Anti-correlated noise reduction in triple-energy, photon-counting x-ray angiography
Notice bibliographique
Résumé
Single-exposure, dual-energy x-ray angiography using photon-counting x-ray detectors is a potential alternative to kV-switching dual-energy angiography and digital subtraction angiography (DSA), but is unable to simultaneously suppress anatomic noise from soft tissue and bone. Triple-energy, photon-counting angiography that counts photons in three energy bins during a single x-ray exposure would overcome this limitation but high quantum noise levels compromise image quality. We extended anti-correlated noise reduction (ACNR) for dual-energy angiography to triple-energy photon-counting angiography and evaluated the resulting improvement in iodine signal-difference-to-noise ratio (SDNR). We implemented triple-energy photon-counting imaging of iodine using a cadmium-telluride, photon-counting x-ray detector with analog charge summing for charge-sharing correction. We imaged a phantom consisting of vessel-like structures with diameters of 3mm, 4mm and 5mm embedded in background clutter. The vessels were filled with an iodine solution containing 100mg/ml of iodine. We acquired images at 60kV, 80kV and 100kV using energy thresholds that theoretically maximized SDNR per root entrance air kerma without ACNR. For each tube voltage, we simulated three energy bins by acquiring two separate exposures using two different sets of energy thresholds. The triple-energy images with ACNR had SDNR that was approximately 7.5 times greater than those without. Further increases in ACNR are expected with optimization of tube voltage and energy thresholds in the presence of ACNR. Future work will focus on optimization and frequency-dependent image-quality assessment.
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 | 0,001 | 0,001 |
| 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 ».