SU-F-BRCD-07: Experimental Validation of Fluence Field Modulation for Noise and Dose Management in CT
Notice bibliographique
Résumé
PURPOSE: Dose management in CT is a growing concern as the number of CT scans per capita rises. Fluence field modulated computed tomography (FFMCT) is a proposed approach for more optimal dose management, where the incident fluence pattern can change independently for each projection in order to minimize dose while meeting prescribed image quality metrics. This work studies the application of FFMCT for dose and noise management to a small cylindrical phantom. METHODS: Experiments were carried out on an experimental CT system using a small cylindrical phantom comprised of acrylic spheres, water and teflon rods as the object of interest. Modulation of the incident fluence was optimized using a simulated annealing algorithm that attempts to achieve user-prescribed, regionally varying SNR criteria while limiting dose. The modulated projections were synthesized from projection sets taken at various tube current settings. SNR patterns and predicted dose outcomes were compared to the prescribed values as well as against expected results using a bowtie filter. RESULTS: FFMCT resulted in SNR outcomes with greater agreement to the prescribed regionally varying SNR criteria than achieved by the bowtie filter. Dose reductions were observed for the majority of the object, and reached as high as 60%. Limited regions, coinciding with lower noise, observed dose increases less than 20%. Integral dose reduction over the entire object was greater than 40% when compared to a bowtie filter with comparable image quality in the region of interest. CONCLUSIONS: The results support the hypothesis that FFMCT has the potential to meet user-prescribed, regionally varying image quality objectives, while decreasing radiation dose to the patient. These results suggest that given a suitable collimator approach, fluence field modulated computed tomography could reap significant benefits in terms of reducing dose and optimizing image quality. NSERC.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 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 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 ».