Analysis of patient repositioning accuracy in precision radiation therapy using automated image fusion
Notice bibliographique
Résumé
This work describes a rapid and objective method of determining repositioning error during the course of precision radiation therapy using off-line CT imaging and automated mutual-information image fusion. The technique eliminates the variability associated with manual identification of anatomical landmarks by observers. A phantom study was conducted to quantify the accuracy of the image co-registration-based analysis itself. For CT voxel dimensions of 0.65 x 0.65 x1.0 mm3, the method is shown to detect translations with an accuracy of 0.5 mm in the anterior-posterior and lateral dimensions and 0.8 mm in the superior-inferior dimension. Phantom rotation in the coronal plane was detected to within 0.5 degrees of expected values. The analysis has been applied to eight radiotherapy patients at two independent clinics, each immobilized by the same system for cranial stereotactic radiotherapy and CT-imaged once per week over the five- to six-week course of treatment. Among all patients, the ranges of translation in the anterior-posterior, lateral, and superior-inferior dimensions were -0.91 mm to 0.77 mm, -0.66 mm to 1.02 mm, and -2.24 mm to 3.47 mm, respectively. Considering all patients and CT scans, the standard deviations of translation were 0.42 mm, 0.47 mm, and 1.36 mm in the anterior-posterior, lateral, and superior-inferior dimensions, respectively. The ranges of patient rotation about the superior-inferior, left-right, and anterior-posterior axes were -2.84 to 2.62 degrees, -1.74 degrees to 1.96 degrees, and -1.78 degrees to 1.42 degrees, respectively.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».