Optimal Virtual Monochromatic Images for Evaluation of Normal Tissues and Head and Neck Cancer Using Dual-Energy CT
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Dual-energy CT is not used routinely for evaluation of the head and neck, and there is no consensus on the optimal virtual monochromatic image energies for evaluating normal tissues or head and neck cancer. We performed a quantitative evaluation to determine the optimal virtual monochromatic images for visualization of normal tissues, head and neck squamous cell carcinoma, and lymphadenopathy. MATERIALS AND METHODS: Dual-energy CT scans from 10 healthy patients and 30 patients with squamous cell carcinoma were evaluated at different virtual monochromatic energy levels ranging from 40 to 140 keV. The signal-to-noise ratios of muscles at 6 different levels, glands (parotid, sublingual, submandibular, and thyroid), 30 tumors, and 17 metastatic lymph nodes were determined as measures of optimal image quality. Lesion attenuation and contrast-to-noise ratios (compared with those of muscle) were evaluated to assess lesion conspicuity. RESULTS: The optimal signal-to-noise ratio for all the tissues was at 65 keV (P < .0001). However, tumor attenuation (P < .0001), attenuation difference between tumor and muscles (P = .03), and lesion contrast-to-noise ratios (P < .0001) were highest at 40 keV. CONCLUSIONS: The optimal image signal-to-noise ratio is at 65 keV, but tumor conspicuity compared with that of muscle is greatest at 40 keV. Optimal evaluation of the neck may be best achieved by a multiparametric approach, with 65-keV virtual monochromatic images providing the best overall image quality and targeted use of 40-keV virtual monochromatic images for tumor evaluation.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».