off of a lower axial spatial resolution compared to the transaxial spatial resolution, which hinders the ability to perform certain image processing tasks such as multi-modal image fusion, image segmentation, and feature extraction. To address these limitations, a method was developed for generating a higher axial spatial resolution composite image by fusing images acquired from multiple angles. Here we present a workflow of a multi-angle maximum likelihood expectation maximization (MLEM) algorithm, which reconstructs multiple datasets acquired from different angles using two planar detector heads. To demonstrate the feasibility of this method, acquisitions were performed using a planar organ-targeted PET detector oriented at 0° and 90°, and composite images were reconstructed using the multi-angle MLEM on (1) multi-angle datasets from four spheres (ranging in size from 12.4 mm, 7.9 mm, 6.2 mm, 5 mm) and (2) a NEMA NU4-2008 image quality (IQ) phantom filled with [¹⁸F]Fluorodeoxyglucose. The composite images indicate qualitative improvement in overall image quality and quantitative improvement in spatial resolution. For example, in the composite images of the 12.4 mm sphere, the Full-Width Half-Maximum (FWHM) of the line profiles along the axial plane was improved by ~5.63 mm. Also, composite images from the IQ phantom demonstrate more accurate representations of the hot rods and cold chambers along the axial plane vs. images reconstructed without fusion. The presented multi-angle reconstruction may provide a practical means to improve the 3D images reconstructed using data from planar organ-targeted PET detectors.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».