TU‐C‐304A‐09: Radiation Dose Reduction for Pediatric CT
Notice bibliographique
Résumé
Purpose: The purpose of this study was to evaluate potential radiation dose reduction for pediatric CT. Materials and Methods: A dose‐reduction simulation tool, which adds synthetic noise to raw projection measurements and reconstructs images at a simulated lower dose (Massoumzadeh, et al. Med. Phys. Vol. 36, pp. 174–189, 2009), was used to simulate low‐dose CT images. Simulated low‐dose CT images are created from full‐dose CT images of normal and pathological slices (lung nodules and abdominal visceral lesions). The amount of added noise was task dependent, with 10 sets of simulated low dose ranged from 1% to 85% of original dose. Sixteen pediatric cases were selected, including eight normal, three patients with pulmonary nodules, two patients with abdominal visceral organ lesions, and three patients with appendicitis without perforation. All studies performed on a 16‐row scanner, with the effects of tube current modulation and bow tie filters included. Following a short training session, 19 volunteer radiologists, from various clinical centers in the world who were attending the International Pediatric Radiology conference in Montreal in 2006, used a 5‐point scale to rate a sequence of simulated, low‐to‐high exposure images for the presence or absence of lesions. They were total of 176 images with viewing sessions limited to 45 minutes. Diagnostic agreement between full‐dose and reduced‐dose images was assessed with a weighted Kappa statistic. Result: For detection of pulmonary nodules, a decrease in the average intra‐observer agreement (kappa= 0.90) was found at 80% dose reduction, while for the detection of abdominal lesions or appendicitis a 50% reduction was observed. Conclusion: There is potential for dose reduction in CT studies, which is task dependent and greater for pulmonary nodule than for abdominal visceral lesions and appendicitis. The noise simulation methodology is a powerful tool to help understand the relationship among dose, noise, and observer agreement.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».