Multi-contrast K-edge imaging on a bench-top photon-counting CT system: acquisition parameter study
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
Purpose: Photon-counting computed tomography (PCCT) shows promise for medical imaging in regards to material separation and imaging of multiple contrast agents. However, many PCCT setups are under development and are not optimized for specific contrast agents or use cases. Here, we demonstrate how experimental system parameters may be varied in order to enhance performance and we propose a set of recommendations to achieve this based on contrast agent. Approach: A table-top PCCT system with a cadmium zinc telluride (CZT) detector capable of separating six energy bins was used to image multiple contrast agents in a small phantom. The contrast agents were separated and the concentration was quantified using K-edge subtraction. To increase system performance, we investigated three parameters: beam filter type and thickness, projection acquisition time, and energy bin width. The results from the parameters were compared based on PCCT signal and contrast to noise ratio (CNR) or noise in K-edge images. The concentrations of the contrast agents were quantified in K-edge images and compared to known concentrations. Results: The bench-top PCCT system was able to successfully quantify the contrast agents through K-edge subtraction. Decreasing projection acquisition time showed a decrease in K-edge CNR. However, it did not scale as the square root of time. Filter type and bin width demonstrated a dependence on the specific contrast agent. Conclusions: The presented bench-top system demonstrated the ability to separate contrast agents using K-edge subtraction and accurately determine contrast concentration in K-edge images. Specific parameters for future use will be chosen based on contrast agent.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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