Repeatability and reproducibility of prostate apparent diffusion coefficient values on a 1.5 T magnetic resonance linear accelerator
Notice bibliographique
Résumé
Background and Purpose Integrated magnetic resonance linear accelerator (MR-Linac) systems offer potential for biologically based adaptive radiation therapy using apparent diffusion coefficient (ADC). Accurate tracking of longitudinal ADC changes is key to establishing ADC-driven dose adaptation. Here, we report repeatability and reproducibility of intraprostatic ADC using deformable image registration (DIR) to correct for inter-fraction prostate changes. Materials and Methods The study included within-fraction repeat ADC measurements for three consecutive fractions for 20 patients with prostate cancer treated on a 1.5 T MR-Linac. We deformably registered successive fraction T 2 -weighted images and applied the deformation vector field to corresponding ADC maps to align to fraction 2. We delineated gross tumour volume (GTV), peripheral zone (PZ) and prostate clinical target volume (CTV) regions-of-interest (ROIs) on T 2 -weighted MRI and copied to ADC maps. We computed intraclass correlation coefficients (ICC) and percent repeatability coefficient (%RC) to determine within-fraction repeatability and between-fraction reproducibility for individual voxels, mean and 10th percentile ADC values per ROI. Results The ICC between repeats and fractions was excellent for mean and 10th percentile ADC in all ROIs (ICC > 0.86), and moderate repeatability and reproducibility existed for individual voxels (ICC > 0.542). Similarly, low %RC within-fraction (4.2–17.9 %) mean and 10th percentile ADC existed, with greater %RC between fractions (10.2–36.8 %). Higher %RC existed for individual voxel within-fraction (21.7–30.6 %) and between-fraction (32.1–34.5 %) ADC. Conclusions Results suggest excellent ADC repeatability and reproducibility in clinically relevant ROIs using DIR to correct between-fraction anatomical changes. We established the precision of voxel-level ADC tracking for future biologically based adaptation implementation.
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 | 0,004 | 0,012 |
| 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 | 0,000 | 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 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 ».