MétaCan
Menu
Retour à la cohorte
Enregistrement W4388440954 · doi:10.1016/j.prro.2023.10.014

Novel Technology Allowing Cone Beam Computed Tomography in 6 Seconds: A Patient Study of Comparative Image Quality

2023· article· en· W4388440954 sur OpenAlexafffund
James L. Robar, Amanda Cherpak, R. Lee MacDonald, Abigail Yashayaeva, David McAloney, Natasha McMaster, Kenny Zhan, Slawa Cwajna, Nikhilesh Patil, Hannah Dahn

Notice bibliographique

RevuePractical Radiation Oncology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensNova Scotia Cancer CentreNova Scotia Health AuthorityDalhousie University
Organismes subventionnairesQEII FoundationVarian Medical Systems
Mots-clésCone beam computed tomographyMedicineComputed tomographyImage qualityImage-guided radiation therapyCone (formal languages)Medical physicsQuality (philosophy)TomographyCone beam ctBeam (structure)Nuclear medicineRadiologyImage (mathematics)Computer visionOpticsAlgorithm

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The goal of this study was to evaluate the image quality provided by a novel cone beam computed tomography (CBCT) platform (HyperSight, Varian Medical Systems), a platform with enhanced reconstruction algorithms as well as rapid acquisition times. Image quality was compared with both status quo CBCT for image guidance, and to fan beam CT (FBCT) acquired on a CT simulator (CTsim). METHODS AND MATERIALS: In a clinical study, 30 individuals were recruited for whom either deep inspiration (DIBH) or deep exhalation breath hold (DEBH) was used during imaging and radiation treatment of tumors involving liver, lung, breast, abdomen, chest wall, and pancreatic sites. All subjects were imaged during breath hold with CBCT on a standard image guidance platform (TrueBeam 2.7, Varian Medical Systems) and FBCT CT (CTsim, GE Optima). HyperSight imaging with both breath hold (HSBH) and free breathing (HSFB) was performed in a single session. The 4 image sets thus acquired were registered and compared using metrics quantifying artifact index, image nonuniformity, contrast, contrast-to-noise ratio, and difference of Hounsfield unit (HU) from CTsim. RESULTS: HSBH provided less severe artifacts compared with both HSFB and TrueBeam. The severity of artifacts in HSBH images was similar to that in CTsim images, with statistically similar artifact index values. CTsim provided the best image uniformity; however, HSBH provided improved uniformity compared with both HSFB and TrueBeam. CTsim demonstrated elevated contrast compared with HyperSight imaging, but both HSBH and HSFB imaging showed superior contrast-to-noise ratio characteristics compared with TrueBeam. The median HU difference of HSBH from CTsim was within 1 HU for muscle/fat tissue, 12 HU for bone, and 14 HU for lung. CONCLUSIONS: The HyperSight system provides 6-second CBCT acquisition with image artifacts that are significantly reduced compared with TrueBeam and comparable to those in CTsim FBCT imaging. HyperSight breath hold imaging was of higher quality compared with free breathing imaging on the same system. The median HU value in HyperSight breath hold imaging is within 15 HU of that in CTsim imaging for muscle, fat, bone, and lung tissue types, indicating the utility of image data for direct dose calculation in adaptive workflows.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,085
Tête enseignante GPT0,465
Écart entre enseignants0,380 · 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'étudeObservationnel
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

Citations93
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePractical Radiation OncologyMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207