A quantitative assessment of dual energy computed tomography‐based material decomposition for imaging bone marrow edema associated with acute knee injury
Notice bibliographique
Résumé
PURPOSE: This study developed methods to quantify and improve the accuracy of dual-energy CT (DECT)-based bone marrow edema imaging using a clinical CT system. Objectives were: (a) to quantitatively compare DECT with gold-standard, fluid-sensitive MRI for imaging of edema-like marrow signal intensity (EMSI) and (b) to identify image analysis parameters that improve delineation of EMSI associated with acute knee injury on DECT images. METHODS: DECT images from ten participants with acute knee injury were decomposed into estimated fractions of bone, healthy marrow, and edema based on energy-dependent differences in tissue attenuation. Fluid-sensitive MR images were registered to DECT for quantitative, voxel-by-voxel comparison between the two modalities. An optimization scheme was developed to find attenuation coefficients for healthy marrow and edema that improved EMSI delineation, compared to MRI. DECT method accuracy was evaluated by measuring dice coefficients, mutual information, and normalized cross correlation between the DECT result and registered MRI. RESULTS: When applying the optimized three-material decomposition method, dice coefficients for EMSI identified through DECT vs MRI were 0.32 at the tibia and 0.13 at the femur. Optimization of attenuation coefficients improved dice coefficient, mutual information, and cross-correlation between DECT and gold-standard MRI by 48%-107% compared to three-material decomposition using non-optimized parameters, and improved mutual information and cross-correlation by 39%-58% compared to the manufacturer-provided two-material decomposition. CONCLUSIONS: This study quantitatively evaluated the performance of DECT in imaging knee injury-associated EMSI and identified a method to optimize DECT-based visualization of complex tissues (marrow and edema) whose attenuation parameters cannot be easily characterized. Further studies are needed to improve DECT-based EMSI imaging at the femur.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».