TU‐C‐224A‐06: Exploiting the Full Potential of MLC Based Aperture Optimization Through Collimator Rotation
Notice bibliographique
Résumé
Purpose: To investigate the benefits of MLC rotation in Direct Aperture Optimization (DAO) inverse treatment planning. Method and Materials: An alternative to fluence based inverse planning is to optimize directly the leaf positions and field weights of MLC apertures. Here we introduce a new technique called Rotating Aperture Optimization (RAO) which is based on an extension of DAO. Our technique differs from existing aperture based IMRT techniques in that the MLC is rotated in between each aperture. Treatment plans are generated for 10 nasopharynx recurrence patients with and without MLC rotation for 5 mm and 1cm leaf width MLCs. A comparison study is performed between RAO and DAO in order to assess the benefits of RAO over and above those available with fixed collimator angle DAO. Film verification is also performed to evaluate the accuracy of fixed and rotated collimator aperture delivery. Results: An analysis of the final cost values and DVHs indicate that plans generated with RAO are as good as or better than DAO while maintaining a smaller number of apertures and MU than conventional IMRT. In particular, RAO with the 1cm leaf width MLC is able to produce better plans than DAO with the 1 cm leaf width MLC and plans that are equivalent to DAO with the higher resolution 5mm leaf width MLC. Film verification results show that RAO is less sensitive to tongue and groove effects than DAO. Although delivery time is increased due to the collimator rotation speed this is a mechanical limit that could be easily overcome. Conclusion: Our results indicate that RAO is able to provide superior dose distributions, particularly with larger (1 cm) leaf width MLCs, while maintaining the lower MU and number of apertures afforded by the direct aperture approach. Conflict of Interest: Supported in part by Varian Medical Systems.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».