WE‐G‐18A‐07: Clinical Evaluation of Normalized Metal Artifact Reduction in KVCT Using MVCT Prior Images (MVCT‐NMAR) Technique in Radiotherapy
Notice bibliographique
Résumé
Purpose: To evaluate the metal artifacts in diagnostic kVCT images of patients that are corrected using a normalized metal artifact reduction method with MVCT prior images, MVCT‐NMAR. Methods: An MVCTNMAR algorithm was developed and applied to five patients: three with bilateral hip prostheses, one with unilateral hip prosthesis and one with dental fillings. The corrected images were evaluated for visualization of tissue structures and their interfaces, and for radiotherapy dose calculations. They were also compared against the corresponding images corrected by a commercial metal artifact reduction technique, O‐MAR, on a Phillips™ CT scanner. Results: The use of MVCT images for correcting kVCT images in the MVCT‐NMAR technique greatly reduces metal artifacts, avoids secondary artifacts, and makes patient images more useful for correct dose calculation in radiotherapy. These improvements are significant over the commercial correction method, provided the MVCT and kVCT images are correctly registered. The remaining and the secondary artifacts (soft tissue blurring, eroded bones, false bones or air pockets, CT number cupping within the metal) present in O‐MAR corrected images are removed in the MVCT‐NMAR corrected images. Large dose reduction is possible outside the planning target volume (e.g., 59.2 Gy in comparison to 52.5 Gy in pubic bone) when these MVCT‐NMAR corrected images are used in TomoTherapy™ treatment plans, as the corrected images no longer require directional blocks for prostate plans in order to avoid the image artifact regions. Conclusion: The use of MVCT‐NMAR corrected images in radiotherapy treatment planning could improve the treatment plan quality for cancer patients with metallic implants. Moti Raj Paudel is supported by the Vanier Canada Graduate Scholarship, the Endowed Graduate Scholarship in Oncology and the Dissertation Fellowship at the University of Alberta. The authors acknowledge the CIHR operating grant number MOP 53254.
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».