SU‐C‐204‐04: Patient Specific Proton Stopping Powers Estimation by Combining Proton Radiography and Prior‐Knowledge X‐Ray CT Information
Notice bibliographique
Résumé
Purpose: The material relative stopping power (RSP) uncertainty is the highest contributor to the range uncertainty in proton therapy. The purpose of this work is to develop a robust and systematic method that yields accurate, patient specific, RSP by combining 1) pre‐treatment x‐ray CT and 2) daily proton radiograph of the patient. Methods: The method is formulated as a linear least‐square optimization problem (min||Ax‐B||2). The parameter A represents the pathlength crossed by the proton in each material. The RSPs for the materials (water equivalent thickness (WET)/physical thickness) are denoted by x. B is the proton radiograph expressed as WET crossed. The problem is minimized using a convex‐conic optimization algorithm with xi Results: Optimization with 9 angles and 104 protons/angle yields precise RSP (<0.75%) for all materials, except plastic lung (1.5%). Average deviation relative to Geant4 RSP is 0.5% and 3.5% using HU‐RSP. Using more than two angles or more than 4×103 proton does not further increase the RSP estimate accuracy. The insert distance to the beam initial plane is related to the RSP error for this insert material. Specific filters are applied on the proton angle and energy loss to remove nuclear interaction artefacts. Conclusion: The proposed formulation of the problem with prior knowledge x‐ray CT demonstrates serious potential to increase the accuracy of present RSP estimates.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».