Optimization of image acquisition techniques for dual‐energy imaging of the chest
Notice bibliographique
Résumé
Experimental and theoretical studies were conducted to determine optimal acquisition techniques for a prototype dual-energy (DE) chest imaging system. Technique factors investigated included the selection of added x-ray filtration, kVp pair, and the allocation of dose between low- and high-energy projections, with total dose equal to or less than that of a conventional chest radiograph. Optima were computed to maximize lung nodule detectability as characterized by the signal-difference-to-noise ratio (SDNR) in DE chest images. Optimal beam filtration was determined by cascaded systems analysis of DE image SDNR for filter selections across the periodic table (Z(filter) = 1-92), demonstrating the importance of differential filtration between low- and high-kVp projections and suggesting optimal high-kVp filters in the range Z(filter) = 25-50. For example, added filtration of approximately 2.1 mm Cu, approximately 1.2 mm Zr, approximately 0.7 mm Mo, and approximately 0.6 mm Ag to the high-kVp beam provided optimal (and nearly equivalent) soft-tissue SDNR. Optimal kVp pair and dose allocation were investigated using a chest phantom presenting simulated lung nodules and ribs for thin, average, and thick body habitus. Low- and high-energy techniques ranged from 60-90 kVp and 120-150 kVp, respectively, with peak soft-tissue SDNR achieved at [60/120] kVp for all patient thicknesses and all levels of imaging dose. A strong dependence on the kVp of the low-energy projection was observed. Optimal allocation of dose between low- and high-energy projections was such that approximately 30% of the total dose was delivered by the low-kVp projection, exhibiting a fairly weak dependence on kVp pair and dose. The results have guided the implementation of a prototype DE imaging system for imaging trials in early-stage lung nodule detection and diagnosis.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».