MétaCan
Menu
Retour à la cohorte
Enregistrement W4391401063 · doi:10.1093/bjr/tqae023

Dual-energy CT applications in musculoskeletal disorders

2024· article· en· W4391401063 sur OpenAlexaff
Sook Chuei Wendy Cheong, Yet Yen Yan, Adnan Sheikh, Hugue A. Ouellette, Peter L. Munk, Nicolas Murray, Paul I. Mallinson

Notice bibliographique

RevueBritish Journal of Radiology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensVancouver General HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDigital Enhanced Cordless TelecommunicationsMedicineCalcificationReduction (mathematics)Soft tissueRadiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Dual-energy CT (DECT) is an exciting application in CT technology conferring many advantages over conventional single-energy CT at no additional with comparable radiation dose to the patient. Various emerging and increasingly established clinical DECT applications in musculoskeletal (MSK) imaging such as bone marrow oedema detection, metal artefact reduction, monosodium urate analysis, and collagen analysis for ligamentous, meniscal, and disc injuries are made possible through its advanced DECT post-processing capabilities. These provide superior information on tissue composition, artefact reduction and image optimization. Newer DECT applications to evaluate fat fraction for sarcopenia, Rho/Z application for soft tissue calcification differentiation, 3D rendering, and AI integration are being assessed for future use. In this article, we will discuss the established and developing applications of DECT in the setting of MSK radiology as well as the basic principles of DECT which facilitate them.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,891
Score d'incertitude au seuil0,344

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 Opus0,003
Tête enseignante GPT0,220
Écart entre enseignants0,217 · 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'étudeAutre devis
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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of RadiologyMême sujetAdvanced X-ray and CT ImagingTravaux en français237 207