Constrained optimization towards marker-based tumor tracking in VMAT
Notice bibliographique
Résumé
Abstract This study proposes that incorporating marker-based visibility constraints into the optimization of volumetric modulated arc therapy (VMAT) will generate treatment plans which not only ensure a higher chance of successfully applying real-time tumor tracking techniques, but also simultaneously satisfy dosimetric objectives. This was applied clinically and investigated for multiple disease sites (10 prostate, 5 liver, and 5 lung) using a radiotherapy optimization software ( MonArc ), where these new constraints were added to conventional dosimetric constraints. For all the investigated sites, three fiducial markers were located inside or around the planning target volume (PTV), and VMAT plans were created for each patient. We modified MonArc to analyze the multi-leaf collimator (MLC) beam’s-eye-view at all control points in the gantry arc, while including marker-based visibility constraints of type ‘hard’ (i.e. requiring 100% visibility of all markers, HC) and ‘soft’ (i.e. penalizes visibility for one marker [SC I ] or two markers [SC II ] only) in the optimization process. Dose distributions resulting from the constrained plans (HC, SC I , and SC II ) were compared to the non-constrained plan (NC—plans optimized without visibility constraints) using several quantitative dose metrics including the conformity index, homogeneity index, doses to PTV and to organs-at-risk (OAR). Generally, the NC plan produced the best PTV dose conformity and the least OAR doses for the entire patient datasets, followed by the SC and then HC plans, with all the optimization approaches typically achieving acceptable dose metrics. Across the three disease sites, visibility of all three markers in MLC apertures increased from 32% to 100% of available control points as visibility constraints strengthened. Although dose metrics showed some deterioration for constrained plans (−6% for SC I up to −15% for HC using the PTV average index), the required dosimetric objectives were still satisfied in at least 90% of patients. In conclusion, we demonstrated that marker and tumour visibility constraints can be incorporated with dosimetric objectives to produce treatment plans satisfying both objectives, which should ensure greater success when applying real-time tracking for VMAT delivery.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».