MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417471627 · doi:10.1109/nss/mic/rtsd57106.2025.11286760

3D Brain Imaging Using a Rotating Flat-Panel PET Scanner with LYSO/SiPM-Based Detectors

2025· article· W4417471627 sur OpenAlexaff
Anirudh Shahi, Vasyl Komarov, Brandon Baldassi, F. Dodgson, Endi Benetti, Harutyun Poladyan, Edward Anashkin, Ur Metser, A. Reznik, Oleksandr Bubon

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensThunder Bay Regional Research InstitutePrincess Margaret Cancer CentreLakehead University
Organismes subventionnairesnon disponible
Mots-clésImaging phantomScannerImage resolutionBrain cancerIterative reconstructionDetectorNeuroimagingPositron emission tomographyBreast cancer

Résumé

récupéré en direct d'OpenAlex

Organ-targeted PET scanners offer improved spatial resolution, system sensitivity, and costefficiency compared to whole-body systems, and have shown promise especially in imaging breast cancer and Alzheimer's disease. While flat-panel scanners have enabled precise imaging of breast cancer lesions, their use in 3D brain imaging is constrained by the degraded axial spatial resolution due to incomplete angular coverage. Here, we present the first 3D image reconstructions of the Hoffman brain phantom acquired with a versatile LYSO/SiPM-based flat-panel PET scanner. We overcome the challenge of incomplete angular coverage by combining multi-angle acquisitions and performing composite image reconstructions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,322
Écart entre enseignants0,298 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedical Imaging Techniques and Applications→Travaux en français237 207→