A Method for Narrow Field-Of-View Region-Of-Interest Computed Tomography
Notice bibliographique
Résumé
This paper presents a method for reconstructing of an internal tomographic image for a region-of-interest (RoI) within a section, using narrowed radiation beams. This reduces radiation exposure, and with the aid of an iterative image reconstruction algorithm, RoI images are reconstructed with a quality comparable to conventional computed tomography (CT) full field-of-view images. Region-of-interest image reconstruction is formulated as a discrete problem to avoid the truncated (incomplete) problem associated with the conventional analytic filtered backprojection method. This in turn allows local reconstruction of RoI images without any prior information or constraints. A coarse image of the entire section is first reconstructed with the aid of a modified convex maximum likelihood (MCML) algorithm. The coarse image is then used to account for the effect of the RoI surroundings. With RoI-specific projections, an RoI image is then reconstructed with the MCML method at the desired pixel size. The proposed method is evaluated using an anthropomorphic thorax phantom, with the heart as its RoI, showing an image quality comparable to that of a conventional CT, but with a about 72% reduction in radiation exposure. Unlike existing approaches that require some a prior knowledge of a segment of the image, this approach does not require any prior image information or any constrains on the solution.
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) | 0,000 | 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 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 ».