MétaCan
Menu
Retour à la cohorte
Enregistrement W2135376704 · doi:10.1088/0031-9155/59/17/4845

Real-time interactive treatment planning

2014· article· en· W2135376704 sur OpenAlexaff
Karl F. Otto

Notice bibliographique

RevuePhysics in Medicine and Biology · 2014
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRadiation treatment planningComputer scienceOverhead (engineering)GraphicsProcess (computing)SoftwareSimulationComputer graphics (images)Radiation therapyMedicine

Résumé

récupéré en direct d'OpenAlex

The goal of this work is to develop an interactive treatment planning platform that permits real-time manipulation of dose distributions including DVHs and other dose metrics. The hypothesis underlying the approach proposed here is that the process of evaluating potential dose distribution options and deciding on the best clinical trade-offs may be separated from the derivation of the actual delivery parameters used for the patient's treatment. For this purpose a novel algorithm for deriving an Achievable Dose Estimate (ADE) was developed. The ADE algorithm is computationally efficient so as to update dose distributions in effectively real-time while accurately incorporating the limits of what can be achieved in practice. The resulting system is a software environment for interactive real-time manipulation of dose that permits the clinician to rapidly develop a fully customized 3D dose distribution. Graphical navigation of dose distributions is achieved by a sophisticated method of identifying contributing fluence elements, modifying those elements and re-computing the entire dose distribution. 3D dose distributions are calculated in ~2-20 ms. Including graphics processing overhead, clinicians may visually interact with the dose distribution (e.g. 'drag' a DVH) and display updates of the dose distribution at a rate of more than 20 times per second. Preliminary testing on various sites shows that interactive planning may be completed in ~1-5 min, depending on the complexity of the case (number of targets and OARs). Final DVHs are derived through a separate plan optimization step using a conventional VMAT planning system and were shown to be achievable within 2% and 4% in high and low dose regions respectively. With real-time interactive planning trade-offs between Target(s) and OARs may be evaluated efficiently providing a better understanding of the dosimetric options available to each patient in static or adaptive RT.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,004

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 Opus0,076
Tête enseignante GPT0,412
Écart entre enseignants0,335 · 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'étudeSans objet
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

Citations20
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207