SU‐C‐BRC‐04: Avoidance of Perfused Lung by Optimization of Functional Mean Dose in Direct Machine Parameter Optimization
Notice bibliographique
Résumé
Purpose: To implement and evaluate a functional mean dose‐based objective in a well‐established IMRT system, using lung perfusion images and direct machine parameter optimization (DMPO). Methods: Nineteen patients underwent SPECT perfusion imaging prior to treatment. In this retrospective study, plans were generated using Pinnacleˈ DMPO (Philips Healthcare, Andover, MA) with the aim of minimizing either the mean lung dose (MLD) or the lung functional mean dose (FMD). A seven equidistant beam configuration was used in all plans. Two levels of dose were prescribed: 50 Gy to the PTV1 (clinical target volume with margins) and 66 Gy to the PTV2 (gross tumor volume with margins). The MLD or FMD objective was decreased by steps of 1 Gy until dose to target volumes or organs at risk was deemed unacceptable. Plans were compared in terms of dose‐volume and dose‐function parameters. Statistical significance was assessed with a Wilcoxon matched pairs test. Results: While keeping PTV coverage similar (volumes receiving 93% of the prescribed dose were all over 98%), differences in MLD between both types of plans for a given patient ranged from –1.0 to +1.5 Gy (p = 0.2050), while FMD decreased significantly with a range of –2.1 to 0.0 Gy (p = 0.0003). The net improvement (FMD difference − MLD difference) ranged between −2.2 and 0.0 Gy. Dose to other organs at risk were similar and below widely‐ accepted tolerances. Conclusions: The use of SPECT perfusion images in conjunction with DMPO allowed a significant decrease of FMD while keeping dose to other structures at an acceptable level. Functionality‐aware dose redistribution could prove useful for dose escalation to improve tumor control with similar or lower lung complication probabilities. The approach can also be easily ported to arc therapy treatment planning using SmartArc. This work is supported by the Natural Sciences and Engineering Research Council of Canada and by a research agreement with Philips Healthcare.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».