MétaCan
Menu
← Retour à la cohorte
Enregistrement W2087118553 · doi:10.1118/1.3181625

SU-FF-T-151: Perfusion-Based Plan Optimization for Lung Cancer Using An Anatomy-Based Aperture Inverse Planning System

2009· article· en· W2087118553 sur OpenAlexaff
Jason St‐Hilaire, F Beaulieu, Anne Dagnault, Daniel Tremblay, Luc Beaulieu

Notice bibliographique

RevueMedical Physics · 2009
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensCentre hospitalier universitaire de Québec
Organismes subventionnairesnon disponible
Mots-clésVoxelNuclear medicineLung cancerAperture (computer memory)MedicinePerfusionRadiation treatment planningLungDosimetrySegmentationImage registrationLung volumesComputer scienceRadiologyRadiation therapyArtificial intelligencePhysicsPathologyImage (mathematics)Internal medicine

Résumé

récupéré en direct d'OpenAlex

Purpose: To implement SPECT-based plan optimization in an anatomy-based aperture inverse planning system (IPS) for the avoidance of functional pulmonary regions for cases of lung cancer. Method and Materials: The IPS allows simultaneous optimization of beam orientations and weights from apertures defined by an anatomy-based segmentation. SPECT perfusion information has been integrated in the dose-volume-based cost function of the inverse planning system through a voxel-by-voxel linear spatial modulation of the importance factors (IFs) according to local perfusion score. For two cases of lung cancer, plans have been generated by the IPS using four non-coplanar incidences (gantry and couch angles optimized) using a purely anatomical approach and the SPECT-based approach. Planning target volume (PTV) coverage and lung avoidance (both volumetric and functional) have been compared. Results: Maximum dose to PTV is usually increased when increasing importance of functional lung regions in the optimization, creating boost regions. For the first case, the functional volume of lung receiving 20 Gy (F20) decreases from 28.4% to 22.0% while the mean lung perfused dose (MpLD) decreases from 16.5 Gy to 13.7 Gy. For the second case, the F20 does not vary (26.5%) and the MpLD decreases from 17.4 Gy to 16.6 Gy. All plans produced are simpler than typical IMRT plans, with few segments (5 or 10) and few monitor units (range 285–375) used. Conclusions: The system allows generation of simple aperture-based IMRT plans with the addition of functional lung sparing when considering SPECT-based information. However, the extent of the benefit is patient-dependant and varies according to the perfusion pattern and proximity of other critical structures to the PTV. Boost regions created by the redistribution of dose might prove useful in the context of dose escalation in lung irradiation.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,322
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
GenreEmpirique

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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

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