Evaluation of an MRI-Guided PET Image Reconstruction Approach With Adaptive Penalization Strength
Notice bibliographique
Résumé
MRI-guided (MRIg) positron emission tomography (PET) reconstruction can potentially reduce noise and increase spatial resolution compared to standard clinical ordered-subsets expectation-maximization (OSEM) image quality. However, to adjust for the desired image quality, the balance between measured data and prior information usually requires manual tuning. This work presents an adaptive method to automatically control the influence of the magnetic resonance imaging (MRI) information on the PET emission data using maximum a posteriori (MAP) image reconstruction, robust against a wide range of counts. The method was evaluated on different static brain PET datasets using [18F]-FDG, [18F]-Florbetapir and [11C]-PiB, acquired in a simultaneous PET/MRI scanner and a PET/CT scanner, followed by an MRI scan. Noise in gray and white matter was measured for a wide range of statistics. Furthermore, noise and quantification accuracy were analyzed in different cortical and subcortical brain regions with different levels of tracer uptake, and at different levels of counts. Results demonstrated consistent improved image quality in terms of noise and spatial resolution with MRI-guided MAP PET (MRIg-MAP) reconstruction compared to OSEM. Additionally, it was shown that the number of collected counts could be reduced by ~1.6– <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$2.3\times $ </tex-math></inline-formula> using MRIg-MAP reconstruction compared to OSEM, without increasing the noise significantly, either by reducing the scan time or injected activity. In conclusion, we presented a novel method to adaptively balance the influence of the anatomical information on the emission data for MRIg-MAP reconstruction, which showed image quality improvements compared to OSEM for different radiotracers, at different levels of counts, and applicable to simultaneous and sequential PET-MRI scans.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».