Parametrization of multi-energy CT projection data with eigentissue decomposition
Notice bibliographique
Résumé
Abstract The purpose of this work is, firstly, to propose an optimized parametrization of the attenuation coefficient to describe human tissues in the context of projection-based material characterization with multi-energy CT. The approach is based on eigentissue decomposition (ETD). Secondly, to evaluate its benefits in terms of accuracy and precision of radiotherapy-related parameters against established parametrizations. The attenuation coefficient is parametrized as a linear combination of virtual materials, eigentissues, obtained by performing principal component analysis on a set of reference tissues in order to optimally represent human tissue composition. Two implementations of ETD are compared with other pre-reconstruction formalisms established for dual-energy and photon-counting CT in a simulation framework. The first implementation uses a single set of eigentissues to describe all human tissues, while the second uses different sets of eigentissues to characterize soft tissues and bones, and includes a post-reconstruction classification step. The simulation framework evaluates the reconstruction accuracy of various radiotherapy-related quantities over a range of 71 human tissues for various noise levels. Compared to conventional parametrizations, the first implementation of ETD reduces the mean error and root-mean-square error (RMSE) in two radiotherapy-related quantities (the proton stopping power and the mass energy absorption coefficient of 21 keV photons from 103 Pd seeds used in brachytherapy) for all noise levels and modalities investigated. This illustrates that a decomposition basis selected with principal component analysis is superior to an arbitrary pair of materials to describe human tissues. The mean error on radiotherapy-related parameters can be further reduced with the classification-based approach. In the context of pre-reconstruction material characterization with multi-energy CT, parametrizing the attenuation coefficient with eigentissues provides a more accurate and precise evaluation of human tissues properties for radiotherapy. Accurate quantification can thus be achieved without the need to parametrize tissues using unphysical parameters, such as the energy-dependent effective atomic number.
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 ».