MRI-guided Radiation Therapy: An Emerging Paradigm in Adaptive Radiation Oncology
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
Radiation therapy (RT) continues to be one of the mainstays of cancer treatment. Considerable efforts have been recently devoted to integrating MRI into clinical RT planning and monitoring. This integration, known as MRI-guided RT, has been motivated by the superior soft-tissue contrast, organ motion visualization, and ability to monitor tumor and tissue physiologic changes provided by MRI compared with CT. Offline MRI is already used for treatment planning at many institutions. Furthermore, MRI-guided linear accelerator systems, allowing use of MRI during treatment, enable improved adaptation to anatomic changes between RT fractions compared with CT guidance. Efforts are underway to develop real-time MRI-guided intrafraction adaptive RT of tumors affected by motion and MRI-derived biomarkers to monitor treatment response and potentially adapt treatment to physiologic changes. These developments in MRI guidance provide the basis for a paradigm change in treatment planning, monitoring, and adaptation. Key challenges to advancing MRI-guided RT include real-time volumetric anatomic imaging, addressing image distortion because of magnetic field inhomogeneities, reproducible quantitative imaging across different MRI systems, and biologic validation of quantitative imaging. This review describes emerging innovations in offline and online MRI-guided RT, exciting opportunities they offer for advancing research and clinical care, hurdles to be overcome, and the need for multidisciplinary collaboration.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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