Poster — Thur Eve — 18: Differential Dose‐Volume Histogram Modeling Using the Gaussian Error Function
Notice bibliographique
Résumé
The Gaussian error function (GEF) was first used to model rectal differential dose‐volume histograms (dDVH) for prostate intensity modulated radiation therapy (IMRT) plans incorporated with the interfraction prostate motion. Seven‐beam IMRT treatment plans were created in three patients with small (40 cm3), medium (53 cm3) and large (87 cm3) prostate volume, selected from a group of 20 patients. The interfraction prostate motions were measured by comparing the digitally‐reconstructed radiographs (anterior and lateral views) from the original treatment plans to the corresponding daily electronic portal images in the treatment unit based on the implanted fiducial gold markers. The ranges of prostate motion were found to be 8 – 2 mm, 4 – 8 mm and 4 – 3 mm along the anterior‐posterior directions for the small, medium and large prostate patient, respectively. Rectal dDVH varying with the interfraction prostate motion were determined by the treatment planning system (TPS), and modeled by the GEF for the three patients. It was found that the rectal dDVH from the prostate plans modeled by the GEF agreed well with those calculated by the TPS. The successful modeling of dDVH results in a significant reduction of the dDVH database, because typically about 12 parameters of the GEF model can be used to substitute about 800 – 1000 dose‐volume bin set for each dDVH. This can greatly reduce the computer memory in the normal tissue complication probability calculation associated with a huge dDVH database.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
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 ».