Optimization of cone beam computed tomography image quality in implant dentistry
Notice bibliographique
Résumé
Abstract This study was conducted to optimize the cone beam computed tomography image quality in implant dentistry using both clinical and quantitative image quality evaluation with measurement of the radiation dose. A natural bone human skull phantom and an image quality phantom were used to evaluate the images produced after changing the exposure parameters (kVp and mA). A 10 × 5 cm 2 field of view was selected for average adult. Five scans were taken with varying kVp (70–90 kVp) first at fixed 4 mA. After assessment of the scans and selecting the best kVp, nine scans were taken with 2–12 mA, and the kVp was fixed at the optimal value. A clinical assessment of the implant‐related anatomical landmarks was done in random order by two blinded examiners. Quantitative image quality was assessed for noise/uniformity, artifact added value, contrast‐to‐noise ratio, spatial resolution, and geometrical distortion. A dosimetry index phantom and thimble ion chamber were used to measure the absorbed dose for each scan setting. The anatomical landmarks of the maxilla had good image quality at all kVp settings. To produce good quality images, the mandibular landmarks demanded higher exposure parameters than the maxillary landmarks. The quantitative image quality values were acceptable at all selected exposure settings. Changing the exposure parameters does not necessarily produce higher image quality outcomes but does affect the radiation dose to the patient. The image quality could be optimized for implant treatment planning at lower exposure settings and dose than the default settings.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 ».