MétaCan
Menu
Retour à la cohorte
Enregistrement W3020062582 · doi:10.1002/mp.14204

Quantitative imaging performance of MARS spectral photon‐counting CT for radiotherapy

2020· article· en· W3020062582 sur OpenAlexafffund
Mikaël Simard, Raj Kumar Panta, Stephen T. Bell, Anthony Butler, Hugo Bouchard

Notice bibliographique

RevueMedical Physics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMars Exploration ProgramScannerMaterials scienceNuclear medicineMedical imagingPhysicsOpticsMedicineRadiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To evaluate the quantitative imaging performance of a spectral photon-counting computed tomography (SPCCT) scanner for radiotherapy applications. An experimental comparison of the quantitative performance of a Siemens dual-energy CT (DECT) and a MARS SPCCT scanner is performed to estimate physical properties relevant to radiotherapy of human substitute materials and contrast agent solutions. In human substitute materials, the accuracy of quantities relevant to photon therapy, proton therapy, and Monte-Carlo simulations, such as the electron density, proton stopping power, and elemental composition is evaluated. For contrast agent solutions, the accuracy of the contrast agent concentrations and the virtual non-contrast (VNC) electron density is evaluated. METHODS: Human tissue substitute phantoms (Gammex 467 and 472) as well as diluted solutions of contrast agents (iodine and gadolinium based) are scanned with two commercial systems: a Siemens dual-source CT (SOMATOM Definition Flash, Siemens Healthineers, Forchheim, Germany) and a MARS spectral photon-counting micro-CT (MARS V5.2, MARS Bioimaging Ltd., Christchurch, New Zealand). Material decomposition is performed in a maximum a posteriori framework with an optimized material basis tailored to characterize either human substitute materials or contrast agents in the context of experimental multi-energy CT data. RESULTS: The root-mean-square error (RMSE) of the electron density calculated over all Gammex inserts is reduced from 1.09 to 0.89% when going from DECT to SPCCT. For the proton stopping power, the RMSE is reduced from 1.92 to 0.89%. Elemental mass fractions of hydrogen, carbon, nitrogen, oxygen, and calcium are more accurately estimated with the MARS scanner. The RMSE on the iodine-based contrast agents concentration is reduced from 0.27 to 0.12 mg/mL with SPCCT, and the VNC electron density from 0.40 to 0.22%. CONCLUSION: In the present phantom study, a MARS photon-counting scanner provides superior accuracy compared to a Siemens SOMATOM Definition Flash DECT scanner to quantify physical parameters relevant to radiotherapy. This work experimentally demonstrates the benefits of using more energies to characterize human tissue equivalent materials. This highlights the potential of SPCCT for particle therapy, where more accurate tissue characterization is needed, as well as for Monte-Carlo based planning, which requires accurate elemental mass fractions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,257
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations34
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetAdvanced X-ray and CT ImagingTravaux en français237 207