Poster — Wed Eve—47: IMRT Beam Angle Optimization Using a Hot‐Scripted Learning Algorithm for a Commercial Planning System
Notice bibliographique
Résumé
Traditionally, beam angle selection for intensity‐modulated radiation therapy (IMRT) plans has been left up to the experienced dosimetrist. However, the large number of potential angle orientations suggests that the human plan may not be ideal. A learning algorithm (a variation of a genetic algorithm) was written to select beam angles to produce plans with more desirable dose‐volume histograms (DVH). The algorithm is used in parallel with the commercial Pinnacle3 Radiation Therapy Planning System. Starting with a generation of randomly chosen beam angles, the algorithm uses Pinnacle's built‐in hot scripting to call on the P3 IMRT portion of the software to perform dose calculations on each individual. Each set of angles is then ranked using a dosimetric fitness function that uses the same constraints that are used during the IMRT calculations. A new generation of beam angles is then constructed using both biologically and non‐biologically relevant operators. Operator weights are also adjusted each generation based on the dosimetric fitness function as well. Once completed, the algorithm was tested on several IMRT prostate cases. In each case, the DVH for the algorithm‐selected plan fit the dose constraints better than the human‐designed IMRT plan. A major drawback was the long running time of the algorithm (up to 11 hours), which was constrained almost entirely by the speed of Pinnacle's IMRT calculations. The ideal use of the code would be for overnight applications, with the human planner then using the optimized beam angles to plan as normal. This research was supported by the Graduate Internship program of the MITACS Network of Centres of Excellence and the Local Investigator Research Fund of the Windsor Regional Cancer Centre.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,012 |
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 ».