Evaluation of Elekta Agility multi‐leaf collimator performance using statistical process control tools
Notice bibliographique
Résumé
PURPOSE: To evaluate the performance and stability of Elekta Agility multi-leaf collimator (MLC) leaf positioning using a daily, automated quality control (QC) test based on megavoltage (MV) images in combination with statistical process control tools, and identify special causes of variations in performance. METHODS: Leaf positions were collected daily for 13 Elekta linear accelerators over 11-37 months using the automated QC test, which analyzes 23 MV images to determine the location of MLC leaves relative to radiation isocenter. Leaf positioning stability was assessed using individual and moving range control charts. Specification levels of ±0.5, ±1, and ±1.5 mm were tested to determine positional accuracy. The durations between out-of-control and out-of-specification events were determined. Peaks in out-of-control leaf positions were identified and correlated to servicing events recorded for the whole duration of data collection. RESULTS: Mean leaf position error was -0.01 mm (range -1.3-1.6). Data stayed within ±1 mm specification for 457 days on average (range 3-838) and within ±1.5 mm for the entire date range. Measurements stayed within ±0.5 mm for 1 day on average (range 0-17); however, our MLC leaves were not calibrated to this level of accuracy. Leaf position varied little over time, as confirmed by tight individual (mean ±0.19 mm, range 0.09-0.43) and moving range (mean 0.23 mm, range 0.10-0.53) control limits. Due to sporadic out-of-control events, the mean in-control duration was 2.8 days (range 1-28.5). A number of factors were found to contribute to leaf position errors and out-of-control behavior, including servicing events, beam spot motion, and image artifacts. CONCLUSIONS: The Elekta Agility MLC model was found to perform with high stability, as evidenced by the tight control limits. The in-specification durations support the current recommendation of monthly MLC QC tests with a ±1 mm tolerance. Future work is on-going to determine if performance can be optimized further using high-frequency QC test results to drive recalibration frequency.
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 | 0,008 | 0,001 |
| 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) | 0,001 | 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 ».