Poster — Thur Eve — 11: Evaluation of the Performance of a Positron Emission Based Tumour‐Tracking Technique
Notice bibliographique
Résumé
The delivery accuracy of radiotherapy treatments remains limited by tumor motion due to patient breathing. We present a simulation study and experimental evaluation of a technique called PeTrack that can track tumour location in real‐time. Position sensitive detectors record annihilation coincidence events from fiducial positron emission markers implanted in or around the tumour. It uses an expectation‐maximization clustering algorithm to track the position of the markers and a linear extrapolation method for motion prediction. We assessed the performance of the tracking using a clinical positron emission tomography system with the markers moving in different patterns. We also evaluated the performance of the tracking for stationary markers using a prototype PeTrack detector. In the experimental study with the PET scanner, the data was fitted to two theoretical curves. The root mean square error (RMSE) was 0.43 mm in x and 0.46 mm in y for a sinusoidal movement pattern. The RMSE was 0.64 mm in x for motion following animal breathing data. The linear extrapolation method for motion prediction yielded an average prediction error of 1.1 mm in the experimental study, with a prediction error of 2.3 mm at a 95% confidence level. Using the prototype PeTrack detector, the tracking precision was found to be 0.16 mm in x, 0.20 mm in y and 0.21 mm in z. We conclude that PeTrack can track tumour motion in real‐time and improve the delivery accuracy of radiotherapy.
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 | 0,003 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».