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 (D<sub>A</sub>) and kVp pair. The resulting dose allocation optimization is in agreement with the practice of assigning more dose to the high-energy image (D<sub>A</sub> < 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».