SU‐E‐T‐504: Usefulness of CT‐MR Fusion in Radiotherapy Planning for Prostate Cancer Patient with Bilateral Hip Replacements
Notice bibliographique
Résumé
Purpose: Target localization of prostate for Intensity Modulated Radiation Therapy (IMRT) in patients with bilateral hip replacements is difficult due to artifacts in Computed Tomography (CT) images generated from the prostheses high Z materials. In this study, Magnetic Resonance (MR) images fused with CT images are tested as a solution. Methods: CT images of 2.5 mm slice thickness were acquired on a GE Lightspeed scanner with a flat‐topped couch for a prostate cancer patient with bilateral hip replacements. T2 weighted images of 5 mm separation were acquired on a MR Scanner. After the MR‐CT registration on a radiotherapy treatment planning system (Eclipse, Varian), the target volumes were defined by the radiation oncologists on MR images and then transferred to CT images for planning and dose calculation. The CT Hounsfield Units (HU) was reassigned to zero (as water) for artifacts. The Varian flat panel treatment couch was modeled for dose calculation accuracy with heterogeneity correction. A Volume Matrix Arc Therapy (VMAT) and a seven‐field IMRT plans were generated, each avoiding any beam transversing the prostheses; the two plans were compared. The superior VMAT plan was used for treating the patient. In‐vivo dosimetry was performed using MOSFET (Best Canada) placed in a surgical tube inserted into the patient rectum during therapy. The measured dose was compared with planned dose for MOSFET location. Results: The registration of MR‐CT images and the agreement of target volumes were confirmed by three physicians. VMAT plan was deemed superior to IMRT based on dose to critical nearby structures and overall conformality of target dosing. In‐vivo measured dose compared with calculated dose was ‐4.5% which was likely due to attenuation of the surgical tube surrounding MOSFET. Conclusion: When artifacts are present on planning CT due to bilateral hip prostheses, MR‐CT image fusion is a feasible solution for target delineation.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».