The Impact of Virtual Monoenergetic Imaging on Visualization of the Cervical Spinal Canal
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
RATIONALE AND OBJECTIVES: Our purpose is to explore the role of dual-energy computed tomography (DECT) and virtual monoenergetic energy levels in reducing shoulder artifact to improve visualization of the cervical spinal canal. MATERIALS AND METHODS: A retrospective review of 171 consecutive DECT scans of the neck (95 male, 65 female; mean age, 60.9 years, ranging from 18 to 88 years; with 11 excluded because of nondiagnostic image quality) during an 8-month period was performed with postprocessing of monoenergetic images at 50, 70, 100, and 140 keV. Subjective comparisons and objective image noise between the monoenergetic images and standard computed tomography (CT) were analyzed by 1-way analysis of variance to determine the optimal DECT energy level with the highest image quality. RESULTS: Subjectively, 100-keV DECT best visualizes the spinal canal relative to standard CT, 50 and 70 keV ( P < 0.01), and was superior to 140 keV for reader 1 ( P < 0.01). Objectively, 100 keV demonstrated less noise relative to 50 keV (72.02; P < 0.01). There was no difference in noise between 100 keV and 70 keV, or between 100 keV and standard CT, which also demonstrated lower noise relative to 50-, 70-, and 140-keV levels (91.53, P < 0.01; 29.84, P < 0.01; and 22.66, P < 0.03). CONCLUSION: Dual-energy CT at 100 keV may be the preferred DECT monoenergetic level for soft tissue assessment. Increasing energy level is associated with reduction in shoulder artifact, with no difference in noise between 100 keV and standard CT, although 100-keV images may be subjectively better.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| 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