MétaCan
Menu
← Retour à la cohorte
Enregistrement W1964347860 · doi:10.1118/1.4736237

TH‐A‐213AB‐03: Inverse Planning for 3D Intensity‐Modulated Grid‐Therapy

2012· article· en· W1964347860 sur OpenAlexaff
J Chen, Deeam Najmadeen Hama Rashid, Edward Yu, Hatim Fakir, S Karnas, K Jordan

Notice bibliographique

RevueMedical Physics · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensLondon Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésPinnacleRadiation treatment planningGridRadiation therapyDosimetryIntensity (physics)Intensity modulationMedical imagingNuclear medicineComputer scienceMedical physicsMedicineMathematicsPhysicsRadiologyOpticsArtificial intelligenceGeometry

Résumé

récupéré en direct d'OpenAlex

Purpose: To develop an inverse optimization method for 3D intensity‐modulated grid‐therapy to improve dose distribution of grid therapy of advanced stage tumors. Methods: The following process was used to generate a 3D intensity‐modulated grid‐therapy plan. First, based on the geometry of the target volume and organs at risk (OAR), three to six radiation fields were selected to minimize the overlap between the target volume and OARs. Typically, three orthogonal fields were used to minimize the overlap between the fields to maintain grid‐like dose distribution for each field. Second, a step‐and‐shoot IMRT plan was generated with selected fields using Pinnacle treatment planning system (Philips Medical Systems). Third, each MLC segment was converted to a grid field defined by additional MLC segments using an in‐house developed program. Finally, the plan was further optimized using segment weight optimization in Pinnacle treatment planning system, maintaining the grid shape for each IMRT field with optimized intensities for the opening grids. The method was tested for a few clinical cases with bulky tumors. Dose distributions and dose volume histograms were compared between conventional single‐field grid‐therapy plan and 3D intensity‐modulated grid‐therapy plan. Results: Compared to conventional single‐field grid‐therapy plan, 3D intensity‐modulated grid‐therapy plan gives higher minimum dose to the target volume for potential improved tumor control probability and lower space‐fractionated doses to OARs for potential reduction of normal tissue complication probability. The drawback of the method is longer radiation treatment time. Conclusions: A method was developed to generate 3D intensity‐modulated grid‐therapy plan. Comparing to single‐field grid‐therapy plan, it gives higher dose to the target volume and lower space‐fractionated dose to OARs for a potential therapeutic advantage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,314
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetAdvanced Radiotherapy Techniques→Travaux en français237 207→