Radiation dose efficiency of dual-energy CT benchmarked against single-source, kilovoltage-optimized scans
Notice bibliographique
Résumé
OBJECTIVE: This study evaluated the radiation dose and image quality implications of dual-energy CT (DECT) use, compared with kilovoltage-optimized single-source/single-energy CT (SECT) on a dual-source Siemens Somatom(®) Definition Flash CT scanner (Siemens Healthcare, Forcheim, Germany). METHODS: With equalized radiation dose (volumetric CT dose index), image noise (standard deviation of CT number) and signal-difference-to-noise ratio (SDNR) were measured and compared across three techniques: 100, 120 and 100/140 kVp (dual energy). Noise in a 30-cm-diameter water phantom and SDNR within unenhanced soft-tissue regions of a small adult (50 kg/165 cm) anthropomorphic phantom were utilized for the assessment. RESULTS: Water phantom image noise decreased with DECT compared with the lower noise SECT setting of 120 kVp (p = 0.046). A decrease in SDNR within the anthropomorphic phantom was demonstrated at 120 kVp compared with the SECT kilovoltage-optimized setting of 100 kVp (p = 0.001). A further decrease in SDNR was observed for the DECT technique when compared with 120 kVp (p = 0.01). CONCLUSION: On the Siemens Somatom Definition Flash system (Siemens Healthcare), and for equalized radiation dose conditions, image quality expressed as SDNR of unenhanced soft tissue may be compromised for DECT when compared with kilovoltage-optimized SECT, particularly for smaller patients. ADVANCES IN KNOWLEDGE: DECT on a dual-source CT scanner may require a radiation dose increase to maintain unenhanced soft-tissue contrast detectability, particularly for smaller patients.
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 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».