Comparison of free breathing versus breath-hold in perfusion imaging using dynamic volume CT
Notice bibliographique
Résumé
OBJECTIVES: To compare two scanning protocols (free breathing versus breath-hold) for perfusion imaging using dynamic volume computed tomography (CT) and to evaluate their effects on image registration. MATERIAL AND METHODS: Forty patients underwent dynamic volume CT for pancreatic perfusion analysis and were randomly assigned to either a shallow-breathing (I) or breath-hold (II) group. Both dynamic CT protocols consisted of 17 low-dose volumetric scans. Rigid image registration was performed by using the volume with highest aortic attenuation as reference. All other volumes were visually matched with the pancreatic lesion serving as the volumetric region of interest. The overall demand for post-processing per patient was calculated as the median of three-dimensional vector lengths of all volumes in relation to the relative patient origin. The number of volumes not requiring registration was recorded per group. RESULTS: Registration mismatch for groups I and II was 2.61 mm (SD, 1.57) and 4.95 mm (SD, 2.71), respectively (P < 0.005). Twenty-eight volumes in group I (8.2%) and 47 volumes in group II (14.1%) did not require manual registration (P = 0.014). CONCLUSION: Shallow breathing during dynamic volume CT scanning reduces the overall demand for motion correction and thus may be beneficial in perfusion imaging of the pancreas MAIN MESSAGES: • Shallow breathing during perfusion CT scanning reduces the overall demand for motion correction. • Shallow breathing may be beneficial in perfusion imaging of the pancreas. • Image registration is crucial for CT perfusion imaging.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».