Strategies and Scientific Basis of Dose Reduction on State-of-the-Art Multirow Detector X-Ray CT Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The continued development in multirow detector computed tomography (MDCT) technology accompanied by tremendous enhancement in the clinical utility and rapid increase in the number of MDCT scanners worldwide are causing a steep rise in the number of diagnostic computed tomography (CT) procedures performed each year. The everincreasing use of this X-radiation-based imaging technique has raised radiation protection concerns among the clinical community and general public. To address these concerns, significant efforts have been made by the clinical community as well as industry, research, and government organizations. Because of these efforts, modern MDCT systems are now equipped with a variety of tools that can lead to "radiation dose-optimized" CT images if used properly. This review describes CT dose metrics and their limitations, radiation dose reduction techniques and strategies implemented using modern MDCT scanners, and the role of research and regulatory organizations in developing guidelines and regulations to facilitate the adoption of the dose reduction strategies. An account of further developments required to achieve submillisievert X-ray CT doses and to make X-ray CT a radiation risk-free imaging modality is also given. A detailed description of the scientific basis and controversies surrounding the linear no threshold (LNT) model, which forms the basis of all radiation dose reduction strategies, is also provided in this review. According to the LNT model, there is no amount of radiation that is safe or beneficial for human beings. Based on recent epidemiological studies, despite all of the controversies, the LNT model continues to be the basis of the ALARA (as low as reasonably achievable) principle of radiation protection framework in CT.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle