Tolerances on MLC leaf position accuracy for IMRT delivery with a dynamic MLC
Notice bibliographique
Résumé
The objective determination of performance standards for radiation therapy equipment requires, ideally, establishing the quantitative relationship between performance deviations and clinical outcome or some acceptable surrogate. In this simulation study the authors analyzed the dosimetric impact of random (leaf by leaf) and systematic (entire leaf bank) errors in the position of the MLC leaves on seven clinical prostate and seven clinical head and neck IMRT plans delivered using a dynamic MLC. In-house software was developed to incorporate normally distributed errors of up to +/- 2 mm in individual leaf position or systematic errors (+/- 1 and +/- 0.5 mm in all leaves of both leaf banks or +1 mm in one bank only) into the 14 plans, thus simulating treatment delivery using a suboptimally performing MLC. The dosimetric consequences of suboptimal MLC performance were quantified using the equivalent uniform doses (EUDs) of the clinical target volumes and important organs at risk (OARs). The deviation of the EUDs of the selected structures as the performance of the MLC deteriorated was used as the objective surrogate of clinical outcome. Random errors of 2 mm resulted in negligible changes for all structures of interest in both sites. In contrast, systematic errors can lead to potentially significant dosimetric changes that may compromise clinical outcome. If a 2% change in EUD of the target and 2 Gy for the OARs were adopted as acceptable levels of deviation in dose due to MLC effects alone, then systematic errors in leaf position will need to be limited to 0.3 mm. This study provides guidance, based on a dosimetric surrogate of clinical outcome, for the development of one component, leaf position accuracy of performance standards for multileaf collimators.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».