Evaluation of CBCT scatter correction using deep convolutional neural networks for head and neck adaptive proton therapy
Notice bibliographique
Résumé
Adaptive proton therapy (APT) is a promising approach for the treatment of head and neck cancers. One crucial element of APT is daily volumetric imaging of the patient in the treatment position. Such data can be acquired with cone-beam computed tomography (CBCT), although scatter artifacts make uncorrected CBCT images unsuitable for proton therapy dose calculation. The purpose of this work is to evaluate the performance of a U-shape deep convolutive neural network (U-Net) to perform projection-based scatter correction and enable fast and accurate dose calculation on CBCT images in the context of head and neck APT. CBCT projections are simulated for a cohort of 48 head and neck patients using a GPU accelerated Monte Carlo (MC) code . A U-Net is trained to reproduce MC projection-based scatter correction from raw projections. The accuracy of the scatter correction is experimentally evaluated using CT and CBCT images of an anthropomorphic head phantom. The potential of the method for head and neck APT is assessed by comparing proton therapy dose distributions calculated on scatter-free, uncorrected and scatter-corrected CBCT images. Finally, dose calculation accuracy is estimated in experimental patient images using a previously validated empirical scatter correction as reference. The mean and mean absolute HU differences between scatter-free and scatter-corrected images are -0.8 and 13.4 HU, compared to -28.6 and 69.6 HU for the uncorrected images. In the head phantom, the root-mean square difference of proton ranges calculated in the reference CT and corrected CBCT is 0.73 mm. The average 2%/2 mm gamma pass rate for proton therapy plans optimized in the scatter free images and re-calculated in the scatter-corrected ones is 98.89%. In experimental CBCT patient images, a 3%/3 mm passing rate of 98.72% is achieved between the proposed method and the reference one. All CBCT projection volume could be corrected in less than 5 seconds.
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 ».