Noise modelling of perfusion CT images for robust hemodynamic parameter estimations
Notice bibliographique
Résumé
Abstract Objective. The radiation dose of cerebral perfusion computed tomography (CPCT) imaging can be reduced by lowering the milliampere-second or kilovoltage peak. However, dose reduction can decrease image quality due to excessive x-ray quanta fluctuation and reduced detector signal relative to system electronic noise, thereby influencing the accuracy of hemodynamic parameters for patients with acute stroke. Existing low-dose CPCT denoising methods, which mainly focus on specific temporal and spatial prior knowledge in low-dose CPCT images, not take the noise distribution characteristics of low-dose CPCT images into consideration. In practice, the noise of low-dose CPCT images can be much more complicated. This study first investigates the noise properties in low-dose CPCT images and proposes a perfusion deconvolution model based on the noise properties. Approach. To characterize the noise distribution in CPCT images properly, we analyze noise properties in low-dose CPCT images and find that the intra-frame noise distribution may vary in the different areas and the inter-frame noise also may vary in low-dose CPCT images. Thus, we attempt the first-ever effort to model CPCT noise with a non-independent and identical distribution (i.i.d.) mixture-of-Gaussians (MoG) model for noise assumption. Furthermore, we integrate the noise modeling strategy into a perfusion deconvolution model and present a novel perfusion deconvolution method by using self-relative structural similarity information and MoG model (named as SR-MoG) to estimate the hemodynamic parameters accurately. In the presented SR-MoG method, the self-relative structural similarity information is obtained from preprocessed low-dose CPCT images. Main results. The results show that the presented SR-MoG method can achieve promising gains over the existing deconvolution approaches. In particular, the average root-mean-square error (RMSE) of cerebral blood flow (CBF), cerebral blood volume, and mean transit time was improved by 40.3%, 69.1%, and 40.8% in the digital phantom study, and the average RMSE of CBF can be improved by 81.0% in the clinical data study, compared with tensor total variation regularization deconvolution method. Significance. The presented SR-MoG method can estimate high-accuracy hemodynamic parameters andachieve promising gains over the existing deconvolution approaches.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».