Theoretical framework for the dual-energy cone-beam CT noise-power spectrum NEQ and tasked-based detectability index
Notice bibliographique
Résumé
The optimization of dual-energy computed tomography (DE-CT) is challenged by the lack of a theoretical foundation for image quality. This work reports a cascaded systems analysis model that was used to derive signal and noise propagation in DE-CBCT in prevalent Fourier metrics such as the noise-power spectrum (NPS) and noise-equivalent quanta (NEQ). The model was validated in comparison to measurements of the 3D NPS and NEQ in DE-CBCT images acquired using an experimental imaging bench. Task-based detectability index was derived using DE-NPS and NEQ as an objective function in optimizing DE imaging parameters such as the dose allocation factor (DA) and kVp pair. The resulting dose allocation optimization is in agreement with the practice of assigning more dose to the high-energy image (DA < 0.5), and the model provides a quantitative basis for examining the optimal dose allocation as a function of total dose, kVp pair, the presence of electronics noise, and the imaging task. An example optimization is shown for a breast tumor detection task. Using DE decomposition to cancel fibroglandular tissue (rendering a DE-CBCT image of breast tumor against an adipose tissue background) and assuming a total dose of 15mGy, the optimal kVp pair is identified at [45, 105]kVp with DA=0.46. The model is sufficiently general for applications beyond this example, demonstrating utility in the optimization in a broad range of imaging parameters. The model provides a new, valuable framework for understanding the theoretical limits of DE-CBCT imaging performance and maximizing image quality while minimizing radiation dose.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».