Design and production of 3D printed bolus for electron radiation therapy
Notice bibliographique
Résumé
This is a proof-of-concept study demonstrating the capacity for modulated electron radiation therapy (MERT) dose distributions using 3D printed bolus. Previous reports have involved bolus design using an electron pencil beam model and fabrication using a milling machine. In this study, an in-house algorithm is presented that optimizes the dose distribution with regard to dose coverage, conformity, and homogeneity within the planning target volume (PTV). The algorithm takes advantage of a commercial electron Monte Carlo dose calculation and uses the calculated result as input. Distances along ray lines from the distal side of 90% isodose line to distal surface of the PTV are used to estimate the bolus thickness. Inhomogeneities within the calculation volume are accounted for using the coefficient of equivalent thickness method. Several regional modulation operators are applied to improve the dose coverage and uniformity. The process is iterated (usually twice) until an acceptable MERT plan is realized, and the final bolus is printed using solid polylactic acid. The method is evaluated with regular geometric phantoms, anthropomorphic phantoms, and a clinical rhabdomyosarcoma pediatric case. In all cases the dose conformity are improved compared to that with uniform bolus. For geometric phantoms with air or bone inhomogeneities, the dose homogeneity is markedly improved. The actual printed boluses conform well to the surface of complex anthropomorphic phantoms. The correspondence of the dose distribution between the calculated synthetic bolus and the actual manufactured bolus is shown. For the rhabdomyosarcoma patient, the MERT plan yields a reduction of mean dose by 38.2% in left kidney relative to uniform bolus. MERT using 3D printed bolus appears to be a practical, low-cost approach to generating optimized bolus for electron therapy. The method is effective in improving conformity of the prescription isodose surface and in sparing immediately adjacent normal tissues.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».