SU‐GG‐T‐341: Initial Results of Real‐Time External Surface Motion and Dose Monitoring Study for Lung Patients
Notice bibliographique
Résumé
Purpose: To describe results from an ongoing clinical trial that aims to evaluate the potential of the RADPOS system, which combines a MOSFET dosimeter and electromagnetic positioning sensor, for applications in external beam treatments for lung cancer patients. Method and Materials: Measurements were done at the time of each patient's 4DCT and throughout the course of treatment. Each day, three RADPOS sensors were positioned at marked points on the patient's chest and abdomen while a fourth detector was placed on the CT or treatment couch for reference. Position coordinates of the sensors and dose information can be read in real‐time, but for these trials the total dose was read after each treatment fraction. Results: Measurements have been completed on ten patients during 7–14 fractions each. The standard deviation of the average dose measured at each point ranged from 3.0–13.7 cGy at CT zero and 2.5–11.1 cGy at the site of the tumour. Large differences were sometimes seen between data collected during the 4DCT and treatment fractions. Most patients settled into a more consistent breathing pattern as treatment progressed, with maximum interfraction variations in average amplitude and period between 0.9–3.5 mm and 0.2–1.8 s during treatment. A cross‐correlation analysis comparing the displacements measured simultaneously at the three locations found that correlation varied between patients, as no two detectors were consistently the most correlated. The magnitude of the correlation coefficients also varied greatly, ranging from ρ=0.13–0.24 for Patient G and from ρ=0.74–0.81 for Patient E. Conclusion: RADPOS system can provide real‐time feedback regarding motion due to breathing, coughing or other patient movement. Variations in breathing patterns are patient‐specific and should be monitored to ensure accurate positioning and treatment delivery. Acknowledgements: This project is supported by grants from HTX and ORCC Foundation. Financial and technical support from Best Medical Canada is also acknowledged.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».