Modulation factors calculated with an EPID‐derived MLC fluence model to streamline IMRT/VMAT second checks
Notice bibliographique
Résumé
This work outlines the development of a robust method of calculating modulation factors used for the independent verification of MUs for IMRT and VMAT treatments, to replace onerous ion chamber measurements. Two-dimensional fluence maps were calculated for dynamic MLC fields that include MLC interleaf leakage, transmission, and tongue-and-groove effects, as characterized from EPID-acquired images. Monte Carlo-generated dose kernels were then used to calculate doses for a modulated field and that field with the modulation removed at a depth specific to the calculation point in the patient using in-house written software, Mod_Calc. The ratio of these two doses was taken to calculate modulation factors. Comparison between Mod_Calc calculation and ion chamber measurement of modulation factors for 121 IMRT fields yielded excellent agreement, where the mean difference between the two was -0.3% ± 1.2%. This validated use of Mod_Calc clinically. Analysis of 5,271 dynamic fields from clinical use of Mod_Calc gave a mean difference of 0.3% ± 1.0% between Mod_Calc and Eclipse-generated factors. In addition, 99.3% and 96.5% fields pass 5% and 2% criteria, respectively, for agreement between these two predictions. The development and use of Mod_Calc at our clinic has considerably streamlined our QA process for IMRT and RapidArc fields, compared to our previous method based on ion chamber measurements. As a result, it has made it feasible to maintain our established and trusted current in-house method of MU verification, without resorting to commercial software alternatives.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».