Comprehensive target geometric errors and margin assessment in stereotactic partial breast irradiation
Notice bibliographique
Résumé
BACKGROUND: Recently developed stereotactic partial breast irradiation (S-PBI) allows delivery of a high biologically potent dose to the target while sparing adjacent critical organs and normal tissue. With S-PBI tumoricidal doses, accurate and precise dose delivery is critical to achieve high treatment quality. This study is to investigate both rigid and non-rigid components of target geometric error and their corresponding margins in S-PBI and identify correlated clinical factors. METHODS: Forty-three early-stage breast cancer patients with implanted gold fiducial markers were enrolled in the study. Fiducial positions recorded on the orthogonal kV images on a Cyberknife system during treatment were used to estimate intra-fraction errors and composite errors (including intra-fraction errors and residual errors after patient setup). Both rigid and non-rigid components of intra-fraction and composite errors were analyzed and used to estimate rigid and non-rigid margins, respectively. Univariate and multivariate linear regressions were conducted to evaluate correlations between clinical factors and errors. RESULTS: For the study group, the intra-fraction rigid and non-rigid errors are 2.0 ± 0.6 mm and 0.3 ± 0.2 mm, respectively. The composite rigid and non-rigid errors are 2.3 ± 0.5 mm and 1.3 ± 0.8 mm, respectively. The rigid margins in the left-right, anterior-posterior, and superior-inferior directions are estimated as 2.1, 2.4, and 2.3 mm, respectively. The estimated non-rigid margin, assumed to be isotropic, is 1.7 mm. The outer breast quadrants are more susceptible to composite errors occurrence than the inner breast quadrants. The target to chest wall distance is the clinical factor correlated with target geometric errors. CONCLUSIONS: This is the first comprehensive analysis of breast target geometric rigid and non-rigid errors in S-PBI. Upon the estimation, the non-rigid margin is comparable to rigid margin, and therefore should be included in planning target volume as it cannot be accounted for by the Cyberknife system. Treatment margins selection also need to consider the impact of relevant clinical factor.
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 | 0,000 | 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 ».