دانلود ترجمه مقاله پیش بینی تاثیرات نویز تصویر در برش نگاری کامپیوتری پروتون

1. مقدمه 2. مواد و روش ها 3. نتایج 4. بحث و بررسی 5. نتیجه گیری پیوست الف: بدست آوردن رسوب انرژی معوج پیوست ب: مشارکت ها در نویز در یک ناپیوستگی پیوست ج. هیستوگرام های RSP و نویز حجم کامل

چکیده - روشی برای پیش بینی دقیق نویز تصویر در «برش نگاری کامپیوتری پروتونی» (pCT) با استفاده از داده های تولید شده از شبیه سازی مونته کارلو و یک مدل بیمار یا جسم که از یک تصویر CT اشعه ایکس قبلاً گرفته شده قابل تولید است، ارائه می دهیم. این امر، پیش بینی نویز برای محیط های شاریدگی پرتو اختیاری و بنابراین، کاربرد pCT تعدیل شده با شاریدگی (FMpCT)، که می تواند به اهداف نویز تجویز شده دست یابد و می تواند به میزان قابل توجهی دوز یکپارچه بیمار را کاهش دهد، دست یابد. شبیه سازی مونته کارلوی فعلی برای یک اسکنر pCT نمونه اولیه را تعمیم دادیم تا اثرات اشباع در چشمک زن های آشکارساز انرژی را شامل کنیم و یک مدل پرتو را از داده های ردیابی تجربی، بسازیم. پیش بینی های نویز شبیه سازی شده با داده های تجربی هم در حیطه افکنش و هم در تصویر بازسازی شده، مقایسه شدند. همخوانی پیش بینی نویز بین داده های شبیه سازی شده و تجربی از نظر خطای «میانگین ریشه دوم» (RMS) برای یک فانتوم آب همگن و یک فانتوم حساسیت سنجی با اینزرت های لوله ای، بهتر از 7% بود. از یک فانتوم سر شبیه انسانی، مدل سازی آناتومی یک کودک 5 ساله، خطای RMS در سه قاچ ارزیابی شده، بهتر از 9% بود. توانستیم ویژگی های اساسی نویز را نزدیک ناهمگنی ها، بازتولید کنیم. برای اثبات امکان پذیری نقشه های نویز شبیه سازی شده با مونته کارلو برای مدولاسیون شاریدگی، یک پروفایل شاریدگی را محاسبه کردیم که یک سطح نویز همگن در تصویر حاصل می کند. برخلاف فیلترهای bow-tie در CT اشعه ایکس، نیاز به شاریدگی ثابت در آشکار ساز ندارد و شکل پروفایل شاریدگی، اساساً متفاوت است. با استفاده از یک شبیه سازی مونته کارلوی بهینه شده، امکان پذیری استفاده از داده های شبیه سازی شده برای پیش بینی دقیق نویز تصویر برای pCT را نشان دادیم. بر این باوریم که همخوانی با داده های تجربی برای ممکن سازی بهینه سازی آتی طرح های شاریدگی FMpCT برای دستیابی به اهداف نویز مشخص شده، در یک اکتساب تعدیل شده با شاریدگی، کافی است.

We present a method to accurately predict image noise in proton computed tomography (pCT) using data generated from a Monte Carlo simulation and a patient or object model that may be generated from a prior x-ray CT image. This enables noise prediction for arbitrary beam fluence settings and, therefore, the application of fluence-modulated pCT (FMpCT), which can achieve prescribed noise targets and may significantly reduce the integral patient dose. We extended an existing Monte Carlo simulation of a prototype pCT scanner to include effects of quenching in the energy detector scintillators and constructed a beam model from experimental tracking data. Simulated noise predictions were compared to experimental data both in the projection domain and in the reconstructed image. Noise prediction agreement between simulated and experimental data in terms of the root-mean-square (RMS) error was better than 7% for a homogeneous water phantom and a sensitometry phantom with tubular inserts. For an anthropomorphic head phantom, modeling the anatomy of a five-year-old child, the RMS error was better than 9% in three evaluated slices. We were able to reproduce subtle noise features near heterogeneities. To demonstrate the feasibility of Monte Carlo simulated noise maps for fluence modulation, we calculated a fluence profile that yields a homogeneous noise level in the image. Unlike for bow-tie filters in x-ray CT this does not require constant fluence at the detector and the shape of the fluence profile is fundamentally different. Using an improved Monte Carlo simulation, we demonstrated the feasibility of using simulated data for accurate image noise prediction for pCT. We believe that the agreement with experimental data is sufficient to enable the future optimization of FMpCT fluence plans to achieve prescribed noise targets in a fluence-modulated acquisition.

بخشی از ترجمه مقاله (صفحه 24 فایل ورد ترجمه)