Fully Automated Analytical Segmentation of Animal Beds in Multi-Mouse PET/SPECT/CT Imaging with the Pre-Clinical VECTor6 Scanner
Notice bibliographique
Résumé
The VECTor6 PET/SPECT/CT pre-clinical imaging system enables simultaneous scanning of up to four mice using a shared animal bed, commonly referred to as a “mouse hotel”. This is particularly advantageous for high-throughput studies. For effective downstream analysis, it is desirable to isolate animals into individual images, center them, and remove the bed structure. Removing the bed facilitates the generation of maximum intensity projections (MIPs) and ensures standardized subject orientation. However, the mouse hotel and bed components are made of acrylic, which has attenuation properties similar to soft tissue, making segmentation challenging. In this study, images were acquired from five groups of four mice, each group imaged twice with a 24 -hour interval, resulting in 10 acquisitions and 40 individual mouse images. Axial rotational alignment was achieved using the 2D Radon transform, taking advantage of the mouse hotel's geometry and optimizing for peak values. Bed segmentation exploited material attenuation differences and implemented through multiple masks combined with connected component analysis to detect and remove bed structures. Manually segmented CT images were used as ground truth for validation. The automated method achieved an average Dice coefficient of 0.978 [0.972-0.984], Jaccard index of 0.958 [0.945-0.968], accuracy of 0.989 [0.984-0.992], precision of 0.959 [0.946-0.968], and recall of 0.999 [0.996-1.000]. Deviations primarily occurred near the snout, where isoflurane is delivered, and the ears, which were inconsistently captured. Overall, the results demonstrate a high degree of concordance with manual segmentation, while reducing processing time from 30 minutes to 3 minutes per scan.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
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 ».