Potential of a Second-Generation Dual-Layer Spectral CT for Dose Calculation in Particle Therapy Treatment Planning
Notice bibliographique
Résumé
In particle therapy treatment planning, dose calculation is conducted using patient-specific maps of tissue ion stopping power ratio (SPR) to predict beam ranges. Improving patient-specific SPR prediction is therefore essential for accurate dose calculation. In this study, we investigated the use of the Spectral CT 7500, a second-generation dual-layer spectral computed tomography (DLCT) system, as an alternative to conventional single-energy CT (SECT) for patient-specific SPR prediction. This dual-energy CT (DECT)-based method allows for the direct prediction of SPR from quantitative measurements of relative electron density and effective atomic number using the Bethe equation, whereas the conventional SECT-based method consists of indirect image data-based prediction through the conversion of calibrated CT numbers to SPR. The performance of the Spectral CT 7500 in particle therapy treatment planning was characterized by conducting a thorough analysis of its SPR prediction accuracy for both tissue-equivalent materials and common non-tissue implant materials. In both instances, DLCT was found to reduce uncertainty in SPR predictions compared to SECT. Mean deviations of 0.7% and 1.6% from measured SPR values were found for DLCT- and SECT-based predictions, respectively, in tissue-equivalent materials. Furthermore, end-to-end analyses of DLCT-based treatment planning were performed for proton, helium, and carbon ion therapies with anthropomorphic head and pelvic phantoms. 3D gamma analysis was performed with ionization chamber array measurements as the reference. DLCT-predicted dose distributions revealed higher passing rates compared to SECT-predicted dose distributions. In the DLCT-based treatment plans, measured distal-edge evaluation layers were within 1 mm of their predicted positions, demonstrating the accuracy of DLCT-based particle range prediction. This study demonstrated that the use of the Spectral CT 7500 in particle therapy treatment planning may lead to better agreement between planned and delivered dose compared to current clinical SECT systems.
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) | 0,000 | 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 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 ».