MétaCan
Menu
Retour à la cohorte
Enregistrement W2965811519 · doi:10.1002/mp.13734

Determination of 3D PSFs from computed tomography reconstructed x‐ray images of spherical objects and the effects of sphere radii

2019· article· en· W2965811519 sur OpenAlexafffund
Normand Robert, James G. Mainprize, Cari Whyne

Notice bibliographique

RevueMedical Physics · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensSunnybrook HospitalSunnybrook Health Science Centre
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésImaging phantomSPHERESPoint spread functionRADIUSStandard deviationPhysicsMedical imagingDeconvolutionOpticsComputed radiographyComputed tomographyMathematicsNuclear medicineGeometryArtificial intelligenceComputer scienceImage (mathematics)Image qualityMedicineRadiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: A method was developed to obtain three-dimensional (3D) point spread functions (PSFs) of reconstructed x-ray volumetric images using spheres of known diameters. The algorithm consists of a sphere localization step using template matching applied to the entire volume. Richardson Lucy (RL) deconvolution is used atypically to determine the PSF from the reconstructed x-ray image and a model of the sphere. The resulting PSF is arbitrary, that is, there are no assumptions of separability or symmetry. Oversampling is not used, and sample spacing matches the image. The effect of sphere radius on PSF estimate reproducibility is investigated. METHODS: Phantoms were constructed by suspending five polytetrafluoroethylene (PTFE) spheres having known radii equal to 4.77, 7.95, 9.52, 12.68, and 19.53 mm in an agar solution. The phantom included a 25 μm steel wire to calculate a line spread function (LSF). The phantom was imaged and reconstructed with a Medtronic surgical O-Arm 23 times and a Toshiba Aquilion One computed tomography (CT) 20 times. A sharp reconstruction kernel exhibiting a nonmonotonic PSF was used with the Toshiba CT. PSFs and LSFs were computed for all of the images and repeated estimates were used to compute mean and standard deviation values for every point of the PSFs and LSFs. The PSFs from spheres were converted to LSFs and compared to the wire LSF. RESULTS: The standard deviations of the PSF estimates exhibit a decreasing trend as the sphere radius is increased. The PSF from the smallest 4.77 mm sphere is the least reproducible. The normalized root mean square difference between the mean LSF derived from the 4.77 mm radius sphere and the mean wire LSF is 2.0% for the O-arm and 1.2% for the CT. CONCLUSION: Richardson Lucy (RL) deconvolution provides a method to estimate generalized (no separability or other simplifying assumptions) 3D PSFs from spheres. X-ray noise in images acquired with typical clinical protocols cause noticeable variations in PSF estimates which can be mitigated by selecting larger spheres and combining PSF estimates from different images.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,248
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207