Methods for Post Hoc Quantitative Computed Tomography Bone Density Calibration: Phantom-Only and Regression
Notice bibliographique
Résumé
Quantitative computed tomography (qCT) relies on calibrated bone mineral density data. If a calibration phantom is absent from the CT scan, post hoc calibration becomes necessary. Scanning a calibration phantom after-the-fact and applying that calibration to uncalibrated scans has been used previously. Alternatively, the estimated density is known to vary with CT settings, suggesting that it may be possible to predict the calibration terms using CT settings. This study compares a novel CT setting regression method for post hoc calibration to standard and post hoc phantom-only calibrations. Five cadaveric upper limbs were scanned at 11 combinations of peak tube voltage and current (80-140 kV and 100-300 mA) with two calibration phantoms. Density calibrations were performed for the cadaver scans, and scans of the phantoms alone. Stepwise linear regression determined if the calibration equation terms were predictable using peak tube voltage and current. Peak tube voltage, but not current, was significantly correlated with regression calibration terms. Calibration equation slope was significantly related to the type of phantom (p < 0.001), calibration method (p = 0.026), and peak tube voltage (p < 0.001), but not current (p = 1.000). The calibration equation vertical intercept was significantly related to the type of phantom (p < 0.001), and peak tube voltage (p = 0.006), but not calibration method (p = 0.682), or current (p = 0.822). Accordingly, regression can correlate peak tube voltage with density calibration terms. Suggesting that, while standard qCT calibration is preferable, regression calibration may be an acceptable post hoc method when necessary.
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 | 0,001 | 0,001 |
| 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 ».