MétaCan
Menu
Retour à la cohorte
Enregistrement W4414654640 · doi:10.2967/jnmt.125.269555

Clinical Evaluation of BSREM Reconstruction in Pediatric Oncology Using [ <sup>18</sup> F]FDG PET/CT

2025· article· en· W4414654640 sur OpenAlexaff
Nicholas Shkumat, Reza Vali, Amer Shammas

Notice bibliographique

RevueJournal of Nuclear Medicine Technology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIterative reconstructionImage qualityPediatric oncologyRegularization (linguistics)Image resolutionRetrospective cohort studyReconstruction algorithm

Résumé

récupéré en direct d'OpenAlex

Recent technologic advancements in PET, including silicon photomultipliers and block-sequential regularized expectation maximization (BSREM) tools, have allowed for renewed assessment of the optimal acquisition and reconstruction parameters in pediatric imaging. This work evaluates the performance of BSREM reconstruction and varied count density (CD) in digital [<sup>18</sup>F]FDG PET/CT to investigate the feasibility of reducing the injected activity or duration of acquisition in children with cancer. <b>Methods:</b> Five hundred unique reconstructions from 20 pediatric patients evaluated with PET/CT per clinical standard of care (SOC) were included in this retrospective study. Three-dimensional, whole-body imaging was acquired on a silicon photomultiplier PET/CT system in list mode with time-of-flight modeling. Imaging volumes were reconstructed with varying time per bed position (180, 120, 90, 60, and 45 s) to simulate a range of CDs using conventional iterative techniques (ordered-subset expectation maximization) and BSREM with varied regularization strength (β, 175–700). Two pediatric nuclear medicine physicians individually scored all studies, with patient information, reconstruction method, and CD concealed, rating technical quality and overall diagnostic satisfaction on a 5-point Likert scale. Quantitative SUV measurements on all reconstructions were compared with the clinical SOC. <b>Results:</b> Reconstruction with BSREM with a β of 500 or greater significantly improved overall scores across all CDs when compared with ordered-subset expectation maximization. Noise performance improved after application of a higher regularization parameter. Spatial resolution (sharpness) was greatest with a β of 350. Mean overall image quality at 25% CD using a β of 500 or greater was considered diagnostic. Mean liver and blood-pool SUV-to-noise ratio performed best with the highest β and CD. SUV<sub>max</sub> behavior was complex, varying with reconstruction strength and CD, with measurements at β of 500 or greater differing from the SOC by no more than 15% across all CDs, and specific combinations varying by 10% or less. <b>Conclusion:</b> Clinical evaluation of whole-body [<sup>18</sup>F]FDG PET/CT in pediatric patients was diagnostic at all reductions in CD when using BSREM with a β of 500 or greater. Quantitative performance was variable, yet SUV<sub>max</sub> differences of 10% or less were achievable with the appropriate selection of acquisition and reconstruction parameters. This study found that customized imaging parameters can reduce injected activity (radiation dose) and imaging time to best suit the pediatric patient.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,707
Score d'incertitude au seuil0,514

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,457
Écart entre enseignants0,370 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear Medicine TechnologyMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207