The development of a 4D treatment planning methodology to simulate the tracking of central lung tumors in an <scp>MRI</scp>‐linac
Notice bibliographique
Résumé
PURPOSE: Targeting and tracking of central lung tumors may be feasible on the Elekta MRI-linac (MRL) due to the soft-tissue visualization capabilities of MRI. The purpose of this work is to develop a novel treatment planning methodology to simulate tracking of central lung tumors with the MRL and to quantify the benefits in OAR sparing compared with the ITV approach. METHODS: Full 4D-CT datasets for five central lung cancer patients were selected to simulate the condition of having 4D-pseudo-CTs derived from 4D-MRI data available on the MRL with real-time tracking capabilities. We used the MRL treatment planning system to generate two plans: (a) with a set of MLC-defined apertures around the target at each phase of the breathing ("4D-MRL" method); (b) with a fixed set of fields encompassing the maximum inhale and exhale of the breathing cycle ("ITV" method). For both plans, dose accumulation was performed onto a reference phase. To further study the potential benefits of a 4D-MRL method, the results were stratified by tumor motion amplitude, OAR-to-tumor proximity, and the relative OAR motion (ROM). RESULTS: With the 4D-MRL method, the reduction in mean doses was up to 3.0 Gy and 1.9 Gy for the heart and the lung. Moreover, the lung's V12.5 Gy was spared by a maximum of 300 cc. Maximum doses to serial organs were reduced by up to 6.1 Gy, 1.5 Gy, and 9.0 Gy for the esophagus, spinal cord, and the trachea, respectively. OAR dose reduction with our method depended on the tumor motion amplitude and the ROM. Some OARs with large ROMs and in close proximity to the tumor benefited from tracking despite small tumor amplitudes. CONCLUSIONS: We developed a novel 4D tracking methodology for the MRL for central lung tumors and quantified the potential dosimetric benefits compared with our current ITV approach.
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 | 0,003 | 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 | 0,001 | 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 ».