Metal Artifact Reduction: Added Value of Rapid-Kilovoltage-Switching Dual-Energy CT in Relation to Single-Energy CT in a Piglet Animal Model
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this article is to evaluate virtual monochromatic spectral imaging and metal artifact reduction software for reducing metal artifact and to compare it with conventional single-energy CT (SECT) in an animal model. MATERIALS AND METHODS: Postmortem juvenile (n = 5) and adult (n = 1) swine specimens were scanned with SECT followed by a dual-energy CT (DECT) pediatric protocol after the insertion of two rods into their paraspinal thoracolumbar regions. Virtual monochromatic spectral images were extrapolated from DECT images at five monoenergetic levels (64, 69, 75, 88, and 105 keV) with and without the use of metal artifact reduction software. Images were evaluated by a 5-point scoring system for the extent of metallic artifacts and image interpretability in soft-tissue and bone windows. The density in the most pronounced artifact was measured. CT dose index was recorded. RESULTS: In studies without metal artifact reduction software, higher energy reconstructions resulted in fewer artifacts and better image interpretability in both soft-tissue and bone windows (p < 0.0001). Artifact density decreased from -792 HU at 64 keV to -128 HU at 105 keV without the use of metal artifact reduction software. No difference was noted in attributes' scores or in artifact density in studies using metal artifact reduction software (p > 0.05). DECT studies showed lower scores compared with SECT with regard to all attributes. A new faint perimetallic hypodense halo was seen in all studies with metal artifact reduction software. The CT dose index of DECT was 1.18-3.56 times higher than that of SECT techniques. CONCLUSION: DECT at all energy levels with metal artifact reduction software and higher energy extrapolations without metal artifact reduction software reduced metallic artifact and enhanced image interpretability compared with SECT. Radiation dose with DECT could be significantly higher than SECT.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».