MétaCan
Menu
Retour à la cohorte
Enregistrement W2093299287 · doi:10.1118/1.2826556

Cascaded systems analysis of noise reduction algorithms in dual-energy imaging

2008· article· en· W2093299287 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMedical Physics · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensPrincess Margaret Cancer CentreOntario Institute for Cancer ResearchUniversity of Toronto
Organismes subventionnairesNational Cancer Institute
Mots-clésNoise reductionAlgorithmNoise (video)Quantum noiseReduction (mathematics)Optical transfer functionSmoothingContrast-to-noise ratioSignal-to-noise ratio (imaging)Energy (signal processing)Image noiseMathematicsImage qualityComputer scienceOpticsPhysicsImage (mathematics)Artificial intelligenceStatisticsQuantum

Résumé

récupéré en direct d'OpenAlex

An important aspect of dual-energy (DE) x-ray image decomposition is the incorporation of noise reduction techniques to mitigate the amplification of quantum noise. This article extends cascaded systems analysis of imaging performance to DE imaging systems incorporating linear noise reduction algorithms. A general analytical formulation of linear DE decomposition is derived, with weighted log subtraction and several previously reported noise reduction algorithms emerging as special cases. The DE image noise-power spectrum (NPS) and modulation transfer function (MTF) demonstrate that noise reduction algorithms impart significant, nontrivial effects on the spatial-frequency-dependent transfer characteristics which do not cancel out of the noise-equivalent quanta (NEQ). Theoretical predictions were validated in comparison to the measured NPS and MTF. The resulting NEQ was integrated with spatial-frequency-dependent task functions to yield the detectability index, d', for evaluation of DE imaging performance using different decomposition algorithms. For a 3 mm lung nodule detection task, the detectability index varied from d' < 1 (i.e., nodule barely visible) in the absence of noise reduction to d' > 2.5 (i.e., nodule clearly visible) for "anti-correlated noise reduction" (ACNR) or "simple-smoothing of the high-energy image" (SSH) algorithms applied to soft-tissue or bone-only decompositions, respectively. Optimal dose allocation (A*, the fraction of total dose delivered in the low-energy projection) was also found to depend on the choice of noise reduction technique. At fixed total dose, multi-function optimization suggested a significant increase in optimal dose allocation from A* = 0.32 for conventional log subtraction to A* = 0.79 for ACNR and SSH in soft-tissue and bone-only decompositions, respectively. Cascaded systems analysis extended to the general formulation of DE image decomposition provided an objective means of investigating DE imaging performance across a broad range of acquisition and decomposition algorithms in a manner that accounts for the spatial-frequency-dependent imaging task.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,764
Score d'incertitude au seuil0,458

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,227
Écart entre enseignants0,217 · 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