MétaCan
Menu
Retour à la cohorte
Enregistrement W2971322501 · doi:10.1088/1742-6596/1305/1/012062

End to end QA in image guided and adaptive radiation therapy

2019· article· en· W2971322501 sur OpenAlexaff
L J Schreiner

Notice bibliographique

RevueJournal of Physics Conference Series · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensKingston Health Sciences CentreQueen's University
Organismes subventionnairesnon disponible
Mots-clésEnd-to-end principleRadiation therapyComputer scienceMedical physicsImage (mathematics)Image-guided radiation therapyComputer visionArtificial intelligenceMedicineRadiologyMedical imaging

Résumé

récupéré en direct d'OpenAlex

Abstract It has been suggested that modern radiation therapy could benefit from adopting the “End to End” (E2E) type of testing developed originally in computer science to determine whether applications and systems work as required under real-world scenarios. The motivation for adopting E2E techniques for image guided adaptive radiation therapy validation is to extend beyond current common testing using standard physics QA that inherently probes only select points or systems within the IGART schema. E2E methodologies extend the testing to evaluate complete IGART processes, including the complex interchanges that occur during and throughout a patient’s treatment as clinical staff interpret and respond to information acquired during the treatment course. While limited radiotherapy E2E QA may have been adopted periodically by clinics when implementing a new treatment technique, clinical E2E QA has been confined to date mainly to tests mediated by external auditing bodies such as IROC, the Imaging and Radiation Oncology Core in the United States. This testing often includes having the clinic in question irradiate a purpose-built phantom containing dosimeters to specific criteria under protocols set by the auditing body. The auditors then determine off site whether the clinic’s treatment process was successful by comparing the dose measurements with the intended dose delivery. The advance of three dimensional (3D) radiation dosimeters opens the possibility for in-house E2E testing. Approaches for in-house E2E testing have been proposed for over a decade, but such comprehensive internal E2E testing has not been widely adopted. In this presentation the barriers and challenges to the development of clinical in-house E2E QA will be reviewed primarily based on the experience in Kingston.

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)0,015
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,017
Tête enseignante GPT0,284
Écart entre enseignants0,268 · 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'étudeSans objet
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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207