MétaCan
Menu
Retour à la cohorte
Enregistrement W3013333438 · doi:10.1002/mp.14155

Simultaneous trajectory generation and volumetric modulated arc therapy optimization

2020· article· en· W3013333438 sur OpenAlexafffund
Joel Mullins, Marc‐André Renaud, Monica Serban, Jan Seuntjens

Notice bibliographique

RevueMedical Physics · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensMcGill University Health CentrePolytechnique MontréalMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésTrajectory optimizationTrajectoryMathematical optimizationComputer scienceOptimization problemColumn generationAlgorithmMathematicsOptimal controlPhysics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Trajectory-based treatment planning involves the combination of a gantry-couch trajectory with volumetric modulated arc therapy (VMAT) treatment plan optimization. This work presents the implementation of an optimization methodology that generates a trajectory simultaneous with treatment plan optimization (simTr-VMAT). METHODS: The optimization algorithm is based on the column generation approach, in which a treatment plan is iteratively constructed through the solution of a subproblem called the "pricing problem." The property of the pricing problem to rank candidate apertures based on their associated price is leveraged to select an optimal aperture while simultaneously determining the trajectory path. A progressively increasing gantry-couch grid resolution is used to provide an initial coarse sampling of the angular solution space while maintaining fine control point spacing with the final treatment plan. The trajectory optimization was applied and compared to coplanar VMAT treatment plans for a lung patient, a glioblastoma patient, and a prostate patient. Algorithm validation was performed through the generation of 5000 random trajectories and optimization using column generation VMAT for each patient case, representing the solution space for the trajectory optimization problem. The simTr-VMAT trajectories were compared against these random trajectories based on a quality metric that prefers trajectories with few control points and low objective function value over long, inefficient trajectories. RESULTS: For the lung patient, the simTr-VMAT plan resulted in a decrease of the mean dose of 1.5 and 1.0 Gy to the heart and ipsilateral lung, respectively. For the glioblastoma patient, the simTr-VMAT plan resulted in improved planning target volume coverage with a decrease in mean dose to the eyes, lens, nose, and contralateral temporal lobe between 2 and 7 Gy. The prostate patient showed no clinically relevant dosimetric improvement. The simTr-VMAT treatment plans ranked at the 99.6, 96.3, and 99.4 percentiles compared to the distribution of randomly generated trajectories for the lung, glioblastoma, and prostate patients, respectively. CONCLUSION: The simTr-VMAT optimization methodology resulted in treatment plans with equivalent or improved dosimetric outcomes compared to coplanar VMAT treatment plans, with the trajectories resulting from the optimization ranking among the optimal trajectories for each patient case.

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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,259
Écart entre enseignants0,242 · 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

Citations14
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207