Poster — Thur Eve — 30: Comparison of treatment planning and delivery performance of VMAT versus IMRT
Notice bibliographique
Résumé
The purpose of this study was to determine whether VMAT (Varian RapidArc ™) treatment planning and delivery performance is in compliance with accepted quality assurance tolerances developed for sliding window IMRT. We present an analysis of data for over 1300 patients treated with VMAT and IMRT over a period of three years. Data was acquired on 6 dosimetrically matched linacs for sites including head and neck, brain, gynaecological, and a variety of other cancer cases treated with 6 MV. We have demonstrated that it is possible to dosimetrically match multiple Varian iX linacs with the millennium series MLC using a sliding gap and intercept test. QA is performed by Monte Carlo simulation and ion chamber measurement comparisons with Varian Eclipse TPS as well as linac log file analysis of MLC positions, gantry angles and monitor units on each patient. Point dose and 3D gamma analysis indicate that agreement between Eclipse and measurement or Monte Carlo calculation is site specific, with the dosimetric leaf gap parameter in Eclipse optimized for the most frequently treated site Point dose agreement within 2% and gamma pass rate of > 95% (3%/ 3 mm) is achievable for all sites for both IMRT and VMAT. Linac log file analysis indicates that planned MLC positions are achieved within 2 mm >99.7% of the time for both sliding window IMRT and VMAT. Planned gantry angles are achieved within 0.6 mm 99.8% of the time and planned MU's within 0.1 mm are achieved 99.8% of the time for VMAT.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».