RATIONALE AND OBJECTIVES: Non-contrast computed tomography (CT) of the head (NCCT) is one of the most frequently performed CT examination in emergency settings. Photon-counting detector CT (PCD-CT) promises reduced radiation dose and improved image quality, yet systematic data for NCCT - particularly under varying acquisition parameters - remain scarce.
MATERIALS AND METHODS: In this retrospective study, patients undergoing NCCT with PCD-CT at 120 and 140 kVp and varying radiation doses were compared with patients scanned on a modern energy-integrating detector (EID-CT) system. Each PCD-CT su
СтатьяСравнительное исследованиеПоиск 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.
This study aimed to evaluate the clinical acceptability of artificial intelligence (AI)-based organ segmentations on pretreatment CT images of prostate cancer patients using manual organ delineations as a reference. Paired AI-based segmentations and manual delineations of the prostate, urinary bladder, and rectum were evaluated by three observers, according to a 4-grade Likert-scale, based on quality criteria, developed through a Delphi process. Visual grading characteristics (VGC) analysis was performed. When comparing the ratings of AI-based (n = 360) and manual delineations (n = 360), the a
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.
RATIONALE AND OBJECTIVES: This study evaluates the accuracy of the nn-UNet TotalSegmentator (TS) by Wasserthal et al. (2023) in segmenting atypical livers with pathologies and variants in CT scans.
MATERIALS AND METHODS: CT scans were retrospectively collected from our RIS and divided into two cohorts: a reference group (67 healthy livers) and a study group (55 scans across eleven pathology and variant subgroups). TS performed automatic segmentation for all groups. For reference, the images were then manually segmented, with corrections reviewed by two radiologists. Accuracy was assessed usin
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.
AIM: Interstitial lung disease (ILD) is a major cause of morbidity and mortality in systemic sclerosis (SSc), and HRCT disease extent is central to clinical stratification. Visual assessment, however, is subject to interobserver variability. This study aimed to develop and internally validate a semiautomated HRCT-based programme for quantitative assessment of SSc-ILD.
MATERIALS AND METHODS: In this retrospective single-centre study, HRCT scans from patients with SSc-ILD were analysed using a semiautomated programme. Pulmonary parenchyma was segmented and classified into ground-glass opacity,
СтатьяВалидационное исследованиеПолный 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.
INTRODUCTION: Reducing iodinated contrast media (CM) dosage in CT is desirable to minimize the risk of contrast-associated renal injury in patients. Photon-counting detector (PCD) CT has been promoted as enabling CM reduction compared to energy-integrating detector (EID) CT. However, whether PCD offers superior iodine enhancement compared to spectral EID at identical virtual monoenergetic (VME) levels remains unclear. This study compared intra-patient portal-venous chest-abdomen-pelvis (CAP) CT scans, looking at the objective enhancement between spectral EID (sEID) and PCD with 30% CM reductio
СтатьяСравнительное исследованиеПолный 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: To evaluate PANCANAI, a previously developed AI model for pancreatic cancer (PC) detection, on a longitudinal cohort of patients. In particular, aiming for PC detection on scans acquired before histopathologic diagnosis was assessed.
MATERIALS AND METHODS: The model has been previously trained to predict PC suspicion on 2134 portal venous CTs. In this study, the algorithm was evaluated on a retrospective cohort of Danish patients with biopsy-confirmed PC and with CT scans acquired between 2006 and 2016. The sensitivity was measured, and bootstrapping was performed to provide median a
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: This study aims to assess whether the novel CovBat harmonization method can further reduce radiomics feature variability from different imaging devices in multi-center studies and improve machine learning model performance compared to the ComBat method.
MATERIALS: Non-contrast abdominal CT scans of 1,000 healthy subjects from three medical institutions (from four manufacturers and eight different models) were retrospectively included: Hospital A (n = 513), Hospital B (n = 338), and Hospital C (n = 149). 93 radiomics features were extracted from liver and spleen tissues using PyRadiom
СтатьяМногоцентровое исследованиеПоиск 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.
OBJECTIVES: To compare 40 keV virtual monochromatic images (VMIs) with conventionally acquired polychromatic multi-detector CT images (CONV) in patients with acute bowel ischaemia (ABI).
MATERIALS AND METHODS: We retrospectively included 48 consecutive patients (38 males, mean age 69 years) with pathologically proven ABI over 40 months. They underwent portovenous dual-energy multi-detector CT followed by surgery within < 48 h. Nineteen patients had VMIs, and 29 had CONV after non-enhanced acquisition. After dividing the small and large bowel into 10 segments, two radiologists blinded to the e
СтатьяСравнительное исследованиеПоиск 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 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.
MedElevator
Войти в исследования