Monte Carlo based modulated electron beam treatment planning using a few-leaf electron collimator—feasibility study
Notice bibliographique
Résumé
Energy modulated electron beam therapy with conventional clinical accelerators has lagged behind photon IMRT despite its potential to achieve highly conformal dose distributions in superficial targets. One of the reasons for this is the absence of an automated collimating device that allows for the flexible delivery of a series of variable field openings. Electron-specific multileaf collimators attached to the bottom of the applicator require the use of a large number of motors and suffer from being relatively bulky and impractical for head and neck sites. In this work, we investigate the treatment planning aspects of a proposed 'few-leaf' electron collimator (FLEC) that consists of four motor-driven trimmer bars at the end of the applicator. The device is designed to serve as an accessory to standard equipment and allows for the shaping of any irregular field by combination of rectangular fieldlets. Using a Monte Carlo model of the FLEC, dose distributions are optimized using a simulated annealing (SA) inverse planning algorithm based on a limited number of Monte Carlo pre-generated, realistic phantom-specific dose kernels and user-specified dose-volume constraints. Using a phantom setup with an artificial target enclosed by organs at risk (OAR) as well as using a realistic patient case, we demonstrate that highly conformal distributions can be generated. Estimates of delivery times are made and show that a full treatment fraction can be kept to 15 min or less.
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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».