MétaCan
Menu
← Retour à la cohorte
Enregistrement W2080763973 · doi:10.1118/1.2241441

MO‐D‐224A‐06: Fast Monte Carlo‐Based Computation of ASi‐EPID Dose Images for IMRT Treatment Field Through Phantom

2006· article· en· W2080763973 sur OpenAlexaff
W Li, Jeffrey V. Siebers, I. Kawrakow

Notice bibliographique

RevueMedical Physics · 2006
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésImaging phantomMonte Carlo methodImage-guided radiation therapyDosimetryVoxelKernel (algebra)Medical imagingNuclear medicinePhysicsComputer scienceAlgorithmMathematicsArtificial intelligenceOpticsMedicineStatistics

Résumé

récupéré en direct d'OpenAlex

Purpose: During‐treatment IMRT dosimetric verification can be accomplished with exit dose portal dosimetry; however, differential beam hardening and patient scatter radiation results in inaccuracies in invariant kernel‐based calculation methods. The purpose of this study is to develop an accurate, yet efficient Monte‐Carlo (MC) based algorithm to predict during treatment dosimetric aSi‐EPID images to compare with measured images for plan delivery quality assurance. Method and Materials: To compute EPID images, the VMC++ MC algorithm is used to transport particles through the patient geometry. Particles exiting the patient are scored into 19 energy‐differential fluence‐matrices at the EPID surface. Computed EPID images are generated by summing the contributions of each fluence‐matrix convolved with MC generated mono‐energetic energy deposition kernels. Kernel‐based method validation was performed for open, MLC‐blocked, intensity test‐pattern and a prostate‐IMRT field with and without a 20 cm thick phantom by comparing with full MC computation of EPID images. Additionally, the prostate‐IMRT plan was computed through a pelvic phantom. A cone‐beam CT of the pelvic phantom was used for dose computation particle transport. Comparison metrics include image profiles and gamma‐metric evaluation. Results: For the test fields, kernel‐based methods had >95% of voxels with γ<1 for 1 %, 1mm criteria and >99.1% with a 2%, 2mm criteria with respect to the MC‐calculated fields. For the pelvic phantom, 92.6% of pixels had γ<1 for 1%, 1mm criteria. The systematic discrepancy(∼0.5%) is well below the statistical uncertainty(∼3%). Conclusion: The kernel‐based convolution method is comparable in accuracy with full MC while requiring substantially less computation time than a full MC EPID simulation. Image computation time is independent of MC statistical precision and adds <1min to the MC simulation time. Comparison of measured images with MC‐computed portal images may be a practical method to perform during‐treatment dose validation. Conflict of Interest: Supported in‐part by Varian Medical Systems.

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)0,002
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 enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
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)0,0120,003

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 Opus0,013
Tête enseignante GPT0,318
Écart entre enseignants0,305 · 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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

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