Correction of CT artifacts and its influence on Monte Carlo dose calculations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Computed tomography (CT) images of patients having metallic implants or dental fillings exhibit severe streaking artifacts. These artifacts may disallow tumor and organ delineation and compromise dose calculation outcomes in radiotherapy. We used a sinogram interpolation metal streaking artifact correction algorithm on several phantoms of exact-known compositions and on a prostate patient with two hip prostheses. We compared original CT images and artifact-corrected images of both. To evaluate the effect of the artifact correction on dose calculations, we performed Monte Carlo dose calculation in the EGSnrc/DOSXYZnrc code. For the phantoms, we performed calculations in the exact geometry, in the original CT geometry and in the artifact-corrected geometry for photon and electron beams. The maximum errors in 6 MV photon beam dose calculation were found to exceed 25% in original CT images when the standard DOSXYZnrc/CTCREATE calibration is used but less than 2% in artifact-corrected images when an extended calibration is used. The extended calibration includes an extra calibration point for a metal. The patient dose volume histograms of a hypothetical target irradiated by five 18 MV photon beams in a hypothetical treatment differ significantly in the original CT geometry and in the artifact-corrected geometry. This was found to be mostly due to miss-assignment of tissue voxels to air due to metal artifacts. We also developed a simple Monte Carlo model for a CT scanner and we simulated the contribution of scatter and beam hardening to metal streaking artifacts. We found that whereas beam hardening has a minor effect on metal artifacts, scatter is an important cause of these artifacts.
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.
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 | 0,000 |
| 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 | 0,000 | 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 découle