MétaCan
Menu
Retour à la cohorte
Enregistrement W2745005267 · doi:10.1088/1361-6560/aa8133

Representing the dosimetric impact of deformable image registration errors

2017· article· en· W2745005267 sur OpenAlexaff
Jason Vickress, Jerry Battista, Rob Barnett, Slav Yartsev

Notice bibliographique

RevuePhysics in Medicine and Biology · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésImage registrationLandmarkMetric (unit)Matching (statistics)Range (aeronautics)MathematicsNuclear medicineComputer scienceStatisticsImage (mathematics)Artificial intelligenceMedicine

Résumé

récupéré en direct d'OpenAlex

Deformable image registration (DIR) is emerging as a tool in radiation therapy for calculating the cumulative dose distribution across multiple fractions of treatment. Unfortunately, due to the variable nature of DIR algorithms and dependence of performance on image quality, registration errors can result in dose accumulation errors. In this study, landmarked images were used to characterize the DIR error throughout an image space and determine its impact on dosimetric analysis. Ten thoracic 4DCT images with 300 landmarks per image study matching the end-inspiration and end-expiration phases were obtained from 'dir-labs'. DIR was performed using commercial software MIM Maestro. The range of dose uncertainty (RDU) was calculated at each landmark pair as the maximum and minimum of the doses within a sphere around the landmark in the end-expiration phase. The radius of the sphere was defined by a measure of DIR error which included either the actual DIR error, mean DIR error per study, constant errors of 2 or 5 mm, inverse consistency error, transitivity error or the distance discordance metric (DDM). The RDUs were evaluated using the magnitude of dose uncertainty (MDU) and inclusion rate (IR) of actual error lying within the predicted RDU. The RDU was calculated for 300 landmark pairs on each 4DCT study for all measures of DIR error. The most representative RDU was determined using the actual DIR error with a MDU of 2.5 Gy and IR of 97%. Across all other measures of DIR error, the DDM was most predictive with a MDU of 2.5 Gy and IR of 86%, closest to the actual DIR error. The proposed method represents the range of dosimetric uncertainty of DIR error using either landmarks at specific voxels or measures of registration accuracy throughout the volume.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,134
Tête enseignante GPT0,454
Écart entre enseignants0,321 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations25
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207