SU‐E‐I‐59: Image Quality and Dose Measurement for Partial Cone‐Beam CT
Notice bibliographique
Résumé
Purpose: To characterize performance of cone beam CT (CBCT) used in dentistry investigating quantitatively the image quality and radiation dose during dental CBCT over different settings for partial rotation of the x‐ray tube. Methods: Image quality and dose measurements were done on a variable field of view (FOV) dental CBCT (Carestream 9300). X‐ray parameters for clinical settings were adjustable for 2–10 mA, 60–90 kVp, and two optional voxel size values, but time was fixed for each FOV. Image quality was assessed by scanning cylindrical poly‐methyl methacrylate (PMMA) image quality phantom (SEDENTEXCT IQ), and then the images were analyzed using ImageJ to calculate image quality parameters such as noise, uniformity, and contrast to noise ratio (CNR). A protocol proposed by SEDENTEXCT, dose index 1 (DI1), was applied to dose measurements obtained using a thimble ionization chamber and cylindrical PMMA dose index phantom (SEDENTEXCT DI). Dose distributions were obtained using Gafchromic film. The phantoms were positioned in the FOV to imitate a clinical positioning. Results: The image noise was 6–12.5% which, when normalized to the difference of mean voxel value of PMMA and air, was comparable between different FOVs. Uniformity was 93.5ߝ99.7% across the images. CNR was 1.7–4.2 and 6.3–14.3 for LDPE and Aluminum, respectively. Dose distributions were symmetric about the rotation angle's bisector. For large and medium FOVs at 4 mA and 80–90 kVp, DI1 values were in the range of 1.26–3.23 mGy. DI1 values were between 1.01–1.93 mGy for small FOV (5×5 cm2) at 4–5 mA and 75–84 kVp. Conclusion: Noise decreased by increasing kVp, and the CNR increased for each FOV. When FOV size increased, image noise increased and CNR decreased. DI1 values were increased by increasing tube current (mA), tube voltage (kVp), and/or FOV. Funding for this project from NSERC Discovery grant, UBC Faculty of Dentistry Research Equipment Grant and UBC Faculty of Dentistry S. Wah Leung Endowment Fund.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».