MétaCan
Menu
Retour à la cohorte
Enregistrement W2984513024 · doi:10.1002/mp.13898

Beam modeling and beam model commissioning for Monte Carlo dose calculation‐based radiation therapy treatment planning: Report of AAPM Task Group 157

2019· article· en· W2984513024 sur OpenAlexaff
Chang Ming Charlie, Indrin J. Chetty, Jun Deng, Bruce Faddegon, Steve Jiang, Jinsheng Li, Jan Seuntjens, Jeffrey V. Siebers, Erik Tranéus

Notice bibliographique

RevueMedical Physics · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMonte Carlo methodRadiation treatment planningTask groupDosimetryMedical physicsBeam (structure)Computer scienceRadiation therapySimulationNuclear medicinePhysicsMedicineEngineeringMathematicsOpticsRadiology

Résumé

récupéré en direct d'OpenAlex

Dose calculation plays an important role in the accuracy of radiotherapy treatment planning and beam delivery. The Monte Carlo (MC) method is capable of achieving the highest accuracy in radiotherapy dose calculation and has been implemented in many commercial systems for radiotherapy treatment planning. The objective of this task group was to assist clinical physicists with the potentially complex task of acceptance testing and commissioning MC-based treatment planning systems (TPS) for photon and electron beam dose calculations. This report provides an overview on the general approach of clinical implementation and testing of MC-based TPS with a specific focus on models of clinical photon and electron beams. Different types of beam models are described including those that utilize MC simulation of the treatment head and those that rely on analytical methods and measurements. The trade-off between accuracy and efficiency in the various source-modeling approaches is discussed together with guidelines for acceptance testing of MC-based TPS from the clinical standpoint. Specific recommendations are given on methods and practical procedures to commission clinical beam models for MC-based TPS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,623
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,317
Écart entre enseignants0,293 · 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 tête enseignante, 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

Citations64
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207