MétaCan
Menu
Retour à la cohorte
Enregistrement W2051152796 · doi:10.4236/jbise.2014.74020

Optimization of Image Quality in Retrospective Respiratory-Gated Micro-CT for Quantitative Measurements of Lung Function in Free-Breathing Rats

2014· article· en· W2051152796 sur OpenAlexafffund
Nancy L. Ford, Andrew T. Jeklin, Karen Yip, Darren Yohan, David W. Holdsworth, Maria Drangova

Notice bibliographique

RevueJournal of Biomedical Science and Engineering · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensWestern UniversityToronto Metropolitan UniversityUniversity of British Columbia
Organismes subventionnairesHeart and Stroke Foundation of Canada
Mots-clésImage qualityReproducibilityBreathingNuclear medicineSortingScannerRepeatabilityProjection (relational algebra)Biomedical engineeringLung volumesMedicineLungComputer scienceMathematicsImage (mathematics)AlgorithmComputer visionArtificial intelligenceAnatomyInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

Objective: To optimize scan time and X-ray dose with no loss of image quality for retrospectively gated micro-CT scans of free-breathing rats. Methods: Five free-breathing rats were scanned using a dynamic micro-CT scanner over 10 continuous gantry rotations (50 seconds and entrance dose of 0.28 Gy). The in-phase projection views were selected and reconstructed, representing peak inspiration and end expiration from all 10 rotations and progressively fewer rotations. A least error method was also used to ensure that all angular positions were filled. Image quality and reproducibility for physiological measurements were compared for the two techniques. Results: The least error approach underestimated the lung volume, air content in the lung at peak inspiration, and tidal volume. Other measurements showed no differences between the projection-sorting techniques. Conclusions: Seven gantry rotations (35 seconds and 0.2 Gy dose) proved to be the optimal protocol for both the in-phase images and the least error images.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,343
Écart entre enseignants0,306 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations6
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Science and EngineeringMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207