Minimizing dose during fluoroscopic tracking through geometric performance feedback
Notice bibliographique
Résumé
PURPOSE: There is a growing concern regarding the dose delivered during x-ray fluoroscopy guided procedures, particularly in interventional cardiology and neuroradiology, and in real-time tumor tracking radiotherapy and radiosurgery. Many of these procedures involve long treatment times, and as such, there is cause for concern regarding the dose delivered and the associated radiation related risks. An insufficient dose, however, may convey less geometric information, which may lead to inaccuracy and imprecision in intervention placement. The purpose of this study is to investigate a method for achieving the required tracking uncertainty for a given interventional procedure using minimal dose. METHODS: A simple model is used to demonstrate that a relationship exists between imaging dose and tracking uncertainty. A feedback framework is introduced that exploits this relationship to modulate the tube current (and hence the dose) in order to maintain the required uncertainty for a given interventional procedure. This framework is evaluated in the context of a fiducial tracking problem associated with image-guided radiotherapy in the lung. A particle filter algorithm is used to robustly track the fiducial as it traverses through regions of high and low quantum noise. Published motion models are incorporated in a tracking test suite to evaluate the dose-localization performance trade-offs. RESULTS: It is shown that using this framework, the entrance surface exposure can be reduced by up to 28.6% when feedback is employed to operate at a geometric tracking uncertainty of 0.3 mm. CONCLUSIONS: The analysis reveals a potentially powerful technique for dynamic optimization of fluoroscopic imaging parameters to control the applied dose by exploiting the trade-off between tracking uncertainty and x-ray exposure per frame.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».