fastCAT: Fast cone beam CT (CBCT) simulation
Notice bibliographique
Résumé
Purpose To develop fastCAT, a fast cone‐beam computed tomography (CBCT) simulator. fastCAT uses pre‐calculated Monte Carlo (MC) CBCT phantom‐specific scatter and detector response functions to reduce simulation time for megavoltage (MV) and kilovoltage (kV) CBCT imaging. Methods Pre‐calculated x‐ray beam energy spectra, detector optical spread functions and energy deposition, and phantom scatter kernels are combined with GPU raytracing to produce CBCT volumes. MV x‐ray beam spectra are simulated with EGSnrc for 2.5‐ and 6 MeV electron beams incident on a variety of target materials and kV x‐ray beam spectra are calculated analytically for an x‐ray tube with a tungsten anode. Detectors were modeled in Geant4 extended by Topas and included optical transport in the scintillators. Two MV detectors were modeled—a standard Varian AS1200 GOS detector and a novel CWO high detective quantum efficiency detector. A kV CsI detector was also modeled. Energy‐dependent scatter kernels were created in Topas for two 16 cm diameter phantoms: A Catphan 515 contrast phantom and an anthropomorphic head phantom. The Catphan phantom contained inserts of 1–5 mm in diameter of six different tissue types: brain, deflated lung, compact and cortical bone, adipose, and B‐100. Results fastCAT simulations retain high fidelity to measurements and MC simulations: MTF curves were within 3.5% and 1.2% of measured values for the CWO and GOS detectors, respectively. HU values and CNR in a fastCAT Catphan 515 simulation were seen to be within 95% confidence intervals of an equivalent MC simulation for all of the tissues with root mean squared errors less than 16 HU and 1.6 in HU values and CNR comparisons, respectively. The anthropomorphic head phantom CWO detector CBCT image resulted in much higher tissue contrast and lower noise compared to the GOS detector CBCT image. A fastCAT simulation of the Catphan 515 module with an image size of 1024 1024 10 voxels took 61 s on a GPU while the equivalent Topas MC was estimated to take more than 0.3 CPU years. Conclusions We present an open source fast CBCT simulation with high fidelity to MC simulations. The fastCAT python package can be found at https://github.com/jerichooconnell/fastCAT.git .
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».