Quality versus quantity of dynamic CT perfusion images at isodose
Notice bibliographique
Résumé
Whole-brain high temporal resolution CT perfusion (CTP) is now feasible with wide-detector row CT scanners, but the optimal dose distribution of dynamic images remains unknown. In this study, we investigated the accuracy of perfusion parameters estimated in digital perfusion phantoms generated at various temporal resolutions with fixed scan dose. In accordance with CTP guidelines, simulated dose was set to a time-density curve (TDC) noise of 10 HU at a sampling interval of 2.0 s over 60 s, and higher temporal resolutions of 1.0 and 0.5 s intervals were investigated at 14 and 20 HU of noise, respectively. Monte Carlo simulations with known ground truth perfusion were conducted to test the performance of model-independent and model-dependent deconvolution algorithms as a function of temporal resolution at isodose. Tissue TDCs were simulated by convolving gamma-variate, linear or boxcar residue functions with a patient arterial TDC before adding Gaussian noise at the appropriate level then sampling at the investigated temporal resolutions. A digital brain perfusion phantom with physiological ground truth perfusion was similarly investigated. Only cerebral blood flow (CBF) estimates with the model-dependent algorithm marginally improved at higher temporal resolution as indicated by mean absolute error (MAE; 7.1±4.6 ml/min/100 g at 0.5 s, 9.6±6.0 ml/min/100 g at 2.0 s) but not with the modelindependent algorithm (MAE: 11.6±11.4 ml/min/100 g at 0.5 s, 11.3±11.7 ml/min/100 g at 2.0 s). Higher temporal resolution did not improve parameter estimation in the brain perfusion phantom. For the investigated temporal resolutions and simulated CTP dose, dose distribution appears negligible.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».