TRU-IMP: techniques for reliable use of images in medical physics; a graphical user interface to analyze and compare segmentations in nuclear medicine
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background . In the context of pharmacokinetic analyses, the segmentation method one uses has a large impact on the results obtained, thus the importance of transparency. Innovation . This paper introduces a graphical user interface (GUI), TRU-IMP, that analyzes time-activity curves and segmentations in dynamic nuclear medicine. This GUI fills a gap in the current technological tools available for the analysis of quantitative dynamic nuclear medicine image acquisitions. The GUI includes various techniques of segmentations, with possibilities to compute related uncertainties. Results . The GUI was tested on image acquisitions made on a dynamic nuclear medicine phantom. This allows the comparison of segmentations via their time-activity curves and the extracted pharmacokinetic parameters. Implications . The flexibility and user-friendliness allowed by the proposed interface make the analyses both easy to perform and adjustable to any specific case. This GUI permits researchers to better show and understand the reproducibility, precision, and accuracy of their work in quantitative dynamic nuclear medicine. Availability and Implementation . Source code freely available on GitHub: https://github.com/ArGilfea/TRU-IMP and location of the interface available from there. The GUI is fully compatible with iOS and Windows operating systems (not tested on Linux). A phantom acquisition is also available to test the GUI easily.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 découle