Functional CT in lung with a conventional scanner: simulations and sampling considerations
Notice bibliographique
Résumé
Due to rapid transit times, motion artefacts from breathing and the low signal intensity, functional computed tomography (f-CT) studies in lung tissue remain challenging with conventional CT scanners. The purpose of this study is to examine the accuracy of parameter estimates when performing deconvolution analysis with signals from lung tissue. The effects of partial volume averaging in lung tissue, differing transit times, variable vascular and capillary responses, expected noise levels, differing sampling rate and durations were simulated on a computer. Deconvolution using singular-value decomposition (SVD) analysis was performed for realistic lung signals using published and measured values of the arterial input and noise levels. The accuracy, bias and variance of the estimated residue functions and their associated parameter estimates were evaluated. We find that f-CT signals may be measured and analysed using SVD and other deconvolution approaches. Functional CT signals in the lung may be analysed provided that the rise and fall of the tissue and input curves are well sampled (regardless of sampling rate) and noise levels in the lung ROI tissue are approximately 20 HU or less, even for regions of interest that are mostly occupied by air. Estimates of the mean tissue transit time (MTT) are insensitive to air volume. Other decovolution methods such as fast Fourier transform methods provide more accurate estimates of PBF, whereas SVD approaches provide more accurate estimates of pulmonary blood volume and MTT. F-CT of the lung with a conventional scanner should be possible, when the extra dose is not a consideration.
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) | 0,000 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 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 ».