A novel method for automatic detection of patient out‐of‐plane rotation by comparing a single portal image to a reference image
Notice bibliographique
Résumé
A novel method for detecting out-of-plane patient rotation by comparing a single portal image to its reference image is presented. Out-of-plane rotation results in an apparent distortion of the anatomy in a portal image. This distortion can be mathematically predicted with the magnification varying at each point in the image. While scaling of points at equal depth is invariant under in-plane rotation or translation, and changes equally in both dimensions for an axial shift of the patient, a change of scaling in only one dimension can be ascribed to an out-of-plane rotation. For the two conditions that are used in this study, it is shown that out-of-plane rotation yields a different scaling of the image in two perpendicular directions and therefore it is feasible to calculate the scale factors as a function of out-of-plane rotation. Conversely the recovery of scale factors in two different directions at the same time would enable the magnitude of the out-of-plane rotation to be recovered. The properties of the Fourier transform of the image are used to align the portal image with the reference image (a simulator image or first approved portal image) prior to the recovery of the scale factors. Correlating the Fourier transform of the portal image on a log-scale with that of the reference image enables the scale factors to be automatically extracted from a single portal image. In the two approaches investigated, out-of-plane rotations of up to 41 degrees and 20 degrees (respectively) have been recovered with a maximum error of 2.4 degrees. This technique could be used to automatically detect patient roll or tilt prior to or during a treatment session.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».