On the selection of optimization parameters for an inverse treatment planning replacement of a forward planning technique for prostate cancer
Notice bibliographique
Résumé
The influence of organ volume sampling, lateral scatter inclusion, and the selection of objectives and constraints on the inverse treatment planning process with a commercial treatment planning system is investigated and suitable parameters are identified for an inverse treatment planning replacement of a clinical forward planning technique for prostate cancer. For the beam geometries of the forward technique, a variable set of parameters is used for the calculation of dose from pencil beams. An optimal set is identified after the evaluation of optimized plans that correspond to different sets of pencil-beam parameters. This set along with a single, optimized set of objectives and constraints is used to perform inverse planning on ten randomly selected patients. The acceptability of the resulting plans is verified by comparisons to the clinical ones calculated with the forward techniques. For the particular commercial treatment planning system, the default values of the pencil beam parameters are found adequate for inverse treatment planning. For all ten patients, the optimized, single set of objectives and constraints results in plans with target coverage comparable to that of the forward plans. Furthermore inverse treatment planning reduces the overall mean rectal and bladder doses by 4.8% and 5.8% of the prescription dose respectively. The study indicates that (i) inverse treatment planning results depend implicitly on the sampling of the dose distribution, (ii) inverse treatment planning results depend on the method used by the dose calculation model to account for scatter, and (iii) for certain sites, a single set of optimization parameters can be used for all patient plans.
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 | 0,001 | 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 ».