Poster — Wed Eve—08: Effectiveness RMI‐156 Mammography Accreditation Phantom in Evaluating Digital Mammography Systems
Notice bibliographique
Résumé
PURPOSE: Evaluation of the Effectiveness RMI‐156 Mammography Accreditation Phantom in Digital Mammography METHOD AND MATERIALS: Modulation Transfer Function (MTF) and Signal Difference‐to‐Noise Ratio (SDNR) are considered to be the quantitative image quality matrices that can be used to characterize image quality in digital mammography. However there is no established information regarding the acceptable values for these quantities. This is further complicated by the fact that different detector technologies (pixel size, DQE etc.) are used in digital mammography. Recent experience with two different digital mammography systems (incorporating different digital detectors) from the same manufacturer indicated that the RMI‐156 phantom image quality is better suited for clinical evaluation and comparison of digital mammography systems. RESULTS: SDNR values for a 1 mm disk placed on a 4 cm Lucite phantom for Siemens Novation (70 μm pixel) and Inspiration (85 μm pixel) were calculated to be 3.0 and 3.2 respectively during acceptance testing. However, the evaluation of RMI‐156 phantom image from both systems indicated the image from Inspiration system with higher SDNR had inferior image quality. The Inspiration system was therefore re‐calibrated to increase exposure factors by 33% leading to a new SDNR value of 3.5. This clearly demonstrated that SDNR and MTF measures are not yet established for digital mammography systems for acceptance testing and that RMI‐156 phantom can still be used for digital mammography system evaluations. CONCLUSION: RMI‐156 mammography accreditation phantom is found to be a better image quality indicator in comparing and calibrating digital mammography systems than SDNR and MTF estimates.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».