Monte Carlo calculated kilovoltage x-ray arc therapy plans for three lung cancer patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Purpose : The intent of this work was to evaluate the ability of our 200 kV kilovoltage arc therapy (KVAT) system to treat realistic lung tumors without exceeding dose constraints to organs-at-risk (OAR). Methods and Materials : Monte Carlo (MC) methods and the McO optimization framework generated and inversely optimized KVAT treatment plans for 3 SABR lung cancer patients. The KVAT system was designed to treat deep-seated lesions with kilovoltage photons. KVAT delivers dose to roughly spherical PTVs and therefore non-spherical PTVs were divided into spherical sub-volumes. A prescription dose of 12 Gy/fx × 4 fractions was planned to 90% of the PTV volume. KVAT plans were compared to VMC++ calculated, 6 MV stereotactic ablative radiotherapy (SABR) treatment plans. Dose distributions, dose volume histograms, gradient index (GI), planned mean doses and plan treatment times were calculated. Dose constraints for organs-at-risk (OAR) were taken from RTOG 101. Results : All plans, with the exception of the rib dose calculated in one of the KVAT plans for a peripheral lesion, were within dose-constraints. In general, KVAT plans had higher planned doses to OARs. KVAT GI values were 5.7, 7.2 and 8.9 and SABR values were 4.6, 4.1, and 4.7 for patient 1, 2 and 3, respectively. KVAT plan treatment times were 49, 65 and 17 min for patients 1, 2 and 3, respectively. Conclusions : Inverse optimization and MC methods demonstrated the ability of KVAT to produce treatment plans without exceeding TG 101 dose constraints to OARs for 2 out of 3 investigated lung cancer patients.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle