SU‐FF‐I‐21: An Empirical Method for Lag Correction in Cone‐Beam CT
Notice bibliographique
Résumé
Purpose: Image lag degrades image quality in cone‐beam CT (CBCT), resulting in contrast reduction, lack of CT number accuracy and uniformity, and skin‐line artifacts. This work investigates the magnitude of such degradation and demonstrates a lag correction method based on measured data from a system for CBCT guidance of radiotherapy (Elekta Synergy XVI). Method and Materials: Image lag and its relationship with various parameters including signal strength, photon energy and frame number was investigated for a PerkinElmer (RID1640) flat‐panel imager. An empirical lag correction based on measurements of image lag was developed to manage lag artifacts. The CatPhan phantom within an irregular body annulus was used to demonstrate the magnitude of artifacts before and after correction. Each projection was corrected for lag effects by subtracting previous projections weighted by the magnitude of image lag. The subtraction of previous projections was limited up to 51 frames due to uncorrelated noise. The reconstructed images before and after correction were analyzed for skin‐line and radar type artifacts, CT♯ accuracy, uniformity and contrast of several inserts. Reconstructed images were transformed into polar coordinates for analysis. Results: Experimental results illustrate that the first frame lag of the imager is less than 2.3%, and is independent of the kVp value (70–120 kV) and pixel saturation (20–80%). Lag correction improves the skin‐line artifact and reduces radar artifact by 40%. Contrast enhances by 20% and improves the CT♯ accuracy for water by 2.5%. It improves water uniformity by 5% compared to the nominal images. Conclusion: Lag artifacts can be reduced by correction of the projection images. Lag correction is most important for high contrast and irregularly shaped objects. For a circularly shaped object, lag correction does not improve the skin‐line artifact but can be useful for soft‐tissue visibility adjacent to bony anatomy. This research is sponsored by Elekta.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».