3D Model-based partial volume correction for cardiac PET imaging in mice
Notice bibliographique
Résumé
204 Objectives Quantitative cardiac PET imaging is limited by spatial resolution. In this study a 3D partial volume correction (PVC) algorithm is developed for mouse LV myocardial imaging. Methods A 3D model of the ECG-gated cardiac geometry and activity was estimated and convolved with the scanner PSF. Regional parameters of the model (LV myocardium, blood and background activity, and epi/endocardial wall borders) were varied to fit measured image data. ECG gated cardiac mouse PET images, with and without noise, were simulated using the MOBY phantom convolved with a Gaussian PSF. Images were simulated with axial pixel sizes of 0.2 and 0.8 mm and resolutions of 1.25 and 1.8 mm. Images were generated with the LV oriented axially and at 20 degrees off-axis. The algorithm was evaluated in six healthy mice injected with 18F-FDG, scanned with the Inveon and reconstructed with 8 ECG gates. Results The PVC reduced bias in LV myocardial activity from 35% to within 5% and decreased the COV from 11-12% to 6-9% on the simulated images, demonstrating the ability to simultaneously improve recovery and homogeneity. With the heart oriented on-axis, an axial resolution of 1.8 mm did not affect the corrected activity, however an axial pixel size of 0.8 mm caused a 3% underestimation (p Conclusions PVC is necessary to restore quantitative accuracy in cardiac imaging. The 3D PVC algorithm explored in this study appears to be a feasible solution to improve quantitative accuracy in mouse heart imaging with PET. Research Support NSERC, CIH
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».