A probabilistic approach for determining Monte Carlo beam source parameters: II. Impact of beam modeling uncertainties on dosimetric functions and treatment plans
Notice bibliographique
Résumé
Abstract Objective. The Monte Carlo method is recognized as a valid approach for the evaluation of dosimetric functions for clinical use. This procedure requires the accurate modeling of the considered linear accelerator. In Part I, we propose a new method to extract the probability density function of the beam model physical parameters. The aim of this work is to evaluate the impact of beam modeling uncertainties on Monte Carlo evaluated dosimetric functions and treatment plans in the context of small fields. Approach. Simulations of output factors, output correction factors, dose profiles, percent-depth doses and treatment plans are performed using the CyberKnife M6 model developed in Part I. The optimized pair of electron beam energy and spot size, and eight additional pairs of beam parameters representing a 95% confidence region are used to propagate the uncertainties associated to the source parameters to the dosimetric functions. Main results. For output factors, the impact of beam modeling uncertainties increases with the reduction of the field size and confidence interval half widths reach 1.8% for the 5 mm collimator. The impact on output correction factors cancels in part, leading to a maximum confidence interval half width of 0.44%. The impact is less significant for percent-depth doses in comparison to dose profiles. For these types of measurement, in absolute terms and in comparison to the reference dose, confidence interval half widths less than or equal to 1.4% are observed. For simulated treatment plans, the impact is more significant for the treatment delivered with a smaller field size with confidence interval half widths reaching 2.5% and 1.4% for the 5 and 20 mm collimators, respectively. Significance. Results confirm that AAPM TG-157's tolerances cannot apply to the field sizes studied. This study provides an insight on the reachable dose calculation accuracy in a clinical setup.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».