Poster — Thur Eve — 05: Objective phantom‐based and porcine model comparison of filtered back projection, adaptive statistical iterative reconstruction and model based iterative reconstruction algorithms
Notice bibliographique
Résumé
We performed objective image quality evaluation of three commercial reconstruction algorithms available on a GE DiscoveryCT750HD multi‐detector CT (MDCT) scanner at different dose levels. Using a Catphan500 phantom and a freshly euthanized pig carcass (∼ 36kg), we evaluated the noise and contrast‐to‐noise ratio (CNR) for the three reconstruction algorithms: filtered back‐projection (FBP), adaptive statistical iterative reconstruction (ASIR™) and model based iterative reconstruction (code named VEO™). At a dose of ∼ 1.5 mGy, ASIR™ offers noise reduction up to 54% with the phantom, while VEO™ reduces noise by up to 70% with the porcine model. At low doses, VEO™ offers better noise reduction capabilities over FBP and ASIR™, depending on helical pitch. The level of noise reduction increases as pitch increases. Similar trend was observed with CNR increases as VEO™ offered significantly better CNR over FBP and ASIR™. Compared to FBP, iterative algorithms reduce image noise and increase CNR. The model‐based iterative algorithm (VEO™) produced better noise and contrast resolution in both phantom and porcine images compared to FBP and ASIR™.
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 ».