Ultra-Low-Dose Sparse-View Quantitative CT Liver Perfusion Imaging
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
Radiation dose of computed tomography liver perfusion imaging can be reduced by collecting fewer x-ray projections in each gantry rotation, but the resulting aliasing artifacts could affect the hepatic perfusion measurement. We investigated the effect of projection undersampling on the assessment of hepatic arterial blood flow (HABF) in hepatocellular carcinoma (HCC) when dynamic contrast-enhanced (DCE) liver images were reconstructed with filtered backprojection (FBP) and compressed sensing (CS). DCE liver images of a patient with HCC acquired with a 64-row CT scanner were reconstructed from all the measured projections (984-view) with the standard FBP and from one-third (328-view) and one-fourth (246-view) of all available projections with FBP and CS. Each of the 5 sets of DCE liver images was analyzed with a model-based deconvolution algorithm from which HABF maps were generated and compared. Mean HABF in the tumor and normal tissue measured by the 328-view CS and FBP protocols was within 5% differences from that assessed by the reference full-view FBP protocol. In addition, the tumor size measured by using the 328-view CS and FBP average images was identical to that determined by using the full-view FBP average image. By contrast, both the 246-view CS and FBP protocols exhibited larger differences (>20%) in anatomical and functional assessments compared with the full-view FBP protocol. The preliminary results suggested that computed tomography perfusion imaging in HCC could be performed with 3 times less projection measurement than the current full-view protocol (67% reduction in radiation dose) when either FBP or CS was used for image reconstruction.
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