SU‐FF‐T‐408: Tissue Inhomogeneities in Monte Carlo Treatment Planning for Proton Therapy
Notice bibliographique
Résumé
Purpose: To investigate the effect of tissue segmentation and metal streaking artifacts for Monte Carlo (MC) dose calculations in proton therapy. Method and Materials: CT images of a phantom with 9 tissue equivalent inserts were segmented into material and mass density maps using the conventional single‐energy CT and a more accurate dual‐energy (DECT) material extraction. MC dose calculations for a broad 200 MeV proton beam were performed in the exact geometry and in the single‐energy and dual‐energy CT geometries in the MCNPX code. The dose calculation errors for the two tissue segmentation approaches were quantified. MC dose calculations were performed for a 147 MeV proton beam treatment plan of a patient with metal bilateral hip prostheses based on water‐only geometry, on original CT images with severe streaking artifacts and based on artifact corrected images. The effect of the artifacts and their correction on MC dose distribution was evaluated. Results: The materials of three inserts were incorrectly assigned using the conventional approach. The conventional tissue segmentation yielded dose calculation errors below 2%. In both the single‐energy CT and DECT geometry, there was a 0.7 cm shift in the position of the Bragg peak suggesting that density assignment is more important than correct tissue segmentation in proton beam MC dose calculations. The patient dose calculations using CT images with streaking artifacts showed large statistical errors in the artifact corrupted voxels and differences up to 1.5 cm in the 20% and 30% isodose lines due to the artifacts. Conclusions: The shift in the Bragg peak demonstrates the need for careful mass density assignment in proton beam MC dose calculations. The use of DECT tissue segmentation might therefore have only a small added benefit. The patient study shows that a metal artifact correction is necessary for patients with bilateral hip prostheses.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».