Kinetic analysis and inter-subject registration of brain PET images
Notice bibliographique
Résumé
Positron emission tomography (PET) imaging is becoming increasingly popular for understanding brain function.This thesis addresses two problems related to PET images: binding potential (BP) computation and pairwise PET image registration.We first investigate the influence of several computational choices on the calculation of binding potential maps in brain PET.Our work uses simulated data and allows us to provide some benchmarks for the choices to make for BP computation, which is an important step towards fully automated MR independent BP estimation.We then introduce a new method for pairwise dynamic PET image registration that is derived from the 3D diffeomorphic log-demons algorithm, and demonstrate an improvement over existing methods.We also present a highresolution [ 11 C]raclopride PET template built from 35 subjects scanned on the High Resolution Research Tomograph.As this is the highest resolution PET scanner available at the time, to the best of our knowledge, this template is the best quality representation of a PET [ 11 C]raclopride image produced to date.iii ABR ÉG É L'imagerie à émission de positrons est de plus en plus utilisée pour comprendre le fonctionnement du cerveau.Ce mémoire aborde deux sujets liés à ces images: le calcul du potentiel de liaison et l'alignement de deux images.Nous étudions tout d'abord l'influence de certains choix d'implémentation sur les estimations de potentiel de liaison.Ces travaux effectués sur des données simulées nous permettent de donner des points de repère concernant les choix à faire pour calculer le potentiel de liaison, ce qui constitue un pas important vers un calcul du potentiel de liaison entièrement automatisé et indépendant d'images à résonance magnétique.Nous introduisons ensuite une nouvelle méthode pour l'alignement de deux images de tomographie à émission de positrons.Cette méthode est adaptée de l'algorithme des log-démons difféomorphiques 3D.Nous montrons que notre méthode donne de meilleurs résultats que des méthodes existantes.Nous présentons aussi un modèle de haute résolution pour l'imagerie à émission de positrons utilisant la [ 11 C]raclopride.Ce modèle est construit à partir de 35 sujets scannés sur le tomographe de recherche à haute résolution (High Resolution Research Tomograph).Comme il s'agit du tomographe de plus haute résolution disponible à ce jour, à notre connaissance, notre modèle est l'image de raclopride de plus haute résolution jamais produite.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 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 | 0,001 |
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 ».