MétaCan
Menu
Retour à la cohorte
Enregistrement W2897778856 · doi:10.1002/acm2.12477

Cone‐Beam <scp>CT</scp> image contrast and attenuation‐map linearity improvement (<scp>CALI</scp>) for brain stereotactic radiosurgery procedures

2018· article· en· W2897778856 sur OpenAlexaff
SayedMasoud Hashemi, Christopher Huynh, Arjun Sahgal, William Y. Song, Håkan Nordström, Markus Eriksson, James G. Mainprize, Young Lee, Mark Ruschin

Notice bibliographique

RevueJournal of Applied Clinical Medical Physics · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensSunnybrook HospitalToronto Metropolitan UniversityHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésRadiosurgeryImaging phantomAttenuationLinearityCone beam ctNuclear medicineComputer scienceArtificial intelligenceOpticsBiomedical engineeringMedicinePhysicsRadiologyComputed tomography

Résumé

récupéré en direct d'OpenAlex

A Contrast and Attenuation-map Linearity Improvement (CALI) framework is proposed for cone-beam CT (CBCT) images used for brain stereotactic radiosurgery (SRS). The proposed framework is tailored to improve soft tissue contrast of a new point-of-care image-guided SRS system that employs a challenging half cone beam geometry, but can be readily reproduced on any CBCT platform. CALI includes a pre- and post-processing step. In pre-processing we apply a shading and beam hardening artifact correction to the projections, and in post-processing step we correct the dome/capping artifact on reconstructed images caused by the spatial variations in X-ray energy generated by the bowtie-filter. The shading reduction together with the beam hardening and dome artifact correction algorithms aim to improve the linearity and accuracy of the CT-numbers (CT#). The CALI framework was evaluated using CatPhan to quantify linearity, contrast-to-noise (CNR), and CT# accuracy, as well as subjectively on patient images acquired on a clinical system. Linearity of the reconstructed attenuation-map was improved from 0.80 to 0.95. The CT# mean absolute measurement error was reduced from 76.1 to 26.9 HU. The CNR of the acrylic insert in the sensitometry module was improved from 1.8 to 7.8. The resulting clinical brain images showed substantial improvements in soft tissue contrast visibility, revealing structures such as ventricles which were otherwise undetectable in the original clinical images obtained from the system. The proposed reconstruction framework also improved CT# accuracy compared to the original images acquired on the system. For frameless image-guided SRS, improving soft tissue visibility can facilitate evaluation of MR to CBCT co-registration. Moreover, more accurate CT# may enable the use of CBCT for daily dose delivery measurements.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,337
Écart entre enseignants0,318 · 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.

Devis d'étudeSans objet
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Clinical Medical PhysicsMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207