MétaCan
Menu
Retour à la cohorte
Enregistrement W2031628593 · doi:10.1118/1.4801905

Anatomical noise in contrast‐enhanced digital mammography. Part I. Single‐energy imaging

2013· article· en· W2031628593 sur OpenAlexaff
Melissa L. Hill, James G. Mainprize, Ann‐Katherine Carton, Serge Muller, Mehran Ebrahimi, Roberta A. Jong, Clarisse Dromain, Martin J. Yaffe

Notice bibliographique

RevueMedical Physics · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueDigital Radiography and Breast Imaging
Établissements canadiensHealth Sciences CentreOntario Tech UniversityUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMammographyDigital mammographyMedical imagingContrast (vision)Noise (video)Medical physicsEnergy (signal processing)Contrast-to-noise ratioPhysicsComputer scienceMedicineOpticsRadiologyComputer visionImage qualityBreast cancerCancer

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Dual-energy (DE) contrast-enhanced digital mammography (CEDM) uses an iodinated contrast agent in combination with digital mammography (DM) to evaluate lesions on the basis of tumor angiogenesis. In DE imaging, low-energy (LE) and high-energy (HE) images are acquired after contrast administration and their logarithms are subtracted to cancel the appearance of normal breast tissue. Often there is incomplete signal cancellation in the subtracted images, creating a background "clutter" that can impair lesion detection. This is the second component of a two-part report on anatomical noise in CEDM. In Part I the authors characterized the anatomical noise for single-energy (SE) temporal subtraction CEDM by a power law, with model parameters α and β. In this work the authors quantify the anatomical noise in DE CEDM clinical images and compare this with the noise in SE CEDM. The influence on the anatomical noise of the presence of iodine in the breast, the timing of imaging postcontrast administration, and the x-ray energy used for acquisition are each evaluated. METHODS: The power law parameters, α and β, were measured from unprocessed LE and HE images and from DE subtracted images to quantify the anatomical noise. A total of 98 DE CEDM cases acquired in a previous clinical pilot study were assessed. Conventional DM images from 75 of the women were evaluated for comparison with DE CEDM. The influence of the imaging technique on anatomical noise was determined from an analysis of differences between the power law parameters as measured in DM, LE, HE, and DE subtracted images for each subject. RESULTS: In DE CEDM, weighted image subtraction lowers β to about 1.1 from 3.2 and 3.1 in LE and HE unprocessed images, respectively. The presence of iodine has a small but significant effect in LE images, reducing β by about 0.07 compared to DM, with α unchanged. Increasing the x-ray energy, from that typical in DM to a HE beam, significantly decreases α by about 2×10(-5) mm2, and lowers β by about 0.14 compared to LE images. A comparison of SE and DE CEDM at 4 min postcontrast shows equivalent power law parameters in unprocessed images, and lower α and β by about 3×10(-5) mm2 and 0.50, respectively, in DE versus SE subtracted images. CONCLUSIONS: Image subtraction in both SE and DE CEDM reduces β by over a factor of 2, while maintaining α below that in DM. Given the equivalent α between SE and DE unprocessed CEDM images, and the smaller anatomical noise in the DE subtracted images, the DE approach may have an advantage over SE CEDM. It will be necessary to test this potential advantage in future lesion detectability experiments, which account for realistic lesion signals. The authors' results suggest that LE images could be used in place of DM images in CEDM exam interpretation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,937
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,218
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetDigital Radiography and Breast ImagingTravaux en français237 207