Iterative Reconstruction for Head CT: Effects on Radiation Dose and Image Quality
Notice bibliographique
Résumé
BACKGROUND: Iterative reconstruction has been reported to reduce radiation dose in CT, while preserving and even improving image quality. The purpose of this study was to evaluate the effects of sinogram-affirmed iterative reconstruction (SAFIRE) on radiation dose reduction and image quality for noncontrast adult head CT and to compare SAFIRE with conventional filtered back-projection (FBP) reconstruction. METHODS: Institutional review board approval was obtained for this retrospective analysis of head CT scans reconstructed with SAFIRE and/or FBP for 107 patients. Radiation dose parameters were recorded from scanner-generated CT dose reports. Signal-to-noise and contrast-to-noise ratios (SNR, CNR) were calculated from gray and white matter (GM, WM) attenuation measurements. Image noise, artifacts, GM-WM differentiation, small structure visibility, and sharpness were graded by two readers. Statistical analysis included the independent-samples t test for quantitative data, the related samples Wilcoxon signed-rank test for qualitative data, the coefficient of repeatability for intraobserver variation, and κ statistics for interobserver agreement. RESULTS: Mean effective dose was significantly reduced with SAFIRE from 2.0 to 1.7 mSv (p<0.0001). SAFIRE also significantly improved GM SNR, WM SNR, and GM-WM CNR (p<0.0001). Significant reductions in image noise and posterior fossa artifact as well as improvements in GM-WM differentiation, small structure visibility, and sharpness were noted with SAFIRE (P<0.005). CONCLUSIONS: SAFIRE for noncontrast adult head CT reduces patient radiation dose by 15% for the settings employed at our institution, while significantly improving multiple quantitative and qualitative measures of image quality.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».