TH-D-BRC-01: Improvement of Megavoltage Cone-Beam CT Image Quality Using a Low-Atomic Number X-Ray Target
Notice bibliographique
Résumé
Purpose: to investigate the application of an unflattened photon beam, generated using a low atomic number (Z) x-ray target, to MV cone-beam computed tomography (CBCT) imaging. Improvements of image contrast and contrast-to-noise-ratio (CNR) versus dose are quantified and compared to the standard 6MV beam. Limitation of the contrast advantage with patient separation is examined. Method and Materials: The experimental beam was generated by a 2100EX linac (Varian Medical, Inc) by placing a 1.0 cm-thick Al target 9 mm below the primary collimator vacuum window and operating the linac in 6 MeV electron mode. The flattening filtration was removed. Projections were acquired using an AS1000 detector every 2° through 360°. CBCT contrast was compared for both the low-Z-target and 6MV beams. CNR was measured as a function of dose using a bone/lung phantom containing a central ionization chamber. The same phantom was located in cylindrical containers ranging in diameter from 13 cm to 25 cm to measure the rate of reduction of CBCT contrast with separation. Finally, a pig head was imaged allowing a qualitative comparison. Results: Contrast is improved by a factor ranging from 1.8 to 3.4 (mean 2.3) with the low-Z-target beam. Over an imaging dose range from 3 cGy to 23.5 cGy, CNR improves by a consistent factor of 1.7 and 2.4 for bone and lung, respectively. Contrast deteriorates with separation more rapidly for the low-Z-target beam than for 6MV; however for the maximum diameter of 25 cm contrast remains superior by a factor of 1.4 and 1.5 for bone and lung, respectively. Images of the pig head demonstrate qualitatively improved CNR and preservation of spatial resolution. Conclusion: Contrast and CNR are improved significantly in CBCT images using the low-Z-target beam, over a clinically-useful range of patient separation. Conflict of interest: Research sponsored by Varian Medical, Incorporated.
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 | 0,000 | 0,000 |
| 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) | 0,002 | 0,001 |
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 ».