3T MR-based treatment planning for radiotherapy of brain lesions
Notice bibliographique
Résumé
Purpose. The aim of this work is to develop a complete treatment planning procedure for radiation therapy of intracranial lesions based solely on 3T magnetic resonance imaging (MRI), i.e. MRI simulation. Methods. The proposed 3T MR-based radiotherapy treatment planning procedure consists of converting the MR images into CT-like images by assigning electron density information (related to CT values) to organ structures. Firstly, the 3D distortion field present in the MR volumes is determined and rectified by using an in-house developed distortion correction method. The MR volumes are segmented into anatomical structures, i.e. brain, bone and scalp, by using a combination of the »Profile« and »Autocontouring« tools available on Pinnacle (Philips Medical Systems) treatment planning system (TPS). Bulk electron density values are assigned to the 3D volumes in Pinnacle by overriding their default MR values. Once the MR images contain the target volume along with the electron density information, they are ready to be used for dose calculations. The resulting CT+MR and MR only based plans were compared in terms of isodose distributions and dose-volume histograms (DVHs). For plan ranking we use a tumor-control probability (TCP)-based procedure for heterogeneous irradiation, which does not require the knowledge of radiobiological parameters. Results. For all patients investigated, the 3T MR only and CT+MR-based plans are in good agreement in terms of isodose distributions, DVHs and TCPs (within 1%) following our clinical criteria. Conclusions. The proposed 3T MR only based treatment planning procedure performs as good as the standard clinical procedure that relies on both CT and MR studies. MRI simulation can significantly reduce the patient treatment cost and save staff and machine time, and avoid any errors that may be associated with the image fusion process.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».