PulseAugur
中
实时 05:53:22
English(EN) A systematic evaluation of machine learning classifiers for event-by-event background rejection in LAFOV PET scanners

机器学习分类器用于PET扫描仪背景抑制的评估

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员系统地评估了机器学习分类器（包括XGBoost、AdaBoost和神经网络）在LAFOV PET扫描仪中用于背景抑制。该研究侧重于使用西门子Biograph Vision Quadra扫描仪的蒙特卡洛模拟进行逐事件分类。结果表明，一个包含衰减因子、时间差和能量相关变量的4特征模型比更复杂的6特征模型在不同体模几何形状上具有更好的泛化能力。虽然这些机器学习方法优于传统方法，但要进一步提高图像质量，可能需要更大的输入表示或对散射符合事件进行特殊处理。 AI

排序理由 研究论文，详细介绍了对特定应用的机器学习分类器的系统评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器学习分类器用于PET扫描仪背景抑制的评估

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Konrad Klimaszewski, Micha{\l} Obara, Mateusz Bala, Beatrix C. Hiesmayr, Lech Raczy\'nski, Roman Y. Shopa, Wojciech Zdeb, Wojciech Krzemien ·

    LAFOV PET扫描器中用于事件逐事件背景抑制的机器学习分类器的系统评估

    arXiv:2607.25732v1 Announce Type: new Abstract: The introduction of LAFOV PET scanners brings significant sensitivity gains but also a substantial increase in the background rate from accidental coincidences, phantom-scattered and detector-scattered photons. While machine learnin…

相关实体

相关话题