Impact of target volume segmentation accuracy and variability on treatment planning for 4D-CT-based non-small cell lung cancer radiotherapy
Notice bibliographique
Résumé
BACKGROUND: Accurate target volume segmentation is crucial for success in image-guided radiotherapy. However, variability in anatomical segmentation is one of the most significant contributors to uncertainty in radiotherapy treatment planning. This is especially true for lung cancer where target volumes are subject to varying magnitudes of respiratory motion. MATERIAL AND METHODS: This study aims to analyze multiple observer target volume segmentations and subsequent intensity-modulated radiotherapy (IMRT) treatment plans defined by those segmentations against a reference standard for lung cancer patients imaged with four-dimensional computed tomography (4D-CT). Target volume segmentations of 10 patients were performed manually by six physicians, allowing for the calculation of ground truth estimate segmentations via the simultaneous truth and performance level estimation (STAPLE) algorithm. Segmentation variability was assessed in terms of distance- and volume-based metrics. Treatment plans defined by these segmentations were then subject to dosimetric evaluation consisting of both physical and radiobiological analysis of optimized 3D dose distributions. RESULTS: Significant differences were noticed amongst observers in comparison to STAPLE segmentations and this variability directly extended into the treatment planning stages in the context of all dosimetric parameters used in this study. Mean primary tumor control probability (TCP) ranged from (22.6±11.9)% to (33.7±0.6)%, with standard deviation ranging from 0.5% to 11.9%. However, mean normal tissue complication probabilities (NTCP) based on treatment plans for each physician-derived target volume well as the NTCP derived from STAPLE-based treatment plans demonstrated no discernible trends and variability appeared to be patient-specific. This type of variability demonstrated the large-scale impact that target volume segmentation uncertainty can play in IMRT treatment planning. CONCLUSIONS: Significant target volume segmentation and dosimetric variability exists in IMRT treatment planning amongst experts in the presence of a reference standard for 4D-CT-based lung cancer radiotherapy. Future work is needed to mitigate this uncertainty and ensure highly accurate and effective radiotherapy for lung cancer patients.
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 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 ».