Efficacy of dual-layer spectral detector computed tomography for detecting early ischemic changes in patients with acute ischemic stroke: A pilot study
Notice bibliographique
Résumé
Objectives: This study evaluated the efficacy of dual-layer spectral detector computed tomography (DLCT) for detecting early ischemic changes (EICs) in patients with acute ischemic stroke (AIS), focusing on electron density (ED) and effective atomic number (effective Z) imaging. Material and Methods: This retrospective study included 15 patients (mean age: 76.5 ± 9.8 years) with AIS who underwent non-contrast computed tomography (CT) with DLCT and magnetic resonance imaging (MRI) on the same day. Quantitative analysis was performed to compare conventional CT, ED, and effective Z values between the infarcted and contralateral brain regions. Qualitative assessment was conducted by two radiologists using the modified Alberta Stroke Program Early CT Score methodology. Receiver operating characteristic curve analysis was performed to evaluate diagnostic performance, and kappa statistics were used to assess interobserver agreement. Results: = 0.46) between the infarcted and contralateral regions. ED imaging demonstrated superior diagnostic accuracy (area under curve [AUC] = 0.90) compared with conventional 120-kVp CT (AUC = 0.85) and effective Z imaging (AUC = 0.62). Furthermore, interobserver agreement (kappa = 0.71) was better for ED imaging than for conventional 120-kVp CT (kappa = 0.65). Qualitative analysis revealed that ED images showed better agreement with MRI findings and higher interobserver consistency than conventional 120-kVp images. Conclusion: Compared with conventional CT, DLCT with ED imaging significantly enhanced detection of EICs in AIS.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».