Cone‐Beam <scp>CT</scp> image contrast and attenuation‐map linearity improvement (<scp>CALI</scp>) for brain stereotactic radiosurgery procedures
Notice bibliographique
Résumé
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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».