Three-compartment-breast (3CB) prior-guided diffuse optical tomography based on dual-energy digital breast tomosynthesis (DBT)
Notice bibliographique
Résumé
Diffuse optical tomography (DOT) is a non-invasive functional imaging modality that uses near-infrared (NIR) light to measure the oxygenation state and the concentration of hemoglobin. By complementarily using DOT with other anatomical imaging modalities, physicians can diagnose more accurately through additional functional image information. In breast imaging, diagnosis of dense breasts is often challenging because the bulky fibrous tissues may hinder the correct tumor characterization. In this work, we proposed a three-compartment-breast (3CB) decomposition-based prior-guided optical tomography for enhancing DOT image quality. We conjectured that the 3CB prior would lead to improvement of the spatial resolution and also of the contrast of the reconstructed tumor image, particularly for the dense breasts. We conducted a Monte-Carlo simulation to acquire dual-energy X-ray projections of a realistic 3D numerical breast phantom and performed digital breast tomosynthesis (DBT) for setting up a 3CB model. The 3CB prior was then used as a structural guide in DOT image reconstruction. The proposed method resulted in the higher spatial resolution of the recovered tumor even when the tumor is surrounded by the fibroglandular tissues compared with the typical two-composition-prior method or the standard Tikhonov regularization method.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».