MétaCan
Menu
Retour à la cohorte
Enregistrement W1996310896 · doi:10.1088/0031-9155/50/5/025

Clinical use of a commercial Monte Carlo treatment planning system for electron beams

2005· article· en· W1996310896 sur OpenAlexaff
Joanna Cygler, C. Lochrin, George M. Daskalov, Michelle E. Howard, Robert Zohr, B. Esche, Libni Eapen, L. Grimard, J. Caudrelier

Notice bibliographique

RevuePhysics in Medicine and Biology · 2005
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensOttawa Regional Cancer Foundation
Organismes subventionnairesnon disponible
Mots-clésMonte Carlo methodRadiation treatment planningComputer scienceMedical physicsSoftwareElectronNuclear medicinePhysicsSimulationMedicineRadiologyMathematicsRadiation therapyNuclear physicsStatistics

Résumé

récupéré en direct d'OpenAlex

In 2002 we fully implemented clinically a commercial Monte Carlo based treatment planning system for electron beams. The software, developed by MDS Nordion (presently Nucletron), is based on Kawrakow's VMC++ algorithm. The Monte Carlo module is integrated with our Theraplan Plustrade mark treatment planning system. An extensive commissioning process preceded clinical implementation of this software. Using a single virtual 'machine' for each electron beam energy, we can now calculate very accurately the dose distributions and the number of MU for any arbitrary field shape and SSD. This new treatment planning capability has significantly impacted our clinical practice. Since we are more confident of the actual dose delivered to a patient, we now calculate accurate three-dimensional (3D) dose distributions for a greater variety of techniques and anatomical sites than we have in the past. We use the Monte Carlo module to calculate dose for head and neck, breast, chest wall and abdominal treatments with electron beams applied either solo or in conjunction with photons. In some cases patient treatment decisions have been changed, as compared to how such patients would have been treated in the past. In this paper, we present the planning procedure and some clinical examples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,646
Score d'incertitude au seuil0,300

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,236
Tête enseignante GPT0,474
Écart entre enseignants0,238 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations45
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207