<scp>MLC</scp>‐based penumbra softener of <scp>EDW</scp> borders to reduce junction inhomogeneities
Notice bibliographique
Résumé
Junctions of fields are known to be susceptible to developing cold or hot spots in the presence of even small geometrical misalignments. Reduction of these dose inhomogeneities can be accomplished through decreasing the dose gradients in the penumbra, but currently it cannot be done for enhanced dynamic wedges (EDW). An MLC-based penumbra softener was developed in the developer mode of TrueBeam linacs to reduce dose gradients across the side border of EDWs. The movement of each leaf was individually synchronized with the movement of the dynamic Y jaw to soften the penumbra in the same manner along the entire field border, in spite of the presence of the dose gradient of the EDW. Junction homogeneity upon field misalignment for side-matched EDWs was examined with the MV imager. The fluence inhomogeneities were reduced from about 30% per mm of shift of the field borders for the conventional EDW to about 2% per mm for the softened-penumbra plan. The junction in a four-field monoisocentric breast plan delivered to the Rando phantom was assessed with film. The dose inhomogeneities across the junction in the superior-inferior direction were reduced from about 20% to 25% per mm for the conventional fields to about 5% per mm. The dose near the softened junction of the breast plan with no shifts did not deviate from the conventional plan by more than about 4%. The newly-developed softened-penumbra junction of EDW (and/or open) fields was shown to reduce sensitivity to misalignments without increasing complexity of the planning or delivery. This methodology needs to be adopted by the manufacturers for clinical use.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».