MétaCan
Menu
Retour à la cohorte
Enregistrement W2953578916 · doi:10.1002/mp.13700

Simultaneous optimization of mixed photon energy beams in volumetric modulated arc therapy

2019· article· en· W2953578916 sur OpenAlexaff
Shadab Momin, James L Gräfe, Κωνσταντίνος Γεωργίου, Rao Khan

Notice bibliographique

RevueMedical Physics · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesWashington University School of Medicine in St. Louis
Mots-clésPhotonArc (geometry)Energy (signal processing)PhysicsMedical imagingDosimetryOpticsMaterials scienceNuclear medicineMedicineMathematicsRadiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Despite the availability of multiple energy photon beams on clinical linear accelerators, volumetric modulated arc therapy (VMAT) optimization is currently limited to a single photon beam. The purpose of this work was to present a proof-of-principle study on an algorithm for simultaneous optimization of mixed photon beams for VMAT (MP - VMAT), utilizing an additional photon energy as an additional degree of freedom. METHODS: The MP - VMAT optimization algorithm is presented as a two-step heuristic approach. First, a convex linear programming problem is solved for simultaneous optimization of nonuniform dual energy intensity maps (DEIMs) for an angular resolution of 36 equi-spaced beam segments. Subsequently, for a given gantry speed schedule, the second step aims to best replicate each DEIM by dispersing MP - VMAT apertures along with their corresponding intensities over their respective beam segment. This constitutes a nonlinear problem, which is linearized using McCormick relaxation. The final large-scale mixed integer linear programming (MILP) dispersion model ensures a contiguous and smooth transition of multileaf collimators (MLCs) from one beam segment to the next. To demonstrate the proof-of-principle, we first compared the quality of dose volume histograms (DVHs) of MP - VMAT to the ones calculated from 36 DEIMs following the step 1 of MP - VMAT model. Additionally, the MLCs motion violations were evaluated for the complete 360° gantry rotation for gantry speeds ranging from 1 to 6° per second. The quality of MP - VMAT plans were also compared to conventional single energy VMAT plans via DVH, homogeneity index (HI), and conformity number (CN) for two prostate cases. RESULTS: The MP - VMAT model resulted in a successful convergence of DVHs relative to the ones from DEIMs with HI and CN of 0.05 and 0.9, respectively, for 1 and 2° per second gantry speed schedules. In replicating the DEIMs, the MILP dispersion model was able to achieve optimality for almost all segments at 1° per second and for majority of segments at 2° per second. Although, DVHs quality was slightly inferior for 3° per second gantry speed, the target conformity of 0.9 and heterogeneity of 0.08 were achievable even for the suboptimal solutions. No violations of the MLC constraints were observed throughout the complete 360 degree arc rotation for any gantry speed schedule, thereby confirming MILP dispersion model. For the two prostate cases, the results showed MP - VMAT's ability to achieve substantial dose reduction in rectum and bladder while yielding similar target coverage compared to single energy VMAT. Bladder volume was mostly spared in low-to-intermediate dose region. Rectal volume sparing (3 % to 12 %) was observed in the intermediate (from 25 to 50 Gy) dose region. CONCLUSION: We demonstrate the first formalism of a large-scale simultaneous optimization of mixed photon energy beams for VMAT. Dosimetric comparison of MP - VMAT to single energy VMAT demonstrated potential advantages of using mixed photon energy beams for prostate plans, thus providing an impetus for further testing on a large clinical cohort.

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)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,006
Tête enseignante GPT0,241
Écart entre enseignants0,235 · 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
GenreMéthodes

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

En bref

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207