Experimental optimization of photon-counting dual-energy thoracic imaging
Notice bibliographique
Résumé
Dual-energy (DE) thoracic imaging with photon counting detectors (PCDs) enables suppressing anatomic noise due to bone structures, potentially improving the detection of lung nodules. Relative to DE approaches based on the kV-switching method, a PCD-based, single-exposure approach may reduce the potential for motion artifacts and suppress electronic noise. In this work, we experimentally optimize the energy thresholds and tube voltages for single-exposure DE thoracic imaging implemented with PCDs. We used a phantom consisting of uniform acrylic slabs totaling 8.6 cm in thickness with a 16 cm air gap between slabs. A lung nodule was simulated by adding 2 mm of acrylic in a small region of interest in the center of the phantom. We imaged the phantom using a PCD with a 750-μm-thick cadmium telluride x-ray convertor, 100×100 μm2 detector elements, two user-defined energy thresholds, and analog charge summing for charge sharing correction. We acquire images for tube voltages ranging from 90 kV to 130 kV in 10-kV increments. For each tube voltage, we varied the energy threshold from 32 keV to 90% of the maximum beam energy. The contrast-to-noise ratio (CNR) of the simulated nodule was measured for each combination of tube voltage and energy threshold. Optimal energy thresholds range from 45 keV to 55 keV for tube voltages ranging from 110 kV to 120 kV. When optimized for the energy thresholds, there was relatively little variability in the CNR across tube voltages beyond that due to measurement error. Future work will compare the CNR of PCD-based DE radiography with the conventional kV-switching approach.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».