Dual-Source Computed Tomography of the Chest in Blunt Thoracic Trauma
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
PURPOSE: The purpose of this study was to evaluate the clinical utility of temporal resolution optimization (TR-Opt), a computed tomography (CT) postprocessing technique, in reducing aortic motion artifacts in blunt thoracic trauma patients. MATERIALS AND METHODS: This was an IRB-approved study of 61 patients with blunt thoracic trauma carried out between February 18 and September 6, 2014; the patients had been imaged using a standardized dual-source high-pitch (DSHP) CT protocol. Image raw data were retrospectively postprocessed using the TR-Opt algorithm (DSHP-TR-Opt) and compared with conventional images (DSHP). Diagnostic ability to confidently identify and exclude potential injuries and qualitative aortic motion artifacts using a 5-point Likert scale (1=absence of motion artifacts; 5=severe motion artifact) was graded by 2 readers at multiple thoracic locations. Signal-to-noise and contrast-to-noise ratios were generated as quantitative indices of image quality. RESULTS: Motion artifacts degrading interpretation and limiting diagnosis of aortic injuries were present in 45% (442/976) of the assessed regions on DSHP. TR-Opt algorithm eliminated motion artifacts in 85% of the motion-degraded areas (375/442), leaving persistent motion artifacts in only 15% (67/442). Motion artifacts were most improved at the interventricular septum (1±1 vs. 3±1), aortic valve (2±1 vs. 4±1.5), and ascending aorta (1±1 vs. 3±2, P<0.005). Mean aorta noise (NAo) was 41.7% higher in the DSHP-TR-Opt images (26.5 vs. 18.7 HU, P<0.0001). CONCLUSIONS: Temporal resolution optimized reconstruction is a raw data-based CT postprocessing technique that can be used to remove the majority of thoracic aortic motion artifacts that commonly degrade interpretation when imaging blunt thoracic trauma patients.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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