Poster - Wed Eve-49: Patient Specific IMRT QC Tolerance Criteria and the Detection of Systematic Errors in MLC Leaf Position
Notice bibliographique
Résumé
Patient specific IMRT QC remains standard practice in most clinics. We have evaluated the feasibility of detecting systematic errors in MLC leaf position with IMRT QC based on diode and aSi area detectors. 12 head and neck (H&N) and 14 prostate IMRT fields were delivered using MLC files containing systematic errors (±1mm in 2 banks, ±0.5mm in 2 banks and 1mm in 1 bank of leaves). Planar dose maps were measured using both Mapcheck™ (Sun Nuclear Corp.) and the aS1000 EPID (Varian Medical Systems) and compared with maps produced with unperturbed leaves. Results were analyzed using several common criteria including absolute dose difference (AD), relative dose difference (RD), distance to agreement (DTA) and the gamma index (γ). Using Mapcheck™ and the change in percentage of passing points as a measure of sensitivity, the relative sensitivity of the criteria tested in descending order is 3% AD,3mm DTA; γ with 3% AD, 3mm DTA; 5% AD, 3mm DTA and 3% RD, 3mm DTA. This sequence applied to both H&N and prostate fields although the H&N fields, being more highly modulated, exhibited greater sensitivity to systematic MLC leaf offsets. The EPID study, which was software limited to the γ criterion, showed higher sensitivity with [2% AD/2mm DTA] γ criteria. Due to the distribution of passing rates in a population of IMRT fields we conclude that patient specific QC alone is not sufficient to identify potentially clinically significant systematic MLC offsets and must be supplemented with regular QC of the MLC.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».