Toward automatic field selection and planning using Monte Carlo-based direct aperture optimization in modulated electron radiotherapy
Notice bibliographique
Résumé
Modulated electron radiotherapy (MERT) has been proven to produce optimal plans for shallow tumors. This study investigates automated approaches to the field determination process in generating optimal MERT plans for few-leaf electron collimator (FLEC)-based MERT, by generating a large database of pre-calculated beamlets stored as phase-space files. Beamlets can be used in an overlapping feathered pattern to reduce the effect of abutting fields, which can contribute to dose inhomogeneities within the target. Beamlet dose calculation was performed by Monte Carlo (MC) simulations prior to direct aperture optimization (DAO). The second part of the study examines a preliminary clinical comparison between FLEC-based MERT and helical TomoTherapy. A MERT plan for spinal irradiation was not able to conform to the PTV dose constraints as closely as the TomoTherapy plan, although the TomoTherapy plan was taken as is, i.e. not Monte Carlo re-calculated. Despite the remaining gradients in the PTV, the MERT plan was superior in reducing the low-dose bath typical of TomoTherapy plans. In conclusion, the FLEC-based MERT planning techniques developed within the study produced promising MERT plans with minimal user input. The phase-space database reduces the MC calculation time and the feathered field pattern improves target homogeneity. With further investigations, FLEC-based MERT will find an important niche in clinical radiation therapy.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».