Evaluation of image‐guidance strategies with helical tomotherapy for localised prostate cancer
Notice bibliographique
Résumé
INTRODUCTION: Set-up accuracy of different image-guidance (IG) protocols using reduced imaging frequency was compared with daily IG. Anatomical characteristics were investigated for their potential to help select the suitable IG protocols for individual patients. METHODS: Set-up corrections from 26 prostate cancer patients treated with daily IG on helical tomotherapy were used to simulate IG protocols with reduced imaging frequency, where average set-up corrections from a subset of initial IG sessions were used for subsequent fractions with no IG. Residual set-up error, the difference between the average set-up correction and the actual correction required, was used to evaluate the accuracy of each protocol. Adaptive treatment margins required to encompass these errors were calculated. Body mass index and daily bladder and rectum cross-sectional areas (CSAs) were measured, and their correlations with set-up corrections were evaluated. We also investigated the use of reduced imaging schedules to estimate changes in bladder and rectum CSAs. RESULTS: As expected, residual set-up errors and adaptive treatment margins were effectively reduced with frequent imaging. For the majority of patients (81%), 10 IG sessions were sufficient to reduce residual set-up errors to within the adaptive treatment margins. Daily IG was more suitable than using a reduced IG protocol for a minority of patients (19%) with residual set-up errors that consistently exceeded the margins for >10% of fractions. These patients could be identified with 10 imaging sessions via the analysis of anatomical variations. CONCLUSIONS: The accuracy of modified IG protocols should be validated in the context of institutional practice regarding patient set-up and bowel/bladder preparation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».