Translucent poly(vinyl alcohol) cryogel dosimeters for simultaneous dose buildup and monitoring during chest wall radiation therapy
Notice bibliographique
Résumé
Chest wall radiation therapy treatment delivery was monitored using a 5 mm thick radiochromic poly(vinyl alcohol) cryogel that also provided buildup material. The cryogels were used to detect positioning errors and measure the impact of shifts for a chest wall treatment that was delivered to a RANDO phantom. The phantom was shifted by ± 2, ± 3, and ± 5 mm from the planned position in the anterior/posterior (A/P) direction; these shifts represent setup errors and the uncertainty associated with lung filling during breath-hold. The two-dimensional absolute dose distributions measured in the cryogel at the planned position were compared with the distributions at all shifts from this position using gamma analysis (3%/3 mm, 10% threshold). For shifts of ± 2, ± 3, and ± 5 mm the passing rates ranged from 94.3% to 95.6%, 74.0% to 78.8%, and 17.5% to 22.5%, respectively. These results are consistent with the same gamma analysis performed on dose planes calculated in the middle of the cryogel and on the phantom surface using our treatment plan-ning system, which ranged from 94.3% to 95.0%, 76.8% to 77.9%, and 23.5% to 24.3%, respectively. The Pinnacle dose planes were then scaled empirically and compared to the cryogel measurements. Using the same gamma metric, the pass rates ranged from 97.0% to 98.4%. The results of this study suggest that cryogels may be used as both a buildup material and to evaluate errors in chest wall treat-ment positioning during deep-inspiration breath-hold delivery. The cryogels are sensitive to A/P chest wall shifts of less than 3 mm, which potentially allows for the detection of clinically relevant errors.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».