MARC

 008200317s2019        ulk          s          00        eng
■001000015494638
■00520200217182622
■007cr
■020    ▼a9781392592182
■040    ▼d225006
■08204▼a610
■090    ▼a전자도서(박사논문)
■1001  ▼aGinn,  John  Stephen.
■24510▼aDevelopment  and  Evaluation  of  Intra-fraction  Motion  Management  Techniques  for  Magnetic  Resonance  Image  Guided  Radiotherapy.▼h[electronic  resource]▼cGinn,  John  Stephen.
■260    ▼a[S.l.]▼bUniversity  of  California,  Los  Angeles.  ▼c2019
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2019
■300    ▼a1  online  resource(212  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  81-06,  Section:  B.
■500    ▼aAdvisor:  Lamb,  James  Michael.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2019.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aAnatomical  motion  during  external  beam  radiotherapy  can  reduce  the  accuracy  of  radiation  delivery  and  degrade  treatment  efficacy.  Magnetic  resonance  image  (MRI)  guided  radiotherapy  systems  provide  unparalleled  soft  tissue  contrast  and  the  opportunity  to  monitor  tumor  motion  in  images  acquired  during  treatment.  Radiotherapy  gating,  turning  the  radiation  beam  on  when  the  target  is  within  the  desired  spatial  window  and  off  when  the  target  moves  outside  this  window,  is  performed  to  mitigate  the  effects  of  anatomical  motion.  A  limitation  of  image-based  respiratory  gating  is  the  requirement  that  the  images  must  be  acquired  rapidly  and  continuously  to  avoid  unacceptable  gating  latency.  Consequently,  images  are  typically  acquired  at  a  single  slice  position  using  a  rapid  imaging  sequence.  Pulse  sequence  selection  and  thereby  image  contrast  is  limited  to  those  available  using  rapid  imaging  sequences.  Only  the  portion  of  the  target  within  the  imaged  slice  can  be  tracked  and  target  motion  outside  the  currently  imaged  slice  is  not  evaluated.  Additionally,  due  to  electronic,  mechanical  and  computational  constraints,  MRI-guided  radiotherapy  systems  cannot  respond  instantaneously  to  anatomical  motion.  System  latencies  can  reduce  the  radiation  dose  delivered  to  the  target  and  increase  the  radiation  delivered  to  nearby  normal  tissues.  As  a  preliminary  step,  we  evaluate  characteristics  of  the  MRI-guided  radiotherapy  machine  at  UCLA  relevant  to  intra-fraction  motion  management.  Specifically,  we  evaluate  the  geometric  distortion  and  dosimetric  accuracy  of  the  ViewRay  MRIdian  MRI-guided  radiotherapy  system.  We  measure  geometric  distortion  using  a  commercially  available  phantom  and  software  developed  in  our  laboratory.  We  measure  the  dosimetric  accuracy  of  gated  radiotherapy  delivery  using  a  motion  phantom  and  radiochromic  film.The  key  contribution  of  our  work  is  to  develop  motion  model  based  methods  to  overcome  limitations  of  the  current  technology  arising  from  finite  imaging  speeds  and  beam  triggering  latencies.  We  propose  the  use  of  a  motion  model  and  external  respiratory  bellows  surrogate  to  allow  pulse  sequences  that  require  significant  delays  between  image  acquisitions  to  be  used  for  radiotherapy  gating.  Additionally,  we  develop  motion  modeling  methods  to  estimate  tumor  motion  across  multiple  slice  positions  in  real-time  to  inform  radiotherapy  gating  decisions  and  provide  three-dimensional  target  visualization.  To  overcome  system  latencies  and  improve  the  current  clinical  deformable  registration-based  target  tracking  algorithm  we  develop  a  novel  motion  prediction  method.  Our  method  exploits  the  rich  image  intensity  information  available  during  real-time  MRI  and  can  predict  motion  across  the  entire  field  of  view  in  real-time.  Finally,  we  propose  an  accompanying  framework  to  evaluate  motion  prediction  confidence  to  detect  when  predictions  are  likely  to  be  inaccurate.
■650  4▼aMedical  imaging.
■650  4▼aPhysics.
■650  4▼aMedicine.
■71020▼aUniversity  of  California,  Los  Angeles▼bBiomedical  Physics  0119.
■7730  ▼tDissertations  Abstracts  International▼g81-06B.
■773    ▼tDissertation  Abstract  International
■791    ▼aPh.D.
■792    ▼a2019
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T15494638▼nKERIS

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서