Robust radiobiological optimization of ion beam therapy utilizing Monte Carlo and microdosimetric kinetic model
Notice bibliographique
Résumé
To develop a Monte Carlo (MC)-based and robust ion beam therapy optimization system that separates the optimization algorithm from the relative biological effectiveness (RBE) modeling. Robustly optimized dose distributions were calculated and compared across three ion therapy beams (proton, helium, carbon). The effect of different averaging techniques in calculating RBE in mixed beams was also investigated. Ion particles were transported in TOPAS MC. The microdosimetric-kinetic model (MKM) parameter, saturation corrected specific energy ([Formula: see text]), was calculated with a customized MKM implementation in TOPAS MC. Intensity modulated ion therapy robust optimization was performed by a quasi-Newton iterative method based on dose-volume objective function. The robust optimization took setup and range uncertainties into account. In the present work, the biological dose for each individual spot was calculated, and then summed together to calculate total biological dose. In other published works, radiosensitive parameters, such as [Formula: see text], were first averaged over all beam spots within a mixed-beam field, after which biological dose was calculated using the averaged radiosensitive parameters. The difference between the two mixed-beam biological dose calculations was quantified. Robust plans were achieved with the three particle types. The effect of averaging [Formula: see text] depended on particle type. The difference between biological doses calculated with individual [Formula: see text] and averaged [Formula: see text] may be greater than 3% for a carbon beam. MC based radiobiological and robust optimization was made flexible to incorporate dose-volume histogram constraints and to be independent of RBE models. Iterative optimization with RBE models was feasible. Evaluation of the RBE calculation for mixed beam could be necessary if better accuracy was demanded.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».