Positron Range Correction Helps Enhance the Image Quality of Cardiac<sup>82</sup>Rb PET/CT
Notice bibliographique
Résumé
The image quality and quantitative accuracy of 82Rb myocardial perfusion imaging (MPI) using PET is challenged by the extensive positron range (PR) effects, with the PR of 82Rb being about 7 mm in soft tissues. This study explored the feasibility of applying postacquisition PR correction (PRC) to routine 82Rb PET/CT MPI acquisitions and assessed its impact on diagnostic accuracy and image quality. Methods: We implemented a PRC method adjusted to 82Rb into a vendor-provided reconstruction toolbox, using tissue-specific corrections for soft tissue, bone, and air/lungs. The PRC was evaluated in 2 cohorts: the first comprised 25 healthy volunteers who underwent repeated 82Rb MPI within 2 wk, and the second included 66 patients with known or suspected coronary artery disease. We measured the signal-to-noise ratio (SNR) and contrast-to-noise ratio (CNR) for the volunteer cohort. In the patient cohort, the impact of PRC was evaluated as changes in the area under the receiver operating characteristic curve (AUC), using fractional flow reserve as the gold standard (values < 80% were considered significantly reduced). We calculated AUCs for stress and ischemic total perfusion deficits. Results: In the volunteer cohort, PRC-based reconstructions (standard reconstruction [STD] + PRC) demonstrated significantly improved SNR and CNR compared with STD, with median increases of 22% and 47% for SNR and CNR, respectively (P < 0.05). For the patient cohort, comparable AUCs were reported for STD- versus PRC-based reconstructions (stress total perfusion deficits, 0.84 vs. 0.83 [P = 0.49]; ischemic total perfusion deficits, 0.87 vs. 0.87 [P = 0.80]). Conclusion: PRC significantly enhances SNR and CNR compared with STD without affecting the diagnostic accuracy of the scans. Given the significantly improved image quality, PRC may be recommended for MPI using 82Rb PET/CT clinical-routine-assessment interpretation of TPD.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».