Prototype Ultrahigh-Resolution Computed Tomography for Chest Imaging: Initial Human Experience
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
OBJECTIVE: The objective of this study was to evaluate a prototype, ultrahigh-resolution computed tomography offering higher reconstruction matrix (1024 × 1024) and spatial resolution (0.15 mm) for chest imaging. METHODS: Higher (1024) matrix reconstruction enabled by ultrahigh-resolution computed tomography scanner (128-detector rows; detector width, 0.25 mm; spatial resolution, 0.15 mm) was compared with conventional (512) reconstruction with image quality grading on a Likert scale (1, excellent; 5, nondiagnostic) for image noise, artifacts, contrast, small detail, lesion conspicuity, image sharpness, and diagnostic confidence. Image noise and signal-to-noise ratio were quantified. RESULTS: Diagnostic image quality was achieved for all scans on 101 patients. The 1024 reconstruction demonstrated increased image noise (20.2 ± 4.0 vs 17.2 ± 3.8, P < 0.001) and a worse noise rating (1.98 ± 0.63 vs 1.75 ± 0.61, P < 0.001) but performed significantly better than conventional 512 matrix with fewer artifacts (1.37 ± 0.43 vs 1.50 ± 0.48, P < 0.001), better contrast (1.50 ± 0.56 vs 1.62 ± 0.57, P < 0.001), small detail detection (1.06 ± 0.19 vs 2.02 ± 0.22, P < 0.001), lesion conspicuity (1.08 ± 0.23 vs 2.02 ± 0.24, P < 0.001), sharpness (1.09 ± 0.24 vs 2.02 ± 0.28, P < 0.001), and overall diagnostic confidence (1.09 ± 0.25 vs 1.18 ± 0.34, P < 0.001). CONCLUSIONS: Ultrahigh-resolution computed tomography enabled a higher reconstruction matrix and improved image quality compared with conventional matrix reconstruction, with a minor increase in noise.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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