A Review of the Applications of Dual-Energy CT in Acute Neuroimaging
Notice bibliographique
Résumé
Dual-energy computed tomography (CT) is a promising tool with increasing availability and multiple emerging and established clinical applications in neuroradiology. With its ability to allow characterization of materials based on their differential attenuation when imaged at two different energy levels, dual-energy CT can help identify the composition of brain, neck, and spinal components. Virtual monoenergetic imaging allows a range of simulated single energy-level reconstructions to be created with postprocessing. Low-energy reconstructions can aid identification of edema, ischemia, and subtle lesions due to increased soft tissue contrast as well as increasing contrast-to-noise ratios on angiographic imaging. Higher energy reconstructions can reduce image artifact from dental amalgam, aneurysm clips and coils, spinal hardware, dense contrast, and dense bones. Differentiating iodine from hemorrhage may help guide management of patients after thrombectomy and aid diagnosis of enhancing tumors within parenchymal hemorrhages. Iodine quantification may predict hematoma expansion in aneurysmal bleeds and outcomes in traumatic brain injury. Calcium and bone subtraction can be used to distinguish hemorrhage from brain parenchymal mineralization as well as improving visualization of extra-axial lesions and vessels adjacent to dense plaque or skull. This article reviews the basics of dual-energy CT and highlights many of its clinical applications in the evaluation of acute neurological presentations.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».