MétaCan
Menu
Retour à la cohorte
Enregistrement W4311755533 · doi:10.1088/1361-6560/acabfa

Dual- and multi-energy CT for particle stopping-power estimation: current state, challenges and potential

2022· review· en· W4311755533 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePhysics in Medicine and Biology · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced X-ray and CT Imaging
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésHounsfield scaleComputer scienceRange (aeronautics)Stopping powerDigital Enhanced Cordless TelecommunicationsVoxelNuclear medicineMaterials scienceMedicineComputed tomographyArtificial intelligenceRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract Range uncertainty has been a key factor preventing particle radiotherapy from reaching its full physical potential. One of the main contributing sources is the uncertainty in estimating particle stopping power ( ρ s ) within patients. Currently, the ρ s distribution in a patient is derived from a single-energy CT (SECT) scan acquired for treatment planning by converting CT number expressed in Hounsfield units (HU) of each voxel to ρ s using a Hounsfield look-up table (HLUT), also known as the CT calibration curve. HU and ρ s share a linear relationship with electron density but differ in their additional dependence on elemental composition through different physical properties, i.e. effective atomic number and mean excitation energy, respectively. Because of that, the HLUT approach is particularly sensitive to differences in elemental composition between real human tissues and tissue surrogates as well as tissue variations within and among individual patients. The use of dual-energy CT (DECT) for ρ s prediction has been shown to be effective in reducing the uncertainty in ρ s estimation compared to SECT. The acquisition of CT data over different x-ray spectra yields additional information on the material elemental composition. Recently, multi-energy CT (MECT) has been explored to deduct material-specific information with higher dimensionality, which has the potential to further improve the accuracy of ρ s estimation. Even though various DECT and MECT methods have been proposed and evaluated over the years, these approaches are still only scarcely implemented in routine clinical practice. In this topical review, we aim at accelerating this translation process by providing: (1) a comprehensive review of the existing DECT/MECT methods for ρ s estimation with their respective strengths and weaknesses; (2) a general review of uncertainties associated with DECT/MECT methods; (3) a general review of different aspects related to clinical implementation of DECT/MECT methods; (4) other potential advanced DECT/MECT applications beyond ρ s estimation.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,593

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,271
Tête enseignante GPT0,418
Écart entre enseignants0,147 · 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