TH‐A‐18C‐11: An Investigation of KV CBCT Image Quality and Dose Reduction for Volume‐Of‐Interest Imaging Using Dynamic Collimation
Notice bibliographique
Résumé
Purpose: The focus of this work was to investigate the improvements in image quality and dose reduction for volume‐of‐interest (VOI) kV‐CBCT using dynamic collimation. Methods: A prototype iris aperture was used to track a VOI during a CBCT acquisition. The current aperture design is capable of one‐dimensional translation as a function of gantry angle and dynamic adjustment of the iris radius. The aperture occupies the location of the bow‐tie filter on a Varian OBI system. CBCT and planar image quality was investigated as a function of aperture radius, while maintaining the same dose to the VOI, for a 20 cm diameter cylindrical water phantom with a 9 mm diameter bone insert centered on isocenter. Corresponding scatter‐to‐primary ratios (SPR) were determined at the detector plane with Monte Carlo simulation using EGSnrc. Dose distributions for various anatomical sites were modeled using a dynamic BEAMnrc library and DOSXYZnrc. The resulting VOI dose distributions were compared to full‐field distributions. Results: SPR was reduced by a factor of 8.4 when decreasing iris diameter from 21.2 cm to 2.4 cm (at isocenter). Similarly, this change in iris diameter corresponds to a factor increase of approximately 1.4 and 1.5 in image contrast for CBCT and planar images, respectively, and similarly a factor decrease in image noise of approximately 1.7 and 1.5. This results in a measured gain in contrast‐to‐noise ratio of a factor of approximately 2.3 for both CBCT and planar images. Depending upon the anatomical site, dose was reduced to 10%–70% of the full field value along the central axis plane and down to 2% along the axial planes, while maintaining the same dose to the VOI compared to full‐field techniques. Conclusion: The presented VOI technique offers improved image quality for image‐guided radiotherapy while sparing the surrounding volume of unnecessary dose compared to full‐field techniques.
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 | 0,001 |
| 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) | 0,001 | 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 ».