Iterative reconstruction for image enhancement and dose reduction in diagnostic cone beam CT imaging
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
BACKGROUND: Iterative reconstruction is well-established in diagnostic multidetector computed tomography (MDCT) for dose reduction and image quality enhancement. Its application to diagnostic cone beam computed tomography (CBCT) is only emerging and warrants a quantitative evaluation. METHODS: Several phantoms and a canine head specimen were imaged using a commercially available small-field CBCT scanner. Raw projection data were reconstructed using the Feldkamp-Davis-Kress (FDK) method with different filters, including denoising via total variation (TV) minimization (FDK-TV). Iterative reconstruction was carried out using the TV-regularized ordered subsets convex technique (OSC-TV). Signal-to-noise ratio (SNR), noise power spectrum (NPS) and spatial resolution of images were estimated. Dose levels were measured via the weighted computed tomography dose index, while low-dose image quality degradation was estimated via structural similarity (SSIM). RESULTS: OSC-TV and FDK-TV were shown to significantly improve image signal-to-noise ratio (SNR) compared to FDK with a standard filter, 5.8 and 4.0 times, respectively. Spatial resolution attained with different algorithms varied moderately across different experiments. For low-dose acquisitions, image quality decreased dramatically for FDK but not for FDK-TV nor OSC-TV. For low-dose canine head images acquired using about 1/5 of the dose compared to a reference image, SSIM dropped to about 0.3 for FDK, while remaining at 0.92 for FDK-TV and 0.96 for OSC-TV. CONCLUSION: OSC-TV was shown to improve image quality compared to FDK and FDK-TV. Moreover, this iterative approach allowed for significant dose reduction while maintaining image quality.
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 | 0,001 |
| 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 | 0,001 |
| 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