MétaCan
Menu
Retour à la cohorte
Enregistrement W1996919939 · doi:10.1186/1756-6649-12-1

Navigator channel adaptation to reconstruct three dimensional heart volumes from two dimensional radiotherapy planning data

2012· article· en· W1996919939 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBMC Medical Physics · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversity of TorontoPrincess Margaret Cancer Centre
Organismes subventionnairesCancer Care Ontario
Mots-clésAdaptation (eye)Channel (broadcasting)Computer scienceRadiation therapyMedicinePsychologyRadiologyNeuroscienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Biologically-based models that utilize 3D radiation dosimetry data to estimate the risk of late cardiac effects could have significant utility for planning radiotherapy in young patients. A major challenge arises from having only 2D treatment planning data for patients with long-term follow-up. In this study, we evaluate the accuracy of an advanced deformable image registration (DIR) and navigator channels (NC) adaptation technique to reconstruct 3D heart volumes from 2D radiotherapy planning images for Hodgkin's Lymphoma (HL) patients. METHODS: Planning CT images were obtained for 50 HL patients who underwent mediastinal radiotherapy. Twelve image sets (6 male, 6 female) were used to construct a male and a female population heart model, which was registered to 23 HL "Reference" patients' CT images using a DIR algorithm, MORFEUS. This generated a series of population-to-Reference patient specific 3D deformation maps. The technique was independently tested on 15 additional "Test" patients by reconstructing their 3D heart volumes using 2D digitally reconstructed radiographs (DRR). The technique involved: 1) identifying a matching Reference patient for each Test patient using thorax measurements, 2) placement of six NCs on matching Reference and Test patients' DRRs to capture differences in significant heart curvatures, 3) adapting the population-to-Reference patient-specific deformation maps to generate population-to-Test patient-specific deformation maps using linear and bilinear interpolation methods, 4) applying population-to-Test patient specific deformation to the population model to reconstruct Test-patient specific 3D heart models. The percentage volume overlap between the NC-adapted reconstruction and actual Test patient's true heart volume was calculated using the Dice coefficient. RESULTS: The average Dice coefficient expressed as a percentage between the NC-adapted and actual Test model was 89.4 ± 2.8%. The modified NC adaptation technique made significant improvements to the population deformation heart models (p = 0.01). As standard evaluation, the residual Dice error after adaptation was comparable to the volumetric differences observed in free-breathing heart volumes (p = 0.62). CONCLUSIONS: The reconstruction technique described generates accurate 3D heart models from limited 2D planning data. This development could potentially be used to retrospectively calculate delivered dose to the heart for historically treated patients and thereby provide a better understanding of late radiation-related cardiac effects.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,877
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,337
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle