Single-layer and dual-layer contrast-enhanced mammography using amorphous selenium flat panel detectors
Notice bibliographique
Résumé
The accumulation of injected contrast agents allows the image enhancement of lesions through the use of contrast-enhanced mammography. In this technique, the combination of two acquired images is used to create an enhanced image. There exist several methods to acquire the images to be combined, which include dual energy subtraction using a single detection layer that suffers from motion artifacts due to patient motion between image acquisition. To mitigate motion artifacts, a detector composed of two layers may be used to simultaneously acquire the low and high energy images. In this work, we evaluate both of these methods using amorphous selenium as the detection material to find the system parameters (tube voltage, filtration, photoconductor thickness and relative intensity ratio) leading to the optimal performance. We then compare the performance of the two detectors under the variation of contrast agent concentration, tumor size and dose. The detectability was found to be most comparable at the lower end of the evaluated factors. The single-layer detector not only led to better contrast, due to its greater spectral separation capabilities, but also had lower quantum noise. The single-layer detector was found to have a greater detectability by a factor of 2.4 for a 2.5 mm radius tumor having a contrast agent concentration of 1.5 mg ml(-1) in a 4.5 cm thick 50% glandular breast. The inclusion of motion artifacts in the comparison is part of ongoing research efforts.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».