Sci-Fri PM: Delivery - 04: A Patient Scatter Model for In Vivo Radiation Therapy Verification Using EPID Dosimetry
Notice bibliographique
Résumé
Radiation therapy has become increasingly complex with the introduction of new technologies like intensity modulated radiation therapy (IMRT) and rotational-IMRT. Thorough dosimetric verification is required to ensure sufficient tumour coverage and normal tissue sparing. Pretreatment verification is conventionally performed prior to a patient's course of treatment, but validation during treatment delivery does not usually occur. One method to determine whether the treatment was delivered correctly is through the comparison of a measured portal image (taken with an a-Si EPID) to a predicted portal dose image (modeling the same EPID). In this work, a patient scatter model was incorporated into an existing fluence model to account for the effect of a patient during an in vivo portal image measurement. The patient/phantom CT data set is converted to an equivalent homogeneous phantom (EHP). The modeled beam fluence is then ray-traced through the EHP and onto the EPID, accounting for patient attenuation. Patient scatter fluence is calculated through the superposition of a library of pre-calculated Monte Carlo scatter fluence kernels. The dose delivered to the EPID is determined with the convolution of a series of mono-energetic dose kernels. The patient scatter model was tested with slab phantoms for a range of thicknesses, air gaps and field sizes, and was found to accurately predict images within 2% and 3 mm. A prostate in vivo IMRT field prediction was also carried out, with a comparison of the relative images resulting in a model accuracy of 3% and 3 mm.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».