Emerging technologies in stereotactic body radiotherapy
Notice bibliographique
Résumé
Stereotactic body radiation therapy (SBRT) stems from the initial developments of intra-cranial stereotactic radiosurgery (SRS). Despite similarity in their names and clinical goals of delivering a sufficiently high tumoricidal dose, maximal sparing of the surrounding normal tissues and a short treatment course, SBRT technologies have transformed from the early days of body frame-based treatments with X-ray verification to primarily image-guided procedures with cone-beam CT or stereoscopic X-ray systems and non-rigid body immo-bilization. As a result of the incorporation of image-guidance systems and multi-leaf col-limators into mainstream linac systems, and treatment planning systems that have also evolved to allow for routine dose calculations to permit intensity modulated radiotherapy and volumetric modulated arc therapy (VMAT), SBRT has disseminated rapidly in the community to manage many disease sites that include oligometastases, spine lesions, lung, prostate, liver, renal cell, pelvic tumors, and head and neck tumors etc. In this article, we review the physical principles and paradigms that led to the widespread adoption of SBRT practice as well as technical caveats specific to individual SBRT technologies. From the perspective of treatment delivery, we categorically described (I) C-arm linac-based SBRT technologies; (II) robotically manipulated X-band CyberKnife® technology; and (III) emerging specialized systems for SBRT that include integrated MRI-linear accelerators and the imaged-guided Gamma Knife Perfexion Icon system with expanded multi-isocenter treatments of skull-based tumors, head-and-neck and cervical-spine lesions.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 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 | 0,001 | 0,002 |
| 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 ».