MétaCan
Menu
Retour à la cohorte
Enregistrement W3140295635

AIM3.0 QA Program Development for CT X-ray Systems

2019· article· en· W3140295635 sur OpenAlexaboutno aff
D. D. McTaggart

Notice bibliographique

RevueCMBES Proceedings · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiation Dose and Imaging
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality assuranceMedical physicsComputer scienceImage qualityQuality (philosophy)MedicineArtificial intelligenceImage (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The University Health Network (UHN) maintains 30 CT X-ray systems at five hospital locations. The problem that was addressed was how to develop and implement a CT QA Program at the University Health Network. This program was developed to satisfy the needs for a standardized annual testing of CT dose and image quality parameters. Appropriate image quality test phantoms were selected and evaluated. This topic deals with the problem of how to develop and implement a CT QA Program for the CT systems at the University Health Network. The project will deal with the selection of image quality and dose phantoms, establishing baseline data derived from the phantoms and storing the data for future reference. Another challenge of the project was to develop a quality assurance program that will satisfy the corporate vision of the University Health Network. This vision is concerned with achieving global impact. The work done in this report will be relevant to Canadian standards and incorporate global standards as well. A comprehensive CT QA Program was then developed and implemented. The program was used to report on CT image quality and dose parameters. It is recommended that the AIM CT QA Program be used at other hospitals to provide comprehensive image quality evaluation, dose monitoring and structured CT reporting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,285
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCMBES ProceedingsMême sujetRadiation Dose and ImagingTravaux en français237 207