Notice bibliographique
Résumé
Patient repositioning and organ motion lead to uncertainty in targeting the tumor in radiation therapy. This decreases the dose to the tumor and increases the dose to healthy tissues. Ultimately, tumor control is reduced and complications are increased. This work investigates the hypothesis that modeling geometric uncertainties can accurately estimate the dose distribution delivered when uncertainties are present. These modeling results provide a more accurate representation of the delivered dose distribution than present approaches. These uncertainties are conventionally addressed by adding a margin to the clinical target volume to define a planning target volume (PTV). Despite widespread use, some PTV implementation details have not been addressed. A mathematical model is developed to investigate these details and leads to recommendations for clinical implementation. However, limitations remain when using a PTV. A superior method of accounting for geometric uncertainties incorporates their effect into the dose calculation. This can be achieved by convolution of the planned dose distribution with a probability density function describing the uncertainty. Two assumptions in this model are that the dose distribution is shift invariant and that treatment extends over an infinite number of fractions. The errors resulting from each assumption are quantified. Assuming shift invariance leads to large errors near the patient surface. A “Corrected Convolution” method that reduces these errors was developed. Errors due to finite fractionation are large for very few fractions (hypofractionation), but are unlikely to impact treatment plan evaluation. The impact of geometric uncertainties for hypofractionated prostate cancer treatment is further explored. Hypofractionated treatments were simulated to quantify the impact of geometric uncertainties. The results suggest geometric uncertainties will not limit the clinical effectiveness of prostate hypofractionation. Convolution can assess the sensitivity of different techniques to geometric uncertainties. Simplified intensity modulated arc therapy plans were compared to conventional techniques. The magnitude of the change caused by geometric uncertainties varied by technique. Contrary to common assumptions, geometric uncertainties do not always result in a worse treatment than planned. In conclusion, existing methods to account for geometric uncertainties are limited. Modeling geometric uncertainties with convolution has the potential to improve clinical treatment decisions .
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».