A constancy test to monitor cross-calibration factors for a small animal SPECT-CT scanner
Notice bibliographique
Résumé
2014 Objectives To determine if a sealed reference source for a dose calibrator (DC) can be used to cross-calibrate a small animal SPECT scanner with the DC to enable monitoring of the constancy of scanner performance. Methods Using a nanoSPECT-CT scanner, 15 scans of a sealed Co-57 vial source were obtained over a period of one month. All scans were acquired and reconstructed with the same parameters. Quantification factors (QF) for cross-calibration were derived for each scan relative to the DC measurement of the reference Co-57. Additionally, 8 other QF were derived from 7 previous months. A comparison of QF prior to and after routine preventative service (uniformity calibration) was performed. Mean (M), standard deviation (SD) and coefficient of variation (CV) for QF were calculated. Results The range was 4.06-4.198 with the M ± SD of 4.151 ± 0.048 for the 15 QF over one month (all values x 10-3). The CV was 1.2%. Prior to service being performed on 4 of the 8 additional QF the range was 4.412-4.683, the M ± SD was 4.544 ± 0.116, and CV was 2.6%. We were able to detect changes in the value and variation of QF using the sealed source. Conclusions In this study cross-calibration of the SPECT scanner to DC was performed using a Co-57 reference source to derive QF, these QF allowed monitoring of the constancy of scanner performance. Service to the scanner can change the QF used for cross-calibration, so QF should be re-calculated after both routine service as well as repair to ensure the scanner is properly calibrated to the DC.
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 | 0,014 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».