MétaCan
Menu
Retour à la cohorte
Enregistrement W2620629844 · doi:10.1088/1361-6560/aa76b4

Multi-institutional MicroCT image comparison of image-guided small animal irradiators

2017· article· en· W2620629844 sur OpenAlexafffund
Christopher Johnstone, Patricia Lindsay, Edward E. Graves, Eugene Wong, Jessica R. Perez, Yannick Poirier, Youssef Ben Bouchta, Thilakshan Kanesalingam, Haijian Chen, Ashley Rubinstein, Ke Sheng, Magdalena Bazalova‐Carter

Notice bibliographique

RevuePhysics in Medicine and Biology · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensWestern UniversityBC Cancer AgencyPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health NetworkMcGill UniversityUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Institutes of Health
Mots-clésImaging phantomImage qualityQuality assuranceImage resolutionComputer scienceNoise (video)Nuclear medicineOptical transfer functionImage processingData setComputer visionImage (mathematics)Artificial intelligenceMedicineOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract To recommend imaging protocols and establish tolerance levels for microCT image quality assurance (QA) performed on conformal image-guided small animal irradiators. A fully automated QA software SAPA (small animal phantom analyzer) for image analysis of the commercial Shelley micro-CT MCTP 610 phantom was developed, in which quantitative analyses of CT number linearity, signal-to-noise ratio (SNR), uniformity and noise, geometric accuracy, spatial resolution by means of modulation transfer function (MTF), and CT contrast were performed. Phantom microCT scans from eleven institutions acquired with four image-guided small animal irradiator units (including the commercial PXi X-RAD SmART and Xstrahl SARRP systems) with varying parameters used for routine small animal imaging were analyzed. Multi-institutional data sets were compared using SAPA, based on which tolerance levels for each QA test were established and imaging protocols for QA were recommended. By analyzing microCT data from 11 institutions, we established image QA tolerance levels for all image quality tests. CT number linearity set to R 2 > 0.990 was acceptable in microCT data acquired at all but three institutions. Acceptable SNR > 36 and noise levels <55 HU were obtained at five of the eleven institutions, where failing scans were acquired with current-exposure time of less than 120 mAs. Acceptable spatial resolution (>1.5 lp mm −1 for MTF = 0.2) was obtained at all but four institutions due to their large image voxel size used (>0.275 mm). Ten of the eleven institutions passed the set QA tolerance for geometric accuracy (<1.5%) and nine of the eleven institutions passed the QA tolerance for contrast (>2000 HU for 30 mgI ml −1 ). We recommend performing imaging QA with 70 kVp, 1.5 mA, 120 s imaging time, 0.20 mm voxel size, and a frame rate of 5 fps for the PXi X-RAD SmART. For the Xstrahl SARRP, we recommend using 60 kVp, 1.0 mA, 240 s imaging time, 0.20 mm voxel size, and 6 fps. These imaging protocols should result in high quality images that pass the set tolerance levels on all systems. Average SAPA computation time for complete QA analysis for a 0.20 mm voxel, 400 slice Shelley phantom microCT data set was less than 20 s. We present image quality assurance recommendations for image-guided small animal radiotherapy systems that can aid researchers in maintaining high image quality, allowing for spatially precise conformal dose delivery to small animals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil0,395

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,189
Tête enseignante GPT0,405
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetAdvanced X-ray and CT ImagingTravaux en français237 207