MétaCan
Menu
← Retour à la cohorte
Enregistrement W2027573113 · doi:10.1118/1.4734657

SU‐D‐211‐03: An Automated Inverse Planning Optimization Approach for Single‐ Fraction and Fractionated Radiosurgery Using Gamma Knife Perfexion

2012· article· en· W2027573113 sur OpenAlexaff
Kimia Ghobadi, Hamid R. Ghaffari, Dionne M. Aleman, Mark Ruschin, David A. Jaffray

Notice bibliographique

RevueMedical Physics · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRadiosurgeryNuclear medicineGamma knifeRadiation treatment planningMathematicsFraction (chemistry)MedicineRadiation therapyRadiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The purpose of this work is to develop an automated inverse planning approach to generate singe-fraction and fractionated stereotactic radiosurgery (SRS) treatment plans for Gamma Knife Perfexion. METHODS: Our automated approach consists of two steps: 1) a grassfire-based algorithm to carefully determine the isocentre locations; 2) a penalty-based optimization to find the optimal shot shapes and their intensities to minimize the deviation of the delivered dose from the objective dose in all structures. For single-fraction SRS, a margin-less approach was taken: conformity of dose to the gross tumor volume (GTV) with a steep dose fall-off was prioritized. For fractionated radiosurgery, dose homogeneity was given a higher priority since planning target volumes (PTV) were applied to account for daily setup variation, and these PTVs could overlap with organs-at-risk (OARs). The two-step approach was tested on seven clinical cases with PTV sizes of 0.5cm̂3-56.5cm̂3. In the tested cases, the PTV had 0%-38% overlap with OARs. RESULTS: For single-fraction SRS, the dose to 1mm̂3 brainstem was on average 0.24Gy (range: -2.4Gy to +2.0Gy) lower compared to manually-generated plans. Beam-on time varied with the number of isocentres, but on average was 33min longer than manually- generated plans. The optimization algorithm took 215min on average, while isocentre selection performed in <10s.For fractionated SRS, the average PTV coverage was V95=94.9% (range: 92.7%-97.6%) and the mean dose to 1 mm̂3 brainstem was 87.8% of the prescription dose (range: 35.4%- 108.8%). The mean beam-on time per fraction per dose-per-fraction was 4.8min/Gy (range: 0.9min/Gy-10.3min/Gy). We observed a tradeoff between conformity and OARs-sparing in both plans, and added sensitivity to isocentre locations in fractionated plans. In all the cases, GTV received the full prescription dose. CONCLUSIONS: The results indicated that automated inverse planning yields improved conformity and OAR-sparing for single- fraction SRS and is capable of generating homogeneous fractionated SRS. This work is partially funded by Elekta Instrument, AB, Stockholm, Sweden.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,038
Tête enseignante GPT0,325
Écart entre enseignants0,287 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetAdvanced Radiotherapy Techniques→Travaux en français237 207→