Value of virtual monochromatic spectral image of dual-layer spectral detector CT with noise reduction algorithm for image quality improvement in obese simulated body phantom
Notice bibliographique
Résumé
BACKGROUND: Dual-layer spectral detector CT (SDCT) may provide several theoretical advantages over pre-existing DECT approaches in terms of adjustment-free sampling number and dose modulation, beam hardening correction, and production spectral images by post-processing. In addition, by adopting noise reduction algorithm, high contrast resolution was expected even in low keV level. We surmised that this improvement would be beneficial to obese people. Therefore, our aim of study is to compare image quality of virtual monochromatic spectral images (VMI) and polychromatic images reconstructed from SDCT with different body size and radiation dose using anthropomorphic liver phantom. METHODS: ) was used for polychromatic image reconstruction. Image noise and contrast to noise ratio (CNR) were compared. Five radiologists independently rated lesion conspicuity, diagnostic acceptability and subjective noise level in every image sets, and determined optimal keV level in VMI. RESULTS: Compare with conventional polychromatic images, VMI showed superior CNR at low keV level regardless of phantom size at every examined DRIs (Ps < 0.05). As body size increased, VMI had more gradual CNR decrease and noise increase than conventional polychromatic images. For low contrast FLLs in large phantom, lesion conspicuities at low radiation dose levels (DRI 16 and 19) were significantly increased in VMI (Ps < 0.05). Subjective image noise and diagnostic acceptabilities were significantly improved at VMI in both phantom size. CONCLUSIONS: VMI of dual-layer spectral detector CT with noise reduction algorithm provides improved CNR, noise reduction, and better subjective image quality in imaging of obese simulated liver phantom compared with polychromatic images. This may hold promise for improving detection of liver lesions and improved imaging of obese 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».