Investigation of image quality of MV and kV CBCT with low‐Z beams and high DQE detector
Notice bibliographique
Résumé
PURPOSE: To investigate cone beam computed tomography (CBCT) image quality using novel combinations of kilovoltage (kV) and megavoltage (MV) beams and detector materials. METHODS: MV and kV CBCT imaging was simulated using the Fastcat hybrid Monte Carlo application. CBCT imaging with various beam energies was investigated: 2.5 and 6 MV photon beams generated with carbon, aluminum, and tungsten targets and a 120 kVp x-ray tube beam based off of a Varian Truebeam on-board imager (OBI). Cadmium tungstate (CWO), gadolinium oxysulfide (GOS), and cesium iodide (CsI) detectors with identical pixel pitch of 0.784 mm were evaluated. Modulation transfer functions (MTF) for all detector/beam combinations were calculated. MV and kV CBCT images for each detector/beam combination of a contrast phantom containing inserts with rib and spongiosa bone, lung, and adipose tissues were simulated with an imaging dose of 7 mGy. Contrast to noise ratio (CNR) of all inserts were compared for all detector/beam combinations. CBCT images of an anthropomorphic head phantom with silver amalgam fillings were also generated. RESULTS: The CWO/120 kVp beam combination resulted in the highest MTF at low frequencies and the CsI detector showed the highest MTF for all other beams and at high frequencies. The CWO/120 kVp beam combination showed the highest CNR for all tissues. The unoptimized CWO/2.5 MV carbon target beam showed the highest CNR of the MV beam/detector combinations with CNR 4% and 17% worse than the optimized Truebeam CsI 120 kVp setup with a bowtie filter and antiscatter grid. Additionally, the CWO 2.5 MV setup showed qualitative reduction of metal artifacts surrounding silver amalgam fillings in an anthropomorphic head phantom. CONCLUSION: This finding makes a compelling case that further optimization of this CWO carbon target setup could produce CBCT images with similar CNR to current OBI CBCT for equivalent dose with added resilience to metal artifacts.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».