Megavoltage planar and cone‐beam imaging with low‐ targets: Dependence of image quality improvement on beam energy and patient separation
Notice bibliographique
Résumé
PURPOSE: The purpose of this study is to investigate the improvement of megavoltage planar and cone-beam CT (CBCT) image quality with the use of low atomic number (Z) external targets in the linear accelerator. METHODS: In this investigation, two experimental megavoltage imaging beams were generated by using either 3.5 or 7.0 MeV electrons incident on aluminum targets installed above the level of the carousel in a linear accelerator (2100EX, Varian Medical, Inc., Palo Alto, CA). Images were acquired using an amorphous silicon detector panel. Contrast-to-noise ratio (CNR) in planar and CBCT images was measured as a function of dose and a comparison was made between the imaging beams and the standard 6 MV therapy beam. Phantoms of variable diameter were used to examine the loss of contrast due to beam hardening. Porcine imaging was conducted to examine qualitatively the advantages of the low-Z target approach in CBCT. RESULTS: In CBCT imaging CNR increases by factors as high as 2.4 and 4.3 for the 7.0 and 3.5 MeV/Al beams, respectively, compared to images acquired with 6 MV. Similar factors of improvement are observed in planar imaging. For the imaging beams, beam hardening causes a significant loss of the contrast advantage with increasing phantom diameter; however, for the 3.5 MeV/Al beam and a phantom diameter of 25 cm, a contrast advantage remains, with increases of contrast by factors of 1.5 and 3.4 over 6 MV for bone and lung inhale regions, respectively. The spatial resolution is improved slightly in CBCT images for the imaging beams. CBCT images of a porcine cranium demonstrate qualitatively the advantages of the low-Z target approach, showing greater contrast between tissues and improved visibility of fine detail. CONCLUSIONS: The use of low-Z external targets in the linear accelerator improves megavoltage planar and CBCT image quality significantly. CNR may be increased by a factor of 4 or greater. Improvement of the spatial resolution is also apparent.
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 | 0,002 |
| 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) | 0,001 | 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 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 ».