Technical Note: Volumetric computed tomography for radiotherapy simulation and treatment planning
Notice bibliographique
Résumé
PURPOSE: For lung and liver tumors requiring radiotherapy, motion artifacts are common in 4D-CT images due to the small axial field-of-view (aFOV) of conventional CT scanners. This may negatively impact contouring and dose calculation accuracy and could lead to a geographic miss during treatment. Recent advancements in volumetric CT (vCT) enable an aFOV up to 160 mm in a single rotation, which may reduce motion artifacts. However, the impact of large aFOV on CT number required for dose calculation needs to be evaluated before clinical implementation. The objective of this study was to determine the utility of a 256-slice vCT scanner for 4D-CT simulation by evaluating image quality and generating relative electron density (RED) curves. METHODS: Images were acquired on a 256-slice GE Revolution CT scanner with 40 mm, 80 mm, 120 mm, 140 mm, and 160 mm aFOV. Image quality was assessed by evaluating CT number linearity, uniformity, noise, and low-contrast resolution. The relationship between each quality metric and aFOV was assessed. RESULTS: CT number linearity, uniformity, noise, and low-contrast resolution were within the expected range for each image set, except CT number in Teflon and Delrin, which were underestimated. Spearman correlation coefficient (ρ) showed that the CT number for Teflon (ρ = 1.0, p = 0.02), Delrin (ρ = 1.0, p = 0.02), and air (ρ = 1.0, p = 0.02) was significantly related to aFOV, while all other measurements were not. The measured deviations from expected values were not clinically significant. CONCLUSION: These results suggest that vCT can be used for CT simulation for radiation treatment planning.
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) | 0,001 | 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 ».