The impact of dual- and multi-energy CT on proton pencil beam range uncertainties: a Monte Carlo study
Notice bibliographique
Résumé
Abstract The purpose of this work is to evaluate the impact of single-, dual- and multi-energy CT (SECT, DECT and MECT) on proton range uncertainties in a patient like geometry and a full Monte Carlo environment. A virtual patient is generated from a real patient pelvis CT scan, where known mass densities and elemental compositions are overwritten in each voxel. Simulated CT images for SECT, DECT and MECT are generated for two limiting cases: (1) theoretical and idealistic CT numbers only affected by Gaussian noise (case A , the best scenario) and (2) reconstructed polyenergetic sinograms containing beam hardening, projection-based Poisson noise, and reconstruction artifacts (case B , the worst scenario). Conversion of the simulated SECT images into Monte Carlo inputs is done following the stoichiometric calibration method. For DECT and MECT, the Bayesian eigentissue decomposition method of Lalonde (2017 Med. Phys . 44 5293–302) is used. Pencil beams from seven different angles around the virtual patient are simulated using TOPAS to assess the performance of each method. Percentage depth doses curves (PDD) are compared to ground truth in order to determine the accuracy of range prediction of each imaging modality. For the idealistic images of case A , MECT and DECT slightly outperforms SECT. Root mean square (RMS) errors or 0.78 mm, 0.49 mm and 0.42 mm on R 80 mm, are observed for SECT, DECT and MECT respectively. In case B , PDD calculated in the MECT derived Monte Carlo inputs generally shows the best agreement with ground truth in both shape and position, with RMS errors of 2.03 mm, 1.38 mm and 0.86 mm for SECT, DECT and MECT respectively. Overall, the Bayesian eigentissue decomposition used with DECT systematically predicts proton ranges more accurately than the gold standard SECT-based approach. When CT numbers are severely affected by imaging artifacts, MECT with four energy bins becomes more reliable than both DECT and SECT.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».