Iodine potassium iodide improves the contrast‐to‐noise ratio of micro‐computed tomography images of the human middle ear
Notice bibliographique
Résumé
High-resolution imaging of middle-ear geometry is necessary for finite-element modeling. Although micro-computed tomography (microCT) is widely used because of its ability to image bony structures of the middle ear, it is difficult to visualize soft tissues - including the tympanic membrane and the suspensory ligaments/tendons - because of lack of contrast. The objective of this research is to quantitatively evaluate the efficacy of iodine potassium iodide (IKI) solution as a contrast agent. Six human temporal bones were used in this experiment, which were obtained in right-left pairs, from three cadaveric heads. All bones were fixed using formaldehyde. Three bones (one from each pair) were stained in IKI solution for 2 days, whereas the other three were not stained. Samples were scanned using a microCT system at a resolution of 20 μm. Eight soft tissues in the middle ear were segmented: anterior mallear ligament, incudomallear joint, lateral mallear ligament, posterior incudal ligament, stapedial annular ligament, stapedius muscle, tympanic membrane and tensor tympani muscle. Contrast-to-noise ratios (CNRs) of each soft tissue were calculated for each temporal bone. Combined CNRs of the soft tissues in unstained samples were 6.1 ± 3.0, whereas they were 8.1 ± 2.7 in stained samples. Results from Welch's t-test indicate significant difference between the two groups at a 95% confidence interval. Results for paired t-tests for each of the individual soft tissues also indicated significant improvement of contrast in all tissues after staining. Relatively large soft tissues in the middle ear such as the tympanic membrane and the tensor tympani muscle were impacted by staining more than smaller tissues such as the stapedial annular ligament. The increase in contrast with IKI solution confirms its potential application in automatic segmentation of the middle-ear soft tissues.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».