MétaCan
Menu
Retour à la cohorte
Enregistrement W4402925060 · doi:10.1053/j.semnuclmed.2024.08.003

Total-Body PET/CT: Challenges and Opportunities

2024· review· en· W4402925060 sur OpenAlexaff
Clemens Mingels, Kevin J. Chung, Austin R. Pantel, Axel Rominger, Ian Alberts, Benjamin A. Spencer, Lorenzo Nardo, Thomas Pyka

Notice bibliographique

RevueSeminars in Nuclear Medicine · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésMedicineNuclear medicineMedical physicsRadiology

Résumé

récupéré en direct d'OpenAlex

Long-axial field-of-view (LAFOV) systems have changed the field of molecular imaging. Since their introduction, many PET centers have installed these next-generation digital systems to provide more detailed imaging and acquire PET images in a single bed position. Indeed, vertex to thigh imaging for oncological indications can be obtained in most of the population with the currently available LAFOV systems. Moreover, Total Body (TB) PET, a subtype of LAFOV, enables imaging the entire patient-from vertex through the toes-with one bed-position for most of the population. This review aims to identify possible challenges and opportunities for PET-centers working with TB and LAFOV systems. Emphasis is placed on the strength and weaknesses in clinical routine of currently available and upcoming TB and LAFOV PET systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,389
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeminars in Nuclear MedicineMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207