Sci‐Thur AM: YIS – 09: Treatment Time Optimization for Trajectory‐Based Deliveries
Notice bibliographique
Résumé
Introduction: Couch‐gantry trajectory based deliveries are capable of producing high quality Stereotactic Radiosurgery (SRS) treatments in a time efficient manner. In this work we present two methods for treatment time optimization of these deliveries. Methods: Dosimetrically optimal plans were calculated by optimizing MLC and dose rates along a trajectory which encapsulates 4π geometry. This trajectory was used to benchmark time optimization methods. Two methods of treatment time optimization were developed in this study. The first of which relies on a trajectory which samples phase space variably dependent on a selected sampling frequency. Treatment plans were created with decreased sampling frequencies until the treatment quality was deleteriously effected and the most time efficient delivery was selected. The second method uses a gradient descent algorithm to remove time inefficient sections of a trajectory and subsequently re‐optimizes the MLC and dose rates to form a new, time optimized trajectory. Results: Both methods were capable of producing treatment plans which were dose equivalent to the benchmark 4π geometry plan. The methods reduced treatment time of 12Gy fractions by 18% and 13% for the first and second method respectively. Both methods had a more pronounced time saving benefits for 2Gy fractions, for which delivery time was decreased by 53% and 34% for the first and second method respectively. Conclusion: The methods presented were capable of producing highly conformal SRS treatment plans. These treatments took an average time of 109 seconds for fractionated deliveries and 394 seconds as single fraction deliveries.
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 | 0,000 | 0,001 |
| 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) | 0,009 | 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 ».