Prospective quantitative quality assurance and deformation estimation of MRI-CT image registration in simulation of head and neck radiotherapy patients
Notice bibliographique
Résumé
BACKGROUND: MRI-guided radiotherapy planning (MRIgRT) may be superior to CT-guided planning in some instances owing to its improved soft tissue contrast. However, MR images do not communicate tissue electron density information necessary for dose calculation and therefore must either be co-registered to CT or algorithmically converted to synthetic CT. No robust quality assessment of commercially available MR-CT registration algorithms is yet available; thus we sought to quantify MR-CT registration formally. METHODS: Head and neck non-contrast CT and T2 MRI scans acquired with standard treatment immobilization techniques were prospectively acquired from 15 patients. Per scan, 35 anatomic regions of interest (ROIs) were manually segmented. MRIs were registered to CT rigidly (RIR) and by three commercially available deformable registration algorithms (DIR). Dice similarity coefficient (DSC), Hausdorff distance mean (HD mean) and Hausdorff distance max (HD max) metrics were calculated to assess concordance between MRI and CT segmentations. Each DIR algorithm was compared to DIR using the nonparametric Steel test with control for individual ROIs (n = 105 tests) and for all ROIs in aggregate (n = 3 tests). The influence of tissue type on registration fidelity was assessed using nonparametric Wilcoxon pairwise tests between ROIs grouped by tissue type (n = 12 tests). Bonferroni corrections were applied for multiple comparisons. RESULTS: No DIR algorithm improved the segmentation quality over RIR for any ROI nor all ROIs in aggregate (all p values >0.05). Muscle and gland ROIs were significantly more concordant than vessel and bone, but DIR remained non-different from RIR. CONCLUSIONS: For MR-CT co-registration, our results question the utility and applicability of commercially available DIR over RIR alone. The poor overall performance also questions the feasibility of translating tissue electron density information to MRI by CT registration, rather than addressing this need with synthetic CT generation or bulk-density assignment.
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 ».