Development of a physical geometric phantom for deformable image registration credentialing of radiotherapy centers for a clinical trial
Notice bibliographique
Résumé
Abstract Purpose This study aimed to develop a physical geometric phantom for the deformable image registration (DIR) credentialing of radiotherapy centers for a clinical trial and tested the feasibility of the proposed phantom at multiple domestic and international institutions. Methods and materials The phantom reproduced tumor shrinkage, rectum shape change, and body shrinkage using several physical phantoms with custom inserts. We tested the feasibility of the proposed phantom using 5 DIR patterns at 17 domestic and 2 international institutions (21 datasets). Eight institutions used the MIM software (MIM Software Inc, Cleveland, OH); seven used Velocity (Varian Medical Systems, Palo Alto, CA), and six used RayStation (RaySearch Laboratories, Stockholm, Sweden). The DIR accuracy was evaluated using the Dice similarity coefficient (DSC) and Hausdorff distance (HD). Results The mean and one standard deviation (SD) values (range) of DSC were 0.909 ± 0.088 (0.434–0.984) and 0.909 ± 0.048 (0.726–0.972) for tumor and rectum proxies, respectively. The mean and one SD values (range) of the HD value were 5.02 ± 3.32 (1.53–20.35) and 5.79 ± 3.47 (1.22–21.48) (mm) for the tumor and rectum proxies, respectively. In three patterns evaluating the DIR accuracy within the entire phantom, 61.9% of the data had more than a DSC of 0.8 in both tumor and rectum proxies. In two patterns evaluating the DIR accuracy by focusing on tumor and rectum proxies, all data had more than a DSC of 0.8 in both tumor and rectum proxies. Conclusions The wide range of DIR performance highlights the importance of optimizing the DIR process. Thus, the proposed method has considerable potential as an evaluation tool for DIR credentialing and quality assurance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 tête enseignante, 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 ».