MétaCan
Menu
Retour à la cohorte
Enregistrement W4389667582 · doi:10.1109/nssmicrtsd49126.2023.10338059

Photon-counting detector spectral calibration enabling iodine quantification for spectral CT

2023· article· en· W4389667582 sur OpenAlexaff
Pierre‐Antoine Rodesch, Devon Richtsmeier, K. Iniewski, Magdalena Bazalova‐Carter

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensRedlen Technologies (Canada)University of Victoria
Organismes subventionnairesnon disponible
Mots-clésImaging phantomCalibrationDetectorPhoton countingSpectral imagingNoise (video)Wedge (geometry)PixelOpticsHounsfield scaleMaterials sciencePhysicsComputer scienceArtificial intelligenceComputed tomographyImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

Photon-counting detector (PCD) computed tomography (CT) can provide grayscale and spectral images within the same acquisition. To achieve accurate material quantification, PCD-CT requires a pixel-per-pixel calibration. In this work, a novel step-wedge phantom made of various iodine concentrations and water thicknesses was used for such calibration. The phantom allowed for water/iodine material decomposition (MD) and so for a direct quantification of iodine concentration, relevant for CT angiography protocols. The general methodology refines a simulated forward model from measurements of known material thicknesses. However, this technique requires an accurate PCD response model which is difficult to simulate. Here we present a case where this exhaustive methodology led to an inaccurate MD. We tested two alternative models with a reduced number of parameters and a polynomial approach, for spectral accuracy comparison. The reduced parameter methods were compared with real data acquired with a CdZnTe (CZT) PCD with six energy thresholds. The different approaches were evaluated with the calibration measurements taken on the step-wedge phantom and the CT acquisitions of two phantoms: 1) with iodine tubes at different concentrations and 2) an image quality phantom evaluating noise and ring artifacts. The polynomial approach led to the best spectral accuracy but suffered from high noise. The exhaustive model calibration resulted in divergent behavior and inaccurate spectral quantification. Both reduced parameter models achieved iodine quantification accuracy below 0.5 mg/ml and but only the model with two incident energies per bin presented the least noise and ring artifacts. For this last method the impact of the number of energy bins (2-6) was also evaluated. The configuration with 4, 5 or 6 bins provided superior MD, with accurate iodine quantification and reduced ring artifacts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,439
Score d'incertitude au seuil0,627

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,252
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced X-ray and CT ImagingTravaux en français237 207