MétaCan
Menu
Retour à la cohorte
Enregistrement W1994905083 · doi:10.1007/s11548-014-1092-y

A 3D computer-assisted treatment planning system for breast cancer brachytherapy treatment

2014· article· en· W1994905083 sur OpenAlexaff
Yuchong Rachel Jiang, Edward R. Sykes

Notice bibliographique

RevueInternational Journal of Computer Assisted Radiology and Surgery · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensSheridan College
Organismes subventionnairesnon disponible
Mots-clésBrachytherapyRadiation treatment planningBreast cancerCancer treatmentMedical physicsMedicineComputer scienceCancerRadiation therapyRadiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Brachytherapy is an option for treatment of breast cancer in some cases. This modality requires patient-specific dosimetry based on CT simulator scans. A 3D computer-assisted breast brachytherapy treatment planning system called Vision was developed and tested. METHODS: The brachytherapy treatment planning system used volume estimation and dose analysis with advanced 3D visualization. The patient treatment volume reconstruction was designed to ensure high-volume accuracy requirement of radioactive seed implantation procedure for this treatment. The system enables interactive placement of radioactive seeds embedded in original patient CT images with 3D display. RESULTS: The system achieved 99.73% accuracy in volume estimation measured against the true volume and is statistically significantly more accurate than current existing commercial software at the p = 0.05 level. CONCLUSION: A virtual 3D environment was developed to perform volume measurements, seed placements, and dose distribution planning and analysis based on 2D contours on patient CT images. This system was demonstrated to be feasible and accurate in a clinical setting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,302
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computer Assisted Radiology and SurgeryMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207