Vergleich von Untersuchungsprotokollen in der Perfusionsbildgebung mittels dynamischen Volumen CT
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Ziele: Vergleich von zwei Untersuchungsprotokollen (mit und ohne Atemkommandos) am dynamischen Volumen CT und Beurteilung deren Einflüsse auf die manuelle starre Bildregistrierung, die zur Bewegungskorrektur dient. Methode: 40 Patienten (mittleres Alter: 56 Jahre, 29Männer; 11 Frauen) erhielten ein dynamisches Volumen CT zur Perfusionsanalyse von fokalen Nierenläsionen und wurden randomisiert 2 Gruppen, durchgehende Atmung (I) und mehre Atemanhaltephasen (II) zugeordnet. Die CT Untersuchung wurde mittels eines 320-Schicht dynamischen Volumen CT nach intravenöser Gabe von Kontrastmittel durchgeführt. Die Patienten wurden mit Sauerstoff über eine Maske bevor und während der Untersuchung unterstützt. Beide dynamischen CT Protokolle enthielten 15 Niedrigdosisscans die innerhalb von 90 Sekunden akquiriert wurden. Gruppe I sollte so flach wie möglich atmen, die längste Atemanhaltephase für Gruppe II dauerte 40 Sekunden. In der Nachverarbeitung, wurde der Scan mit dem höchsten Kontrast, als Referenz für die starre Registrierung gewählt und jeder der 14 Scans wurde, mit Fokus auf die Zielläsion in der Niere, manuell auf den Referenzscan gelegt. Mittels des Median der Länge des 3DVektor wurde der Bildversatz pro Patient bestimmt und die Statische Analyse erfolgte mit dem Wilcoxon Rangsummentest. Ergebnis: In alle 40 Patienten war die manuelle Bildregistierung möglich. 8% der Scans in Gruppe I und 14% in Gruppe II benötigten keine manuelle Bildregistierung. Der Median der Registierungsbewegung in Gruppe I war 2,61 in Gruppe II 4,95mm (p<0,005). Schlussfolgerung: Durchgehende flache Atmung während eines dynamischen Volumen CT reduziert die erforderliche Bewegungskorrektur in der anschließenden Nachverarbeitung.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.003 | 0.003 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.006 |
| Insufficient payload (model declined to judge) | 0.002 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it