Junctioning longitudinally adjacent PTVs with Helical TomoTherapy
Notice bibliographique
Résumé
Irradiation of longitudinally adjacent PTVs with Helical TomoTherapy (HT) may be clinically necessary, for example in treating a recurrent PTV adjacent to a previously-treated volume. In this work, the parameters which influence the cumulative dose distribution resulting from treating longitudinally adjacent PTVs are examined, including field width, pitch, and PTV location. In-phantom dose distributions were calculated for various on- and off-axis cylindrical PTVs and were verified by ion chamber and film measurement. Dose distributions were calculated to cover 95% of the PTV by the prescribed dose (DP) using 25 and 50 mm long HT fields with pitches of either 0.3 or 0.45. These dose distributions where then used to calculate the 3D dose distribution in the junction region between two PTVs. The best junction uniformity was obtained for fields of equal width, with larger fields providing better intra-PTV dose homogeneity than smaller fields. Junctioning fields of different widths resulted in a much larger dose inhomogeneity, but this could be improved significantly by dividing the junction end of the PTV treated with the smaller field into multiple (up to 4) sub-PTVs, with the prescribed dose in each sub-PTV decreasing with proximity to the junction region. This provided a PTV matching with dose homogeneity similar to that achieved when junctioning two PTVs, both irradiated by the 50 mm field, and provided a distribution where 95% of the PTV received at least the prescribed dose, with maximum excursions from prescribed dose varying from -19% to +13%. We conclude that junctioning adjacent PTVs is possible. Treating longitudinally adjacent PTVs with different widths is a challenge, but dose uniformity is improved by breaking PTVs into multiple contiguous sub-PTVs modified to feather (broaden) the effective junctioning region.
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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».