Patient specific methods for room‐mounted x‐ray imagers for monoscopic/stereoscopic prostate motion monitoring
Notice bibliographique
Résumé
PURPOSE: To investigate the improvement of combined monoscopic/stereoscopic prostate motion monitoring with room-mounted dual x-ray systems by adopting patient specific methods. METHODS: The linac couch was used as a motion stage to simulate 40 highly dynamic real patient prostate trajectories. For each trajectory, 40 s pretreatment and 120 s treatment periods were extracted to represent a typical treatment fraction. Motion was monitored via continuous stereoscopic x-ray imaging of a single gold fiducial and images were retrospectively divided into periods of stereoscopic and monoscopic imaging to simulate periodic blocking of the room-mounted system by the gantry during arc-based therapy. The accuracy of the combined motion monitoring was assessed by comparison with the linac couch log files. To estimate 3-D marker position during monoscopic imaging, the use of population statistics was compared to both maximum likelihood estimation and stereoscopic localization based estimation of individualized prostate probability density functions (PDFs) from the pretreatment period. The inclusion of intrafraction updating was compared to pretreatment initialization alone. RESULTS: Combined mono/stereoscopic localization was successfully implemented. During the transitions from stereoscopic to monoscopic imaging, fiducial localization exhibits sharp discontinuities when population PDFs were employed. Patient specific PDFs successfully reduced the localization error when estimated from stereoscopic localizations, whereas maximum likelihood estimation (MLE) was too unstable in the room-mounted geometry. Intrafraction stereoscopic updating provided further increases in accuracy. Residual error tended to decrease throughout the treatment fraction, as the patient-specific PDFs became more refined. CONCLUSIONS: This is the first demonstration of toggled monoscopic/stereoscopic localization using room-mounted dual x-ray imagers, enabling continuous intrafraction motion monitoring for these systems. We showed that both pretreatment individualization and intrafraction updating should be used to provide the most accurate motion monitoring.
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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».