A generalizable new figure of merit for dose optimization in dual energy cone beam CT scanning protocols
Notice bibliographique
Résumé
Abstract Objective . This study proposes and evaluates a new figure of merit (FOMn) for dose optimization of Dual-energy cone-beam CT (DE-CBCT) scanning protocols based on size-dependent modeling of radiation dose and multi-scale image quality. Approach . FOMn was defined using Z-score normalization and was proportional to the dose efficiency providing better multi-scale image quality, including comprehensive contrast-to-noise ratio (CCNR) and electron density (CED) for CatPhan604 inserts of various materials. Acrylic annuluses were combined with CatPhan604 to create four phantom sizes (diameters of the long axis are 200 mm, 270 mm, 350 mm, and 380 mm, respectively). DE-CBCT was decomposed using image-domain iterative methods based on Varian kV-CBCT images acquired using 25 protocols (100 kVp and 140 kVp combined with 5 tube currents). Main results . The accuracy of CED was approximately 1% for all protocols, but degraded monotonically with the increased phantom sizes. Combinations of lower voltage + higher current and higher voltage + lower current were optimal protocols balancing CCNR and dose. The most dose-efficient protocols for CED and CCNR were inconsistent, underlining the necessity of including multi-scale image quality in the evaluation and optimization of DE-CBCT. Pediatric and adult anthropomorphic phantom tests confirmed dose-efficiency of FOMn-recommended protocols. Significance . FOMn is a comprehensive metric that collectively evaluates radiation dose and multi-scale image quality for DE-CBCT. The models and data can also serve as lookup tables, suggesting personalized dose-efficient protocols for specific clinical imaging purposes.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».