SU-D-WAB-04: Restoration of CBCT Images by Deformable Registration for Plan Evaluation and Replanning
Notice bibliographique
Résumé
Purpose: To use a simple deformable image registration (DIR) scheme to correct CBCT images in order to use them for treatment plan assessment and replanning. Methods: A dataset of five prostate patients with weekly CBCT scans was available for this study. Contours of soft-tissue organs were made on the planning CT as well as on each CBCT. The following procedure was applied: (1) a mask was automatically generated to exclude certain area from the registration (table couch, CBCT truncated region due to limited field of view); (2) a B-spline based DIR algorithm was used to register each plan CT to daily CBCTs; (3) CBCT regions where air appeared (i.e. air is seen on the CBCT but not on the plan CT) were automatically segmented and excluded from the registration because of the poor performance of DIR algorithms in such cases. Results: Prior to DIR, the average differences in Houndsfield units between CT and CBCT were 26, 7, 107, 125 for the prostate, bladder, seminal vesicles and rectum respectively. After DIR these differences were respectively reduced to 5, 5, 4, 2. The external contours of the patients were assessed using Dice's coefficient. On average the Dice coefficient between CT and weekly CBCTs was 0.92. After DIR this value was improved to 0.97. Furthermore by registering the larger CT to shorter CBCT (i.e. 64 slices only) we obtain realistic scattering media outside the immediate CBCT field of view. The whole process takes about 4 minutes although no explicit speed optimization has been done yet. Conclusion: This technique has several advantages for plan assessment and/or replanning purposes: it combines the accurate Houndsfield numbers from the plan CT with the daily anatomy of the CBCT, preserve the external contour and provide realistic scattering media outside the CBCT field of view.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 ».