PURPOSE: To evaluate the impact of deep learning-based post-hoc noise reduction (DLNR) on image quality, coronary artery disease reporting and data system (CAD-RADS) assessment, and diagnostic performance in quarter-dose versus full-dose coronary CT angiography (CCTA) on external datasets.
MATERIALS AND METHODS: We retrospectively reviewed 221 patients who underwent retrospective electrocardiogram-gated CCTA in 2022-2023. Using dose modulation, either mid-diastole or end-systole was scanned at full dose depending on heart rates, and the other phase at quarter dose. Only patients with motion-f
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: To assess the efficacy of super-resolution deep learning reconstruction (SR-DLR) with motion reduction algorithm (SR-DLR-M) in mitigating aorta motion artifacts compared to SR-DLR and deep learning reconstruction with motion reduction algorithm (DLR-M).
MATERIALS AND METHODS: This retrospective study included 86 patients (mean age, 65.0 ± 14.1 years; 53 males) who underwent contrast-enhanced CT including the chest region. CT images were reconstructed with SR-DLR-M, SR-DLR, and DLR-M. Circular or ovoid regions of interest were placed on the aorta, and the standard deviation of the CT
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: To develop and test machine learning (ML) models using computed tomography angiography to identify the intracranial aneurysm (IA) responsible for subarachnoid hemorrhage (SAH) accurately in patients with multiple saccular IAs and to determine whether these models outperform traditional predictive markers.
MATERIALS AND METHODS: Two hundred seven SAH patients with 460 IAs from four hospitals were included from May 2018-December 2023 and randomly divided into training (80%) and internal validation (20%) sets. Additionally, an external validation set comprising 65 patients with 147 IAs
СтатьяМногоцентровое исследованиеПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: Chest high-resolution computed tomography (HRCT) is crucial for diagnosing and monitoring pulmonary diseases involving parenchymal, vascular, and airway alterations. However, segmentation faces challenges in distinguishing pulmonary structures due to heterogeneity in image acquisition and pathological manifestations. Unlike existing tools, which usually target a single anatomical structure and rely predominantly on either deep learning or rule-based approaches, our hybrid pipeline pairs U-Net-based AI segmentation with tailored image processing refinements to produce a reliable and si
СтатьяНаблюдательное исследованиеПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: To develop and validate deep learning models leveraging CT imaging for the prediction and classification of brain stroke conditions, with the potential to enhance accuracy and support clinical decision-making.
MATERIALS AND METHODS: This retrospective, bi-center study included data from 250 patients, with a dataset of 8186 CT images collected from 2017 to 2022. Two AI models were developed using the Expanded ResNet101 deep learning framework as a two-step model. Model performance was evaluated using confusion matrices, supplemented by external validation with an independent dataset
СтатьяМногоцентровое исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: To evaluate the efficiency of super-resolution deep-learning reconstruction (SR-DLR) optimized for helical body imaging in assessing pancreatic ductal adenocarcinoma (PDAC) using normal-resolution (NR) CT scanner.
METHODS: Fifty patients with PDAC who underwent multiphase pancreas CT on a 320-row NR scanner were retrospectively analyzed. Images were reconstructed using hybrid iterative reconstruction (HIR), normal-resolution deep-learning reconstruction (NR-DLR), and SR-DLR at a 0.5-mm slice thickness. The matrix size was 512 × 512 for HIR and NR-DLR, and 1024 × 1024 for SR-DLR. I
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: To develop a CT-based deep learning radiomics nomogram (DLRN) for the preoperative prediction of peritoneal metastasis (PM) in patients with ovarian cancer (OC).
METHODS: A total of 296 patients with OCs were randomly divided into training dataset (N = 207) and test dataset (N = 89). The radiomics features and DL features were extracted from CT images of each patient. Specifically, radiomics features were extracted from the 3D tumor regions, while DL features were extracted from the 2D slice with the largest tumor region of interest (ROI). The least absolute shrinkage and selectio
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: To develop and validate a computerized tomography (CT)‑based deep transfer learning radiomics model combined with explainable machine learning for preoperative risk prediction of thymoma.
METHODS: This retrospective study included 173 pathologically confirmed thymoma patients from our institution in the training group and 93 patients from two external centers in the external validation group. Tumors were classified according to the World Health Organization simplified criteria as low‑risk types (A, AB, and B1) or high‑risk types (B2 and B3). Radiomics features and deep transfer lea
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: To investigate vessel delineation and image quality of ultra-high-resolution (UHR) CT angiography (CTA) reconstructed using deep learning reconstruction (DLR) optimised for brain CTA (DLR-brain) in moyamoya disease (MMD), compared with DLR optimised for body CT (DLR-body) and hybrid iterative reconstruction (Hybrid-IR).
MATERIALS AND METHODS: This retrospective study included 50 patients with suspected or diagnosed MMD who underwent UHR brain CTA. All images were reconstructed using DLR-brain, DLR-body, and Hybrid-IR. Quantitative analysis focussed on moyamoya perforator vessels in t
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: Benign lymph node enlargement can mislead surgeons into overstaging colorectal cancer (CRC), causing unnecessarily extended lymphadenectomy. This study aimed to develop and validate a machine learning (ML) classifier utilizing multi-phase CT (MPCT) radiomics for accurate evaluation of the pre-treatment status of enlarged tumor-draining lymph nodes (TDLNs; defined as long-axis diameter ≥ 10 mm).
MATERIALS AND METHODS: This study included 430 pathologically confirmed CRC patients who underwent radical resection, stratified into a development cohort (n = 319; January 2015-December 20
СтатьяВалидационное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: Frequent CT scans to quantify lung involvement in cystic lung disease increases radiation exposure. Beam shaping energy filters can optimize imaging properties at lower radiation dosages. The aim of this study is to investigate whether use of SilverBeam filter and deep learning reconstruction algorithm allows for reduced radiation dose chest CT scanning in patients with lymphangioleiomyomatosis (LAM).
MATERIAL AND METHODS: In a single-center prospective study, 60 consecutive patients with LAM underwent chest CT at standard and ultra-low radiation doses. Standard dose scan was perform
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: To compare the impact of deep learning reconstruction (DLR) and hybrid-iterative reconstruction (hybrid-IR) on vertebral mass depiction, detection, and diagnosis of spinal cord compression on computed tomography (CT).
METHODS: This retrospective study included 29 and 20 patients with and without vertebral masses. CT images were reconstructed using DLR and hybrid-IR. Three readers performed vertebral mass detection tests and evaluated the presence of spinal cord compression, the depiction of vertebral masses, and image noise. Quantitative image noise was measured by placing regions of
СтатьяСравнительное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: Magnetic resonance imaging (MRI) is commonly used to evaluate cervical spinal canal stenosis; however, some patients are ineligible for MRI. We aimed to assess the effect of deep learning reconstruction (DLR) in evaluating cervical spinal canal stenosis using computed tomography (CT) compared with hybrid iterative reconstruction (hybrid IR).
METHODS: This retrospective study included 33 patients (16 male patients; mean age, 57.7 ± 18.4 years) who underwent cervical spine CT. Images were reconstructed using DLR and hybrid IR. In the quantitative analyses, noise was recorded by placi
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: We compared the diagnostic performance of CT texture analysis in single-phase CT scan with that of conventional enhancement pattern analysis in a two-phase CT scan for discrimination of salivary gland tumors, Warthin tumor (WT) from pleomorphic adenoma (PA).
METHODS: One hundred seventy-eight patients with PA and 84 patients with WT were selected and CT texture analysis was separately performed on early (40s) and delayed (180s) phases, after injection of the contrast agent, using commercially available software. The attenuation changes and enhancement patterns were visually and quant
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: To demonstrate the value of optimizing non-contrast head imaging tasks by using the multiple virtual monochromatic spectral imaging (VMSI) sets in dual-energy spectral computed tomography (CT) and determine the optimal energy levels for various tasks in imaging head.
MATERIALS AND METHODS: This retrospective study includes 55 patients (29 women and 26 men, average age of 54.5±12.3years) who underwent non-contrast head CT in spectral imaging mode. For each patient, 21 VMSI sets from 40 to 140 keV at 5 keV intervals and 120 kVp-like image were reconstructed. Signal-to-noise ratio (SN
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: The aim of this study was to describe our initial clinical experiences using a dedicated spiral breast computed tomography (B-CT) with a single photon-counting detector.
MATERIALS AND METHODS: This retrospective study was approved by the institutional review board. Examinations of 300 consecutive women undergoing B-CT were evaluated on reason of assignment for B-CT instead of mammography, detection rate of breast cancer, and quality criteria of data acquisition. Further evaluated performance indicators were the number of additional ultrasounds examinations due to unclear findings
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: The computed tomography (CT) features of small solid lung cancers and their changing regularity as they grow have not been well studied. The purpose of this study was to analyze the CT features of solid lung cancerous nodules (SLCNs) with different sizes and their variations.
METHODS: Between February 2013 and April 2018, a consecutive cohort of 224 patients (225 nodules) with confirmed primary SLCNs was enrolled. The nodules were divided into four groups based on tumor diameter (A: diameter ≤ 1.0 cm, 35 lesions; B: 1.0 cm < diameter ≤ 1.5 cm, 60 lesions; C: 1.5 cm < diameter ≤ 2.
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Purpose To determine the improvement of radiologist efficiency and performance in the detection of bone metastases at serial follow-up computed tomography (CT) by using a temporal subtraction (TS) technique based on an advanced nonrigid image registration algorithm. Materials and Methods This retrospective study was approved by the institutional review board, and informed consent was waived. CT image pairs (previous and current scans of the torso) in 60 patients with cancer (primary lesion location: prostate, n = 14; breast, n = 16; lung, n = 20; liver, n = 10) were included. These consisted o
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: The purpose of the present study was to analyze the enhancement patterns of small bowel neoplasms on post-contrast multiphasic multidetector CT and to assess the diagnostic capacity for differentiating five tumor types.
METHODS: We performed a retrospective study of data on 92 small bowel neoplasms. The neoplasms were categorized into five groups according to pathology findings, not imaging findings (23 adenocarcinomas; 22 lymphomas; 19 metastases; 18 gastrointestinal stromal tumors [GIST]; 10 neuroendocrine tumors [NET]).
RESULTS: GIST and NET demonstrated a hypervascular pattern i
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования