Sci‐AM2 Sat ‐ 02: Energy optimization for inverse planning
Notice bibliographique
Résumé
Purpose: To simultaneously optimize the photon beam energy, orientations(gantry, table), wedge filters and beam weights in aperture‐based IMRT, a new inverse planning system has been developed. This system, Ballista, uses anatomy‐based MLC fields as aperture. It is an alternative for beamlet‐based IMRT. The aim of this study is to include the photon energy in the optimization process. Method and Materials: Ballista uses a fast simulated annealing algorithm to select the optimal configuration of beams with respect to the objectives specified by the planner. To include the energy as a free parameter in the existing overall optimization system, this variable is interpreted by the algorithm as an angle. That is, each eligible energy is assigned to a circular section of the space of all possible solutions. In addition to varying the energy of the individual beams, an option was added to the process which allows associating a combination of energies to various segments of a single field. Results: The effectiveness of energy optimization has been tested on several sites. The lung cancer has provided good results. The value of V20(29.6%vs.35%) is reduced as well as the mean dose to the heart(14.5%vs.21.5%). Also, a better tumor coverage (V95%=97.8%vs.96.6% and IH=1.07vs.1.10) is obtained in the case of a non‐coplanar plan realized with this new approach in comparison with a standard plan (23MV only). Conclusion: The inclusion of energy gives the optimization process an additional advantage over standard planning, and better close the gap between the optimized approach and the clinical treatment methods.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,004 |
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 ».