Magnetic field dose effects on different radiation beam geometries for hypofractionated partial breast irradiation
Notice bibliographique
Résumé
PURPOSE: Hypofractionated partial breast irradiation (HPBI) involves treatment to the breast tumor using high doses per fraction. Recent advances in MRI-Linac solutions have potential in being applied to HPBI due to gains in the soft tissue contrast of MRI; however, there are potentially deleterious effects of the magnetic field on the dose distribution. The purpose of this work is to determine the effects of the magnetic field on the dose distribution for HPBI tumors using a tangential beam arrangement (TAN), 5-beam intensity-modulated radiation therapy (IMRT), and volumetric modulated arc therapy (VMAT). METHODS: Five patients who have received HPBI were selected with two patients having bilateral disease resulting in a total of two tumors in this study. Six planning configurations were created using a treatment planning system capable of modeling magnetic field dose effects: TAN, IMRT and VMAT beam geometries, each of these optimized with and without a transverse magnetic field of 1.5 T. RESULTS: The heart and lung doses were not statistically significant when comparing plan configurations. The magnetic field had a demonstrated effect on skin dose: for VMAT plans, the skin (defined to a depth of 3 mm) D1cc was elevated by +11% and the V30 by +146%; for IMRT plans, the skin D1cc was increased by +18% and the V30 by +149%. Increasing the number of beam angles (e.g., going from IMRT to VMAT) with the magnetic field on reduced the skin dose. CONCLUSION: The impact of a magnetic field on HPBI dose distributions was analyzed. The heart and lung doses had clinically negligible effects caused by the magnetic field. The magnetic field increases the skin dose; however, this can be mitigated by increasing the number of beam angles.
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 | 0,001 |
| 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 ».