Suppression of high-density artefacts in x-ray CT images using temporal digital subtraction with application to cryotherapy
Notice bibliographique
Résumé
Image guidance in cryotherapy is usually performed using ultrasound. Although not currently in routine clinical use, x-ray CT imaging is an alternative means of guidance that can display the full 3D structure of the iceball, including frozen and unfrozen regions. However, the quality of x-ray CT images is compromised by the presence of high-density streak artefacts. To suppress these artefacts we applied temporal digital subtraction (TDS). This TDS method has the added advantage of improving the grey scale contrast between frozen and unfrozen tissue in the CT images. Two sets of CT images were taken of a phantom material, cryoprobes and a urethral warmer (UW) before and during the cryoprobe freeze cycle. The high density artefacts persisted in both image sets. TDS was performed on these two image sets using the corresponding mask image of unfrozen material and the same geometrical configuration of the cryoprobes and the UW. The resultant difference image had a significantly reduced artefact content. Thus TDS can be used to significantly suppress or eliminate high-density CT streak artefacts without reducing the metallic content of the cryoprobes. In vivo study needs to be conducted to establish the utility of this TDS procedure for CT assisted prostate or liver cryotherapy. Applying TDS in x-ray CT guided cryotherapy will facilitate estimation of the number and location of all frozen and unfrozen regions, potentially making cryotherapy safer and less operator dependent.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».