Dynamic dual-energy chest radiography: a potential tool for lung tissue motion monitoring and kinetic study
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
Dual-energy chest radiography has the potential to provide better diagnosis of lung disease by removing the bone signal from the image. Dynamic dual-energy radiography is now possible with the introduction of digital flat-panel detectors. The purpose of this study is to evaluate the feasibility of using dynamic dual-energy chest radiography for functional lung imaging and tumor motion assessment. The dual-energy system used in this study can acquire up to 15 frames of dual-energy images per second. A swine animal model was mechanically ventilated and imaged using the dual-energy system. Sequences of soft-tissue images were obtained using dual-energy subtraction. Time subtracted soft-tissue images were shown to be able to provide information on regional ventilation. Motion tracking of a lung anatomic feature (a branch of pulmonary artery) was performed based on an image cross-correlation algorithm. The tracking precision was found to be better than 1 mm. An adaptive correlation model was established between the above tracked motion and an external surrogate signal (temperature within the tracheal tube). This model is used to predict lung feature motion using the continuous surrogate signal and low frame rate dual-energy images (0.1-3.0 frames per second). The average RMS error of the prediction was (1.1 ± 0.3) mm. The dynamic dual energy was shown to be potentially useful for lung functional imaging such as regional ventilation and kinetic studies. It can also be used for lung tumor motion assessment and prediction during radiation therapy.
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