Low dose contrast enhancement of biodegradable low-density stents by an approach balancing radiopaque coatings and beam filtration
Notice bibliographique
Résumé
Abstract Objective. Biodegradable cardiovascular stents made of thin, low atomic number metals (e.g. Zn, Mg, Fe) are now approved for clinical use. However, poor contrast under x-ray imaging leads to longer surgical times, high patient exposure, and sometimes stent misplacement. This study aimed at enhancing the visibility of low- Z metal stents under x-ray imaging, by combining high- Z metal coatings and beam filtration. Approach. Photon energy spectra from W-anode x-ray beams operated at 80 and 120 kVp, were generated by the SpekCalc and BEAMnrc softwares. The contrast produced by Fe stent struts (50–10 μ m W coatings), as well as dose and air kerma values (by BEAMnrc), were simulated. Several types of beam hardening filters (Sn: 0.1, 0.2 mm; Cu: 0.2, 0.7 mm) were also applied. Then, Fe foils (50 µ m) with W coatings (2–3 µ m-thick) were fabricated by magnetosputtering. These samples were x-ray visualized, for quantification of contrast between W-coated and uncoated Fe samples. Fe struts (50 µ m) were also coated with W (3.8 ± 0.2 µ m), and stent-like objects were x-ray visualized. Main results. Fe samples attenuate 6.4% (120 kVp) and 10.1% (80 kVp) spectra photons, and 25% and 34.5% for W-coated Fe samples (SpekCalc). BEAMnrc calculations revealed the highest contrast improvement in a 120 kVp beam (36.4%, and 38.5%) for W-coated and uncoated Fe samples with Sn (0.2 mm), and Cu + Sn (0.2 + 0.2 mm) filters. Experimentally, the highest contrasts between Fe and W–Fe foils, were obtained with 0.2 mm Sn (77 ± 7% contrast increase at 80 kV). The dose was also strongly reduced (70% and 75%, for 80 and 120 kVp beams). Finally, for 3D Fe stents visualized at 80 kVp, the highest CNR and CNRD values were achieved with 0.1 mm Sn (18.5 × and 20.1 mGy −1 ; compared to 15.0 × and 12.0 mGy −1 in no-filter condition). Significance. The contrast of Fe-based stents in x-ray imaging is improved by addition of a thin layer of W and beam filtration with Sn. The precision and rapidity of biodegradable stents implantation would be improved thereby, as well as the dose to patients.
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 ».