MétaCan
Menu
← Retour à la cohorte
Enregistrement W2057068295 · doi:10.1118/1.4889061

SU‐F‐BRD‐07: Empirical Derivation of Site‐Specific Margin Formulas

2014· article· en· W2057068295 sur OpenAlexaff
Leigh Conroy, Sarah Quirk, W. Smith

Notice bibliographique

RevueMedical Physics · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMargin (machine learning)DosimetryMathematicsPopulationGaussianStandard deviationStatisticsRadiation therapyAlgorithmNuclear medicineComputer sciencePhysicsMedicineSurgery

Résumé

récupéré en direct d'OpenAlex

Purpose: To empirically derive margin formulas from existing clinical radiotherapy plans accounting for respiratory motion and setup uncertainties. Methods: We simulated realistic treatment scenarios, including respiratory motion and setup errors. Individual probability density functions (PDF) from respiratory data were used to simulate respiratory motion. Random (σ) and systematic (Σ) setup errors were modeled as Gaussian distributions. One‐dimensional dose profiles were extracted from existing radiotherapy plans and convolved with respiratory PDFs and random error distributions to produce blurred dose profiles. Each blurred dose profile was then shifted 1000 times by randomly sampling the simulated systematic error distribution. Margins were determined from the distance between the simulated treatment and the original 95% isodose level. An equation was fit for each (σ, Σ) combination to derive margin formulas for 90% of the population receiving 95% dose. This methodology can be applied to different tumor sites. Here, dose profiles were extracted from partial breast 3DCRT plans in the anterior‐posterior (AP) and superior‐inferior (SI) directions. Respiratory motion data was from healthy volunteers, and a clinically relevant range of random and systematic setup errors (standard deviations 1 – 4 mm) was determined from the literature. Results: The PBI margin formulas in the AP and SI directions for 95% dose coverage for 90% of the population were very similar: M= 0.68σ + 1.54Σ and M= 0.72σ + 1.50Σ, respectively. Systematic setup errors had the largest influence on required margin size, whereas realistic respiratory amplitude had minimal impact. The derived formulas resulted in a smaller systematic component than commonly‐used theoretical margin recipes. Conclusion: We have demonstrated a method to derive empirical margin formulas from existing patient radiotherapy plans, incorporating realistic respiratory motion and appropriate ranges of random and systematic error. Site‐specific margin formulas may be better suited to patient populations than theoretically derived, ideal geometry general margin formulas.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,016
Tête enseignante GPT0,299
Écart entre enseignants0,283 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

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