Poster — Wed Eve—37: Phantom Study Comparing Image Quality of Slow‐CT and Average CT Dataset from 4DCT Radiotherapy Planning Acquisitions
Notice bibliographique
Résumé
The purpose of this work was to compare slow‐CT ( ) and average CT ( ) datasets with free‐breathing helical CT ( ) for contouring of organs at risk (OAR) and radiation treatment planning in patients receiving stereotactic body radiation therapy in lung. A quantitative examination of image quality parameters obtained from 4DCT‐derived datasets was performed using a mobile image quality phantom. The rigid phantom was translated in the superior‐inferior and anterior‐posterior directions through the CT scanning plane. Measurements of noise, low and high‐contrast resolution, spatial linearity, sensitometry, and observation of image artifacts resulting from phantom motion were recorded. In addition to these measurements, we computed the mean CT image ( ) by increasing the number of breathing phases in the average CT calculation, and compared those image quality parameters with , and . While the image quality parameters were statistically the same in the phantom study, datasets had fewer image artifacts than the datasets. The image quality of the datasets improved greatly when the number of datasets used to generate the CTN was larger than the maximum permissible bins on the 4DCT reconstruction software (10 phases). or datasets may be used in place of for OAR contouring and potentially dose calculations, without significant compromise in image quality. This work demonstrates that when 4DCT is available, it may not be necessary to acquire a separate scan for OAR contouring.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».