Cone beam computed tomography in 6- and 60-second acquisitions: implications for adaptive radiotherapy when respiratory motion is present
Notice bibliographique
Résumé
Abstract Purpose . To investigate the effects of respiratory motion during fast (∼6 s) and slow (∼60 s) cone beam computed tomography (CBCT) acquisition modes, with a focus on implications for adaptive radiotherapy (ART). Methods . CBCT images are compared with 4D fan beam CT acquisitions, considering average (‘AVE’) and maximum (‘MIP’) intensity projections. Data are acquired using a respiratory motion phantom representing a human thorax with a lung tumour. A range of sup-inf motion amplitudes (3 to 11 mm) and periods (3 to 5 s) are considered. HU perturbations, target contouring implications, and dosimetric effects are considered. Results . Fast mode CBCT motion artefacts are more severe for larger amplitudes and longer periods. Motion artefacts are minimal in slow mode. The standard deviation of HU differences (CBCT minus AVE) in regions-of-interest encompassing the tumour are within 44 HU for slow mode, increasing up to 75 HU for fast mode. Target volumes contoured using HU thresholding on slow mode CBCTs are smaller than those on the AVE/MIP by up to 7%/29%. HU thresholding was not applied to fast mode CBCTs because motion artefacts were judged to be too severe. Gamma pass rates for dose distributions calculated on fast or slow mode CBCTs compared to the AVE are <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" overflow="scroll"> <mml:mo>≥</mml:mo> </mml:math> 99% (criteria: 1%, 1 mm, 10% dose threshold). Dose differences (fast mode CBCT minus AVE) are larger for larger amplitudes and longer periods, and tend toward negative values. Dose differences (slow mode CBCT minus AVE) are generally smaller and more consistent across all amplitudes and periods considered. Conclusions . Dosimetric perturbations resulting from motion artefacts are not severe for the amplitudes and periods considered. However, motion artefacts (especially in fast mode) have implications for image registration, target contouring, and treatment plan optimization for ART.
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 | 0,003 | 0,008 |
| 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 | 0,001 | 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 ».