SU-F-BRCD-04: Efficient Scatter Distribution Estimation and Correction in CBCT Using Concurrent Monte Carlo Fitting
Notice bibliographique
Résumé
PURPOSE: X-ray scatter is a known source of image artifacts, contrast reduction, and CT number inaccuracy in cone-beam CT (CBCT). We present and demonstrate the performance of a novel scatter correction method based on an algorithm that simultaneously combines multiple Monte Carlo (MC) CBCT scatter simulations through the use of a fitting function. METHODS AND MATERIALS: The scatter estimation system consists of concurrently run MC CBCT scatter projection simulations that are a sub-sample of the projection angles used in the reconstruction projection set, P, to be corrected. The photons generated by each MC simulation are simultaneously aggregated in an algorithm which computes the scatter detector response, S(i,j,k), for each down-sampled projection location (i,j) and angle (k). S(i,j,k) is fit to a function, FS, and if FS is determined to have a specified goodness of fit value the simulations are terminated. FS is subtracted from P which is subsequently used to create a scatter corrected reconstruction. The scatter correction method was applied to simulated phantoms using a frequency limited sum of sines and cosines as the fitting function. Image quality in the corrected reconstruction was evaluated using metrics looking at contrast, noise, and artifact reduction. RESULTS: Fitting the scatter distribution to a limited sum of sine and cosine functions, using a low-pass filtered Fast Fourier transform, provides a computationally efficient and accurate fit. Scatter distribution estimates for a 360 image projection set were computed in under one minute. The scatter correction algorithm increased the contrast-to-noise ratio by 46%, reduced the shading artifact by 87%, and decreased the skin line artifact by 79% in reconstructions of a simulated pelvis phantom. CONCLUSION: The algorithm provides an efficient method for estimating and removing the scatter distribution in from CBCT projection images. The results on simulated data show a significant increase in image quality.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».