Dose prescription with spatial uncertainty for peripheral lung <scp>SBRT</scp>
Notice bibliographique
Résumé
Abstract Current clinical practice is to prescribe to 95% of the planning target volume ( PTV ) in 4D stereotactic body radiotherapy ( SBRT ) for lung. Frequently the PTV margin has a very low physical density so that the internal target volume ( ITV ) receives an unnecessarily high dose. This study investigates the alternative of prescribing to the ITV while including the effects of positional uncertainties. Five patients were retrospectively studied with volumetric modulated arc therapy treatment plans. Five plans were produced for each patient: a static plan prescribed to PTV D 95% , three probabilistic plans prescribed to ITV D 95% and a static plan re‐prescribed to ITV D 95% after inverse planning. For the three probabilistic plans, the scatter kernel in the dose calculation was convolved with a spatial uncertainty distribution consisting of either a uniform distribution extending ±5 mm in the three orthogonal directions, a distribution consisting of delta functions at ±5 mm, or a Gaussian distribution with standard deviation 5 mm. Median ITV D 50% is 23% higher than the prescribed dose for static planning and only 10% higher than the prescribed dose for prescription to the ITV . The choice of uncertainty distribution has less than 2% effect on the median ITV dose. Re‐prescribing a static plan and evaluating with a probabilistic dose calculation results in a median ITV D 95% which is 1.5% higher than when planning probabilistically. This study shows that a robust probabilistic approach to planning SBRT lung treatments results in the ITV receiving a dose closer to the intended prescription. The exact form of the uncertainty distribution is not found to be critical.
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 | 0,001 |
| 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 ».