A multi-institutional assessment of low-dose protocols in chest computed tomography: Dose and image quality
Notice bibliographique
Résumé
Background Low-dose CT (LDCT) chest protocols have widespread clinical applications for many indications; as a result, there is a need for protocol assessment prior to standardization. Dalhousie University and Oslo Metropolitan University have a formally established cooperative relationship. Purpose The purpose is to assess radiation dose and image quality for LDCT chest protocols in seven different hospital locations in Norway and Canada. Material and methods Retrospective dosimetry data, volumetric CT dose index (CTDI vol ), and dose length product (DLP) from 240 average-sized patients as well as CT protocol parameters were included in the survey. Effective dose (ED) and size-specific dose estimate (SSDE) were calculated for each examination. For a quantitative image quality analysis, noise, CT number, and signal-to-noise ratio (SNR) were determined for three regions in the chest. The contrast-to-noise ratio (CNR) was calculated for lung parenchyma in comparison to the subcutaneous fat. Differences in dose and image quality were evaluated by a single-factor ANOVA test. A two-sample t-test was performed to determine differences in means between individual scanners. Results The ANOVA test revealed significant differences ( p < .05) in dose values for all scanners, including identical scanner models. Statistically significant differences ( p < .05) were determined in mean values of the SNR distributions between the scanners in all three measured regions in the chest, as well as the CNR values. Conclusion The observed variations in dose and image quality measurements, even within the same hospitals and between identical scanner models, indicate a potential for protocol optimization in the involved hospitals in both countries.
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 | 0,001 | 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 ».