Poster — Thur Eve — 75: Towards MR only simulation: MR based digitally reconstructed radiograph of head and neck
Notice bibliographique
Résumé
PURPOSE: To develop a practical method to obtain bony structures from Magnetic Resonance (MR) images and to create MR- based digitally reconstructed radiographs (DRR) for MR only simulation. METHODS AND MATERIALS: Using T1-weighted MR images, air regions including the sinuses and the airway in the head and neck were manually contoured. The bone and soft tissue masks were automatically generated based on the statistical data calculated from the air contour and MR intensities. "CT like" MR images were generated by mapping the MR intensities of the voxels within these masks into the CT number ranges of these tissues. The MR-based DRRs created from "CT like" MR images were quantitatively evaluated using the co-registered MR and CT images of 10 stereotactic radiosurgery CNS patients. Ten anatomical control points, set on the contours of the skull segmented using a threshold of 300 HU were used to determine the differences in distance between MR-based DRRs and CT-based DRRs, and to evaluate the geometrical accuracy of MR-based DRRs. RESULTS: The bony structures were visible in the MR-based DRRs. The mean geometric difference and standard deviation between the ten anatomical control points on MR- based and CT-based DRRs were -0.03±1.11 mm (including uncertainty of image fusion). The maximum distance difference was 1.67mm. CONCLUSIONS: The study provides a practical method to generate MR- based DRRs from MR-only simulations of the head and neck regions. The image quality and anatomical accuracy of MR-based DRRs is comparable to that of CT-based DRRs.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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 ».