Influence of intravenous contrast agent on dose calculation in proton therapy using dual energy CT
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this study is to evaluate the effect of an intravenous (IV) contrast agent on proton therapy dose calculation using dual-energy computed tomography (DECT). Two DECT methods are considered. The first one, [Formula: see text], attempts to accurately predict the proton stopping powers relative to water (SPR) of contrast enhanced (CE) DECT images, while the second generates a virtual non-contrast (VNC) volume that can be processed as a native non-contrast (NC) one. Both methods are compared against single-energy computed tomography (SECT). The accuracy of SPR predicted for different concentrations of IV contrast diluted in water is first evaluated using simulated data. Results then are validated in an experimental set-up comparing SPR predictions for both NC and CE images to measurements made with a multi-layer ionisation chamber (MLIC). Finally, the impact of IV contrast on dose calculation using both SECT and DECT is evaluated for one liver and one head and neck patient. Using simulated data, DECT is shown to be less sensitive to the presence of IV contrast than SECT, although the performance of the [Formula: see text] method is sensitive to the level of beam hardening considered. For different concentrations of IV contrast diluted in water, experimental MLIC measurement of SPR agrees with DECT predictions within 3% while SECT introduce errors above 20%. This error in the SPR value results in a range error of up to 3.2 mm (2.6%) for proton beams calculated on SECT CE patient images. The error is reduced below 1 mm using DECT with the [Formula: see text] and VNC methods. Globally, it is observed that the influence of IV contrast on proton therapy dose calculation is mitigated using DECT over SECT. In patient anatomies, the VNC approach provides the best agreement with the reference dose distribution.
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.
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 découle