MétaCan
Menu
← Retour à la cohorte
Enregistrement W3199540862 · doi:10.1002/mp.15243

Experimental validation of Fastcat kV and MV cone beam CT (CBCT) simulator

2021· article· en· W3199540862 sur OpenAlexafffund
J. William O’Connell, Clayton Lindsay, Magdalena Bazalova‐Carter

Notice bibliographique

RevuearXiv (Cornell University) · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsWestern Canada Research GridNvidia
Mots-clésImaging phantomTruebeamCone beam computed tomographyDetectorPhysicsMonte Carlo methodNuclear medicineOpticsOptical transfer functionIonization chamberBeam (structure)Linear particle acceleratorMaterials scienceComputed tomographyMedicineMathematicsRadiology

Résumé

récupéré en direct d'OpenAlex

Purpose: To experimentally validate the Fastcat cone beam CT (CBCT) simulator against kV and MV CBCT images acquired with a Varian Truebeam linac. Methods: kV and MV CBCT images of a Catphan 504 phantom were acquired using a 100 kVp beam with the on-board imager (OBI) and a 6 MV treatment beam with the electronic portal imaging device (EPID), respectively. The kV Fastcat simulation was performed using detailed models of the x-ray source, bowtie filter, a high resolution voxelized virtual Catphan phantom, anti-scatter grid, and the CsI scintillating detector. Likewise, an MV Fastcat CBCT was simulated with detailed models for the beam energy spectrum, flattening filter, a high resolution voxelized virtual Catphan phantom, and the GOS scintillating detector. Experimental and simulated CBCT images of the phantom were compared with respect to HU values, contrast to noise ratio (CNR),and dose linearity. Detector modulation transfer function (MTF) for the two detectors were also experimentally validated. Fastcat's dose calculations were compared to MC dose calculations performed with Topas. Results: For the kV and MV simulations, respectively: Contrast agreed within 14 and 9 HUs and detector MTF agreed within 4.2% and 2.5%. Likewise, CNR had a root mean squared error (RMSE) of 2.6% and 1.4%. Dose agreed within 2.4% and 1.6% of MC values. The kV and MV CBCT images took 71 and 72 seconds to simulate in Fastcat with 887 and 493 projections, respectively. Conclusions: We present a multi energy experimental validation of a fast and accurate CBCT simulator against a commercial linac. The simulator is open source and all models found in this work can be downloaded from 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 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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0050,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,209
Écart entre enseignants0,182 · 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'étudeSimulation ou modélisation
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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)→Même sujetAdvanced Radiotherapy Techniques→Travaux en français237 207→