SU‐GG‐J‐11: Contrast to Noise Ratio Measurements for Real Time MR Lung Tumour Imaging Sequences at Lower Fields — A Phantom Study
Notice bibliographique
Résumé
Purpose: Magnetic Resonance Imaging (MRI) has been proposed for real‐time image guidance during lung radiotherapy treatment. Dynamic lung MR studies in the literature have demonstrated the feasibility of real‐time tumour tracking at 1.5T scanners. Lower field magnets offer several advantages over high field magnets, but has lower signal to noise ratio and a different contrast environment due to field strength dependences in T1 and T2*. The purpose of this study was to determine the expected contrast to noise ratio (CNR) at 0.2T for several rapid MR sequences by performing experiments in a 3T MRI. Method and Materials: Lung tumour is simulated by loading solution containing CuSO4 and MnCl2 in a sphere. To simulate the lower relative proton densities (PD) of lung parenchyma, 2mm acrylic beads are uniformly suspended in gelatin. T1, T2 and T2* and relative PD are measured for the phantom in 3T and compared against their expected values at 0.2T from literature. For real time imaging, rapid gradient echo sequences (FLASH and balanced SSFP) are used to acquire images from 3–10 frames per second using acceleration techniques of halfscan and parallel acquisition. A dynamic noise scan is used to estimate noise and is adjusted to reflect the lower SNR at 0.2T. Measurements are repeated using a body coil and a 6 channel thoracic SENSE coil for parallel imaging. Results: The measured T1, T2 and T2* and relative PD of the phantom are similar to the values given in literature. For dynamic lung images, CNR ranges from 9.4–31.7 for bSSFP and 4.0–13.8 for FLASH. In house auto‐contouring algorithm shows good quality contours of spherical tumours with CNR > 2.5. Conclusion: In this phantom study, dynamic lung imaging sequences are shown to provide sufficient tumour‐tissue CNR and temporal resolution for real time MR lung tumour tracking at 0.2T.
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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».