Poster — Thur Eve — 46: Image‐Based Scoring of Radiation Injury in Lung: Analysis of Sources of Uncertainties
Notice bibliographique
Résumé
We are studying the robustness and uncertainties of an automated method for quantifying radiotherapy‐induced lung injury from CT images and delineate its relationship with radiation dose at different post‐radiation (post‐RT) time points. Methods: Using multi‐resolution affine optimization technique, post‐RT diagnostic CT images were registered to planning CT images. Following the registration and patient tissue‐based CT calibration, a change in physical density at each voxel position of the planning CT was evaluated and voxels which density change is considered pathological were segmented as injury. Retrospective dose calculations using anisotropic analytical algorithm (AAA) and Monte‐Carlo (MC) were performed. The segmented injury was spatially correlated to the dose distributions to deduce a patient‐specific dose‐response relationship for radiation‐induced injury. Results: We found the probability of injury as a function of dose and post‐treatment time was patient‐specific. Due to the inaccuracy of the affine registration, the injury segmentation was manually corrected for the misalignment of normal tissue features, which gave rise to a case‐dependent uncertainty of up to 10%. Inter‐patient variability in CT calibration contributed 4% or less to the uncertainty on the probability. Finally, dose calculation from MC simulation occasionally yielded a significantly modified complication probability compared to AAA model suggesting that dose calculation accuracy is important for the investigation on dose‐response of lung injury. Conclusion: The presented method provided a quantitative approach for dose‐response analysis in normal lung tissues if the accuracy in image registration and dose calculation can be assured and will provide better options to complication‐driven treatment planning.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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) | 0,005 | 0,002 |
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 ».