Use of a digitally reconstructed radiograph-based computer simulation for the optimisation of chest radiographic techniques for computed radiography imaging systems
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this study was to derive an optimum radiographic technique for computed radiography (CR) chest imaging using a digitally reconstructed radiograph computer simulator. The simulator is capable of producing CR chest radiographs of adults with various tube potentials, receptor doses and scatter rejection. METHODS: Four experienced image evaluators graded images of average and obese adult patients at different potentials (average-sized, n=50; obese, n=20), receptor doses (n=10) and scatter rejection techniques (average-sized, n=20; obese, n=20). The quality of the images was evaluated using visually graded analysis. The influence of rib contrast was also assessed. RESULTS: For average-sized patients, image quality improved when tube potential was reduced compared with the reference (102 kVp). No scatter rejection was indicated. For obese patients, it has been shown that an antiscatter grid is indicated, and should be used in conjunction with as low a tube potential as possible (while allowing exposure times <20 ms). It is also possible to reduce receptor air kerma by 50% without adversely influencing image quality. Rib contrast did not interfere at any tube potential. CONCLUSIONS: A virtual clinical trial has been performed with simulated chest CR images. Results indicate that low tube potentials (<102 kVp) are optimal for average and obese adults, the former acquired without scatter rejection, the latter with an anti-scatter grid. Lower receptor (and therefore patient doses) than those used clinically are possible while maintaining adequate image quality.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».