Simultaneous iodine and barium imaging with photon-counting CT
Notice bibliographique
Résumé
Abstract Objective. The objective of this study is to explore the capabilities of photon-counting computed tomography (PCCT) in simultaneously imaging and differentiating materials with close atomic numbers, specifically barium ( Z = 56) and iodine ( Z = 53), which is challenging for conventional computed tomography (CT). Approach. Experiments were conducted using a bench-top PCCT system equipped with a cadmium zinc telluride detector. Various phantom setups and contrast agent concentrations (1%–5%) were employed, along with a biological sample. Energy thresholds were tuned to the K-edge absorption energies of barium (37.4 keV) and iodine (33.2 keV) to capture multi-energy CT images. K-edge decomposition was performed using K-edge subtraction and principal component analysis (PCA) techniques to differentiate and quantify the contrast agents. Main results. The PCCT system successfully differentiated and accurately quantified barium and iodine in both phantom combinations and a biological sample, achieving high correlations ( <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" overflow="scroll"> <mml:mrow> <mml:msup> <mml:mi>R</mml:mi> <mml:mn>2</mml:mn> </mml:msup> <mml:mo>≈</mml:mo> <mml:mn>1</mml:mn> </mml:mrow> </mml:math> ) between true and reconstructed concentrations. PCA outperformed K-edge subtraction, particularly in the presence of calcium, by providing superior differentiation between barium and iodine. Significance. This study demonstrates the potential of PCCT for reliable, detailed imaging in both clinical and research settings, particularly for contrast agents with similar atomic numbers. The results suggest that PCCT could offer significant improvements in imaging quality over conventional CT, especially in applications requiring precise material differentiation.
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 ».