Can gray values be converted to Hounsfield units? A systematic review
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
Objectives: The purpose of this systematic review was to answer the focus question: “Could the gray values (GVs) from CBCT (cone beam computed tomography) be converted to Hounsfield units (HUs) in multidetector computed tomography (MDCT)?” Methods: The included studies try to answer the research question according to the PICO strategy. Studies were gathered by searching several electronic databases and partial grey literature up to January 2021 without language or time restrictions. The methodological assessment of the studies was performed using The Oral Health Assessment Tool (OHAT) for in vitro studies and the Quality Assessment of Diagnostic Accuracy Studies (QUADAS-2) for in vivo studies. The Grading of Recommendations Assessment, Development and Evaluation (GRADE system) instrument was applied to assess the level of evidence across the studies. Results: 2710 articles were obtained in Phase 1, and 623 citations remained after removing duplicates. Only three studies were included in this review using a two-phase selection process and after applying the eligibility criteria. All studies were methodologically acceptable, although in general terms with low risks of bias. There are some included studies with quite low and limited evidence estimations and recommendation forces; evidencing the need for clinical studies with diagnostic capacity to support its use. Conclusions: This systematic review demonstrated that the GVs from CBCT cannot be converted to HUs due to the lack of clinical studies with diagnostic capacity to support its use. However, it is evidenced that three conversion steps (equipment calibration, prediction equation models, and a standard formula (converting GVs to HUs)) are needed to obtain pseudo Hounsfield values instead of only obtaining them from a regression or directly from the software.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| 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