Sci-Sat AM(1): Planning - 11: Use of a Graphics Processor (GPU) for High-Performance Deformable Registration of Cone Beam (kV) and Megavoltage (MV) CT Images
Notice bibliographique
Résumé
To compensate for the inter-fraction deformation in fractionated radiotherapy, it is essential that “images of the day” used for treatment guidance be co-registered with the 3D images used initially for treatment planning and dose prescription. We implemented a high performance deformable image registration algorithm on the standard graphics process unit (GPU) to accomplish this very efficiently with the ultimate goal of enabling adaptive dose computations at the treatment console. Normalized cross correlation (NCC) was employed as the similarity metric in a block-matching algorithm. Regularization of the resulting displacement vector field was performed by Gaussian smoothing. A multi-resolution strategy was adopted to further improve the performance of the algorithm. To evaluate performance, we compared results with two popular deformable registration algorithms (Diffeomorphic Demons and B-spline) based from the Insight Toolkit (ITK). All three algorithms were first applied to register thoracic planning CT (PCT) to cone-beam CT (CBCT) scans of three lung cancer patients. Next, they were used to align the pelvic PCT to megavoltage CT (MVCT) scans from a tomotherapy unit of a prostate cancer patient. For both types of anatomy and image features (contrast, noise), manual landmark-based evaluation was performed to quantify the registration accuracy. In PCT-CBCT registration experiment, mean registration error (MRE) was 2.53mm. In PCT-MVCT registration, MRE was 2.15 mm. Compared to Diffeomorphic Demons and B-spline-based algorithms, our GPU-based implementation achieves comparable registration accuracy and is ∼20 times faster (completes registration in 15 seconds). The results highlight the potential utility of our algorithm for on-line adaptive radiation treatment.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,009 |
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 ».