MétaCan
Menu
← Retour à la cohorte
Enregistrement W2070581511 · doi:10.1118/1.4740170

Poster — Thur Eve — 62: Assessing the clinical application of the van Herk margin formula for lung radiotherapy

2012· article· en· W2070581511 sur OpenAlexaff
Gillian Ecclestone, Emily Heath, J‐P Bissonnette

Notice bibliographique

RevueMedical Physics · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversity of TorontoToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMargin (machine learning)Radiation therapyNuclear medicineMedicineMathematicsRadiologyComputer science

Résumé

récupéré en direct d'OpenAlex

According to a margin recipe developed by van Herk et al. the Planning Target Volume (PTV) margin to ensure the Clinical Target Volume is covered by at least 95% of the prescribed dose can be calculated by applying the following formula: . In the van Herk Margin formula (VHMF), Σ is the standard deviation (SD) of all systematic errors; σ is the SD of random errors and σp is the width of the penumbra. This formula is based on an idealized dose profile model that may not account for factors that vary significantly in lung radiotherapy such as tumour size and tissue density. The purpose of this study was to use accurate dose calculation algorithms and respiratory motion modeling to investigate the validity of the VHMF for lung radiotherapy. Random and systematic errors were simulated in treatment planning software using dose accumulation techniques for clinically relevant 3DCRT and IMRT treatment plans constructed on virtual phantoms. Phantom parameters such as target size, peak‐to‐peak motion amplitude and tissue density were varied to investigate their impact on the systematic and random error components of the margin formula. The VHMF was found to provide adequate dose coverage for all plans generated on different target sizes and motion amplitudes. Although discrepancies existed between idealized and realistic dose profiles in water and lung, the dose coverage defined by the V95 was not affected. The margin formula was found to be robust; however, further investigation of the influence of plan conformity is needed.

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)0,008
score de la tête « metaresearch » (Gemma)0,037
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,037
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 savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,020
Tête enseignante GPT0,382
Écart entre enseignants0,363 · 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
GenreAutre

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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

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