Optimal Virtual Monochromatic Images for Evaluation of Normal Tissues and Head and Neck Cancer Using Dual-Energy CT
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.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle