Analysis of patient repositioning accuracy in precision radiation therapy using automated image fusion
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
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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