MétaCan
Menu
← Retour à la cohorte
Enregistrement W2964113676 · doi:10.1088/1361-6560/ab35bc

A novel transport sweep architecture for efficient deterministic patient dose calculations in MRI-guided radiotherapy

2019· article· en· W2964113676 sur OpenAlexafffund
Ray Yang, D. M. Santos, B. G. Fallone, Joël St‐Aubin

Notice bibliographique

RevuePhysics in Medicine and Biology · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates - Health Solutions
Mots-clésComputational physicsSolverPhysicsRay tracing (physics)Computer scienceAlgorithmOpticsMathematical optimizationMathematics

Résumé

récupéré en direct d'OpenAlex

Accurate and efficient patient dose calculations are essential for treatment planning in magnetic resonance imaging guided radiotherapy (MRIgRT). Achieving reasonable performance for a space-angle discontinuous finite element method (DFEM) grid based Boltzmann solver (GBBS) with magnetic fields for clinical MRIgRT applications largely depends on how the transport sweep is orchestrated. Compared to classical Discrete Ordinates, DFEM in angle introduces increased angular degrees of freedom and eliminates ray-effect artifacts. However, the inclusion of magnetic fields introduces additional serial dependencies such that parallelization of the space-angle transport sweeps becomes more challenging. Novel techniques for the transport sweep and right-hand source assembly are developed, predicated on limiting the number of bulk material densities modeled in the transport sweep scatter calculations. Specifically, k-means clustering is used to assign sub-intervals of mass-density for each spatial element to execute the scatter-dose calculations using batched multiplication by pre-inverted transport sweep matrices. This is shown to be two orders of magnitude more efficient than solving each elemental system individually at runtime. Even with discrete material densities used in the transport sweep scatter calculations, accuracy is maintained by optimizing the material density assignments using k-means clustering, and by performing the primary photon fluence calculations (ray-tracing) using the underlying continuous density of the computed tomography (CT) image. In the presence of 0.5 T parallel and 1.5 T perpendicular magnetic fields, this approach demonstrates high levels of accuracy with gamma 1%/1 mm passing rates exceeding 94% across a range of anatomical sites compared to GEANT4 Monte Carlo dose calculations which used continuous densities. This deterministic GBBS approach maintains unconditional stability, produces no ray-effect artifacts, and has the benefit of no statistical uncertainty. Runtime on a non-parallelized Matlab implementation averaged 10 min per beam averaging 80 000 spatial elements, paving way for future development based on this algorithmically efficient paradigm.

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)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,065
Tête enseignante GPT0,374
Écart entre enseignants0,310 · 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

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and Biology→Même sujetAdvanced Radiotherapy Techniques→Travaux en français237 207→