Poster — Thur Eve — 51: Three‐dimensional in‐vivo EPID dosimetry of IMRT and VMAT treatments
Notice bibliographique
Résumé
As radiation treatment delivery becomes more complex, including dynamic IMRT and VMAT, the argument for routine patient dose verification becomes more compelling. This work demonstrates a technique that utilizes our pre-existing portal dose image prediction algorithm to compute 3D patient dose from recorded on-treatment portal images. This approach can be applied on CT simulation data or daily cone-beam CT data sets. Here we demonstrate the robustness of our dose reconstruction technique with phantom and patient examples, with delivery schemes including IMRT and VMAT. For an example prostate treatment site, 3D dose distributions reconstructed in the patient model are computed for each fraction, and DVHs presented. Results indicate that the patient dose reconstruction algorithm compares well with treatment planning system computed doses for controlled test situations. For patient examples the 3D chi comparison values (similar to the gamma comparison) ranged from 94.5% to 100% agreement for voxels > 10% maximum dose for all treatments and phantom cases. We show an example where the DVH for fraction nine of a prostate treatment fails acceptability criteria, due to a previously unnoticed positioning error. Future work involves building our patient dose reconstruction into a QA package, subsequently integrating it into a clinical workflow. We are also investigating the use of this tool as a backbone for an in-house adaptive radiotherapy implementation. This work is supported 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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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.
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 ».