SU‐E‐I‐81: Experimental Study of Many‐View Under‐Sampling CT
Notice bibliographique
Résumé
Purpose: Sparse‐view CT takes projections at sparser view‐angles and provides a viable option to reducing radiation dose. However, a fast power switching of an x‐ray tube, which is needed for the sparse‐view sampling, can be challenging in many CT systems. We have recently proposed a many‐view under‐sampling (MVUS) technique as an alternative to sparse‐view CT. Methods: We used a bench‐top circular cone‐beam CT projection data set of a water‐phantom which includes 720 projections. The multi‐slit collimator made of tungsten was mounted on the X‐ray source for beam blocking. The collimator is composed periodically of slit‐openings and radio‐opaque rectangular areas, and the length dimension of the slits is parallel to the rotation axis. In addition, we used a sinusoidal motion of the collimator to the perpendicular direction of the rotation axis for the purpose of more uniform spatial sampling of the image. For image reconstruction, we used a total‐variation minimization (TV) algorithm and modified the POCS step so that only the measured data through the collimator slits are to be used in the computation. Results: Image reconstruction parameters are thought to play an important role in determining the image quality. More study for the optimization of reconstruction parameters is under progress and will be reported in the conference. Conclusion: We proposed a novel scanning method for low‐dose CT, and performed a real‐study to possible.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».