MétaCan
Menu
Retour à la cohorte
Enregistrement W4403737322 · doi:10.1007/s13246-024-01491-0

Investigating 4D respiratory cone-beam CT imaging for thoracic interventions on robotic C-arm systems: a deformable phantom study

2024· article· en· W4403737322 sur OpenAlexaff
Tess Reynolds, Owen Dillon, Yiqun Ma, Nicholas Hindley, J. Webster Stayman, Magdalena Bazalova‐Carter

Notice bibliographique

RevuePhysical and Engineering Sciences in Medicine · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institutes of HealthSiemens HealthineersUniversity of Sydney
Mots-clésImaging phantomCone beam computed tomographyCone beam ctImage qualityBreathingComputer visionNuclear medicineComputer scienceMedicineArtificial intelligenceRadiologyComputed tomographyImage (mathematics)Anatomy

Résumé

récupéré en direct d'OpenAlex

Increasingly, interventional thoracic workflows utilize cone-beam CT (CBCT) to improve navigational and diagnostic yield. Here, we investigate the feasibility of implementing free-breathing 4D respiratory CBCT for motion mitigated imaging in patients unable to perform a breath-hold or without suspending mechanical ventilation during thoracic interventions. Circular 4D respiratory CBCT imaging trajectories were implemented on a clinical robotic CBCT system using additional real-time control hardware. The circular trajectories consisted of 1 × 360° circle at 0° tilt with fixed gantry velocities of 2°/s, 10°/s, and 20°/s. The imaging target was an in-house developed anthropomorphic breathing thorax phantom with deformable lungs and 3D-printed imaging targets. The phantom was programmed to reproduce 3 patient-measured breathing traces. Following image acquisition, projections were retrospectively binned into ten respiratory phases and reconstructed using filtered back projection, model-based, and iterative motion compensated algorithms. A conventional circular acquisition on the system of the free-breathing phantom was used as comparator. Edge Response Width (ERW) of the imaging target boundaries and Contrast-to-Noise Ratio (CNR) were used for image quality quantification. All acquisitions across all traces considered displayed visual evidence of motion blurring, and this was reflected in the quantitative measurements. Additionally, all the 4D respiratory acquisitions displayed a lower contrast compared to the conventional acquisitions for all three traces considered. Overall, the current implementation of 4D respiratory CBCT explored in this study with various gantry velocities combined with motion compensated algorithms improved image sharpness for the slower gantry rotations considered (2°/s and 10°/s) compared to conventional acquisitions over a variety of patient traces.

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 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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,341
Score d'incertitude au seuil0,398

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,040
Tête enseignante GPT0,379
Écart entre enseignants0,340 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical and Engineering Sciences in MedicineMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207