Poster — Thur Eve — 47: Automatic Comparison of Portal Images for the Detection of Radiotherapy Treatment Delivery Errors
Notice bibliographique
Résumé
The goal of this project is to develop a real‐time automatic comparison tool to detect portal dose image errors and has two logical parts: 1. A mechanism to detect the presence of a significant discrepancy. 2. A set of components to identify the probable cause(s) of the discrepancy including geometrical positioning errors as well as machine specific delivery errors. Initially, we have only considered in‐plane rotations and translations. A total of ∼700 portal images of an anthropomorphic pelvic phantom were obtained using a Varian aS1000 EPID. The images contained combinations of three types of geometrical patient set‐up errors. The angle of rotation (about the axis perpendicular to the EPID) was varied from [−5, +5] degrees and the translational distance was varied from [−10, +10] mm. The majority of the images were acquired from the AP direction however ∼130 images were of a lateral view. The system was found to be sensitive to in‐plane rotations down to ∼ 2°, out of plane rotations greater than ∼4° and displacements 3mm. For the lateral views, the calculated rotation was correct to within 1/2° and translations to within 5mm 53% of the time. Considering only translations, the accuracy increases to ∼82%. The results are much better for the AP views. The in‐plane rotation was within ±1/2deg; for all cases and the displacement error was greater than 1.5 mm in only 1 case. The system was able to analyze an image pair in ∼10s, however, no effort was put toward optimization of the system.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,005 |
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 ».