SU‐F‐J‐195: On the Performance of Four Dual Energy CT Formalisms for Extracting Proton Stopping Powers
Notice bibliographique
Résumé
Purpose: Dual energy CT can predict stopping power ratios (SPR) for ion therapy treatment planning. Several approaches have been proposed recently, however accuracy and practicability in a clinical workflow are unaddressed. The aim of this work is to provide a fair comparison of available approaches in a human‐like phantom to find the optimal method for tissue characterization in a clinical situation. Methods: The SPR determination accuracy is investigated using simulated DECT images. A virtual human‐like phantom is created containing 14 different standard human tissues. SECT (120 kV) and DECT images (100 kV and 140 kV Sn) are simulated using the software ImaSim. The single energy CT (SECT) stoichiometric calibration method and four recently published calibration‐based DECT methods are implemented and used to predict the SPRs from simulated images. The difference between SPR predictions and theoretical SPR are compared pixelwize. Mean, standard deviation and skewness of the SPR difference distributions are used as measures for bias, dispersion and symmetry. Results: The average SPR differences and standard deviations are (0.22 ± 1.27)% for SECT, and A) (−0.26 ± 1.30)%, B) (0.08 ± 1.12)%, C) (0.06 ± 1.15)% and D) (−0.05 ± 1.05)% for the four DECT methods. While SPR prediction using SECT is showing a systematic error on SPR, the DECT methods B, C and D are unbiased. The skewness of the SECT distribution is 0.57%, and A) −0.19%, B) −0.56%, C) −0.29% and D) −0.07% for DECT methods respectively. Conclusion: The here presented DECT methods B, C and D outperform the commonly used SECT stoichiometric calibration. These methods predict SPR accurately without a bias and within ± 1.2% (68th percentile). This indicates that DECT potentially improves accuracy of range predictions in proton therapy. A validation of these findings using clinical CT images of real tissues is necessary.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».