MétaCan
Menu
Retour à la cohorte
Enregistrement W2802315640 · doi:10.1002/mp.12946

Advanced Collapsed cone Engine dose calculations in tissue media for <scp>COMS</scp> eye plaques loaded with I‐125 seeds

2018· article· en· W2802315640 sur OpenAlexafffund
Hali Morrison, Geetha Menon, Matthew Larocque, Bob van Veelen, Yury Niatsetski, Ezekiel Weis, Ron S. Sloboda

Notice bibliographique

RevueMedical Physics · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueOcular Oncology and Treatments
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesAlberta Innovates - Health Solutions
Mots-clésImaging phantomBrachytherapyMonte Carlo methodCalibrationNuclear medicineRadiation treatment planningBiomedical engineeringMaterials scienceDosimetryComputer scienceMedicineMathematicsRadiologyRadiation therapyStatistics

Résumé

récupéré en direct d'OpenAlex

Purpose To investigate the dose calculation accuracy of the Advanced Collapsed cone Engine (ACE) algorithm for ocular brachytherapy using a COMS plaque loaded with I‐125 seeds for two heterogeneous patient tissue scenarios. Methods The Oncura model 6711 I‐125 seed and 16 mm COMS plaque were added to a research version (v4.6) of the Oncentra® Brachy (OcB) treatment planning system (TPS) for dose calculations using ACE. Treatment plans were created for two heterogeneous cases: (a) a voxelized eye phantom comprising realistic eye materials and densities and (b) a patient CT dataset with variable densities throughout the dataset. ACE dose calculations were performed using a high accuracy mode, high‐resolution calculation grid matching the imported CT datasets (0.5 × 0.5 × 0.5 mm3), and a user‐defined CT calibration curve. The accuracy of ACE was evaluated by replicating the plan geometries and comparing to Monte Carlo (MC) calculated doses obtained using MCNP6. The effects of the heterogeneous patient tissues on the dose distributions were also evaluated by performing the ACE and MCNP6 calculations for the same scenarios but setting all tissues and air to water. Results Average local percent dose differences between ACE and MC within contoured structures and at points of interest for both scenarios ranged from 1.2% to 20.9%, and along the plaque central axis (CAX) from 0.7% to 7.8%. The largest differences occurred in the plaque penumbra (up to 17%), and at contoured structure interfaces (up to 20%). Other regions in the eye agreed more closely, within the uncertainties of ACE dose calculations (~5%). Compared to that, dose differences between water‐based and fully heterogeneous tissue simulations were up to 27%. Conclusions Overall, ACE dosimetry agreed well with MC in the tumor volume and along the plaque CAX for the two heterogeneous tissue scenarios, indicating that ACE could potentially be used for clinical ocular brachytherapy dosimetry. In general, ACE data matched the fully heterogeneous MC data more closely than water‐based data, even in regions where the ACE accuracy was relatively low. However, depending on the plaque position, doses to critical structures near the plaque penumbra or at tissue interfaces were less accurate, indicating that improvements may be necessary. More extensive knowledge of eye tissue compositions is still required.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,311
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetOcular Oncology and TreatmentsTravaux en français237 207