MétaCan
Menu
Retour à la cohorte
Enregistrement W1818421379 · doi:10.2991/icecee-15.2015.66

Numerical Simulation for Dual-energy CT Imaging

2015· article· en· W1818421379 sur OpenAlexaff
Lixin Wang, Fengrong Sun, Paul Babyn, Hai Zhong, Zhenzhen Zhou, Hao Huang, Jiaojiao Qin

Notice bibliographique

RevueAdvances in computer science research · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensUniversity of SaskatchewanSaskatchewan Health Authority
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésDigital Enhanced Cordless TelecommunicationsBottleneckComputer scienceMedical imagingIterative reconstructionProjection (relational algebra)Medical physicsArtificial intelligenceMedicineAlgorithm

Résumé

récupéré en direct d'OpenAlex

The clinical application of dual-energy CT (DECT) system is a significant technical progress in X-ray medical imaging for recent years. Compared with conventional CT, DECT is capable of differentiating tissue and eliminating beam hardening artifacts and plays a unique role in current diagnostic imaging. But it is not easy for the researchers to acquire DECT raw projection data. And it has become a bottleneck for those theoretical explorations on DECT imaging. We propose a method to implement the numerical simulation for the material decomposition and image reconstruction of DECT imaging, based on the physics and mathematics of CT/DECT imaging. The experimental results show the validity and the reliability of our method.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,412
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in computer science researchMême sujetAdvanced X-ray and CT ImagingTravaux en français237 207