MétaCan
Menu
← Retour à la cohorte
Enregistrement W2067927452 · doi:10.1118/1.4894986

Sci—Thur PM: Planning & Delivery — 06: Real‐Time Interactive Treatment Planning

2014· article· en· W2067927452 sur OpenAlexaff
Quinn Matthews, Ante Mestrovic, Karl F. Otto

Notice bibliographique

RevueMedical Physics · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésRadiation treatment planningNuclear medicineDosimetryHead and neckComputer scienceDose rateRadiation therapyMedicineMedical physicsRadiologySurgery

Résumé

récupéré en direct d'OpenAlex

Purpose: To describe and evaluate a novel system for generalized Real‐Time Interactive Planning (RTIP) applied to head & neck (H&N) VMAT. Methods: The clinician interactively manipulates dose distributions using DVHs, isodoses, or rate of dose fall‐off, which may be subjected to user‐defined constraints. Dose is calculated using a fast Achievable Dose Estimate (ADE) algorithm, which simulates the limits of what can be achieved during treatment. After each manipulation contributing fluence elements are modified and the dose distribution updates in effectively real‐time. For H&N VMAT planning, structure sets for 11 patients were imported into RTIP. Each dose distribution was interactively modified to minimize OAR dose while constraining target DVHs. The resulting RTIP DVHs were transferred to the Eclipse™ VMAT optimizer, and conventional VMAT optimization was performed. Results: Dose calculation and update times for the ADE algorithm ranged from 2.4 to 22.6 milliseconds, thus facilitating effectively real‐time manipulation of dose distributions. For each of the 11 H&N VMAT cases, the RTIP process took ∼2–10 minutes. All RTIP plans exhibited acceptable PTV coverage, mean dose, and max dose. 10 of 11 RTIP plans achieved substantially improved sparing of one or more OARs without compromising dose to targets or other OARs. Importantly, 10 of the 11 RTIP plans required only one or two post‐RTIP optimizations. Conclusions: RTIP is a novel system for manipulating and updating achievable dose distributions in real‐time. H&N VMAT plans generated using RTIP demonstrate improved OAR sparing and planning efficiency. Disclosures: One author has a commercial interest in the presented materials.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,167

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0500,019

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 Opus0,017
Tête enseignante GPT0,317
Écart entre enseignants0,301 · 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'étudeSans objet
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→