Positron emission tomography (PET) image reconstruction by density estimation
Notice bibliographique
Résumé
PET (positron emission tomography) scans are still in the experimental phase, as one of the newest breast cancer diagnostic techniques. It is becoming the new standard in neurology, oncology and cardiology. PET, like other nuclear medicine diagnostic and treatment techniques, involves the use of radiation. Because of the negative impact of radioactivity to our bodies the radiation doses in PET should be small. \n\nThe existing computing algorithms for calculating PET images can be divided into two broad categories: analytical and iterative methods. In the analytical approach the relation between the picture and its projections is expressed by a set of integral equations which are then solved analytically. The Fourier backprojection (FBP) algorithm is a numerical approximation of this analytical solution. Iterative approaches use deterministic (ART = Algebraic Reconstructed Technique) or stochastic (EM = Expectation Maximization) algorithms.\n\nMy proposed kernel density estimation (KDE) algorithm also falls also into the category of iterative methods. However, in this approach each coincidence event is considered individually. The estimate location of the annihilation event that caused each coincidence event is based on the previously assigned location of events processed earlier. To accomplish this, we construct a probability distribution along each coincidence line. This is generated from previous annihilation points by density estimation. It is shown that this density estimation approach to PET can reconstruct an image of an existing tumor using significantly less data than the standard CT algorithms, such as FBP. Therefore, it might be very promising technique allowing reduced radiation dose for patients, while retaining or improving image quality.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».