Intra‐arc binary collimation algorithm for the optimization of stereotactic radiotherapy treatment of multiple metastases with multiple prescriptions
Notice bibliographique
Résumé
PURPOSE: To design and implement a novel treatment planning algorithm based on a modification of dynamic conformal arc (DCA) therapy for the treatment of multiple cranial metastases with variable prescription doses. METHODS: A workflow was developed in which separate dose matrices were calculated for each target at each control point (i.e., the multileaf collimator (MLC) was fit conformally to that single target). A cost function was used to quantify the relative contributions of each dose matrix in the plan to the overall plan objectives. Simulated annealing was used to allow for the inclusion or exclusion of individual dose matrices at each control point. The exclusion of individual targets at a given control point is termed intra-arc binary collimation (iABC) in this work and is accomplished by closing the MLCs over the target for a duration specified by simulated annealing optimization. Dynamic collimator motions were employed to minimize the variation between the idealized dose matrices (i.e., perfectly collimated targets) and actual dose matrices (i.e., MLC apertures that include quantities of nontarget tissue due to the relative orientations of targets in the field). An additional simulated annealing optimization was performed to weight the relative contributions of dose at each control point [referred to as the monitor unit distribution (MUD)] to improve compliance with plan objectives. The algorithm was tested on seven previously treated multiple metastases patients and plans were compared to the clinically treated VMAT plans. RESULTS: Treatment plans generated with iABC used an average of 2716 (34%) fewer MU in the total plan than VMAT (P = 0.01). All normal tissue metrics for all plans and all patients were clinically acceptable. There were no statistically significant differences in any normal tissue dose metrics. Normalized prescription target coverage accuracy for all targets was 3% better on average for VMAT plans when compared to iABC (P = 0.07), and 14% better on average for iABC when compared to optimized DCA (P = 0.03). CONCLUSION: A novel method of aperture and dose distribution design has been developed to significantly increase the MU efficiency of single isocenter treatment of multiple metastases with variable prescription doses when compared to VMAT, and which improves target coverage accuracy significantly when compared to optimized DCA. By applying a DCA approach to subsets of targets across control points, a hybrid method of treatment delivery has been developed that combines the efficiency of dynamic conformal treatments and the dosimetric flexibility of VMAT.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».