MétaCan
Menu
Retour à la cohorte
Enregistrement W1998152480 · doi:10.1118/1.1617480

Automatic post‐implant needle reconstruction algorithm to characterize and improve implant robustness analyses

2003· article· en· W1998152480 sur OpenAlexaff
Louis Archambault, Luc Beaulieu, D. Tubic

Notice bibliographique

RevueMedical Physics · 2003
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversité LavalHôtel-Dieu de Québec
Organismes subventionnairesNational Cancer Institute
Mots-clésImplantAlgorithmComputer scienceRobustness (evolution)PentiumMedicineSurgery

Résumé

récupéré en direct d'OpenAlex

Post-implant analysis in permanent implant brachytherapy is an important process that provides a feedback on treatment quality. Random seed movements, edema, and needle related factors contribute to deteriorate dose coverage. For a complete study of these movements, it is important to reconstruct the post-implant seeds clusters but, up to now, this task was only possible via a long and difficult manual process. To facilitate post-implant analysis a simulated annealing algorithm was developed to perform automatic reconstructions. This process is fast (30-60 s on a 1.3 GHz pentium) and has a high level of success, even with up to 5% of seed loss. Tests on 21 clinical cases show that the algorithm yields exactly the same results as manual reconstructions. A realistic simulation tool was used to generate 58 synthetic post-implant data, in which cases the exact configuration was known. Even if some errors were found, pertinent information was extracted. For medium seed density [corresponding to seeds of 0.6 mCi (0.762 U)], 97% of seeds are matched with their correct needle and 89% are matched with their correct planned position. This method provides pertinent information that can be used to understand inhomogenous dose coverage in specific prostate quadrants; to make realistic post-implant simulations or to identify seeds belonging to a needle loaded with different seed types or activity.

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)0,004
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,289
Écart entre enseignants0,274 · 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

Citations12
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207