Feasibility of using a single MRI acquisition for fiducial marker localization and synthetic CT generation towards MRI-only prostate radiation therapy treatment planning
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
Abstract Purpose. To investigate the feasibility of using a single MRI acquisition for fiducial marker identification and synthetic CT (sCT) generation towards MRI-only treatment planning for prostate external beam radiation therapy (EBRT). Methods. Seven prostate cancer patients undergoing EBRT, each with three implanted gold fiducial markers, participated in this study. In addition to the planning CT scan, all patients were scanned on a 3 T MR scanner with a 3D double-echo gradient echo (GRE) sequence. Quantitative susceptibility mapping (QSM) was performed for marker localization. QSM-derived marker positions were compared to those from CT. The bulk density assignment technique for sCT generation was adopted. The magnitude GRE images were segmented into muscle, bone, fat, and air using a combination of unsupervised intensity-based classification of soft tissue and convolutional neural networks (CNN) for bone segmentation. Results. All implanted markers were visualized and accurately identified (average error: 0.7 ± 0.5 mm). QSM generated distinctive contrast for hemorrhage, calcifications, and gold fiducial markers. The estimated susceptibility/HU values on QSM/CT for gold and calcifications were 31.5 ± 2.9 ppm/1220 ± 100 HU and 14.6 ± 0.9 ppm/440 ± 100 HU, respectively. The intensity-based soft tissue classification resulted in an average Dice score of 0.97 ± 0.02; bone segmentation using CNN resulted in an average Dice score of 0.93 ± 0.03. Conclusion. This work indicates the feasibility of simultaneous fiducial marker identification and sCT generation using a single MRI acquisition. Future works includes evaluation of the proposed method in a large cohort of patients with optimized acquisition parameters as well as dosimetric evaluations.
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