An Evaluation of the Impact of MR Image Slice Thickness on the Accuracy of High-Dose-Rate Brachytherapy for Gynaecological Cancers
Notice bibliographique
Résumé
High-dose-rate (HDR) Magnetic Resonance (MR) guided brachytherapy (BT) is rapidly becoming the standard for treatment of locally advanced cervical cancer, globally. MR is an integral aspect of this treatment, enabling the level of soft tissue visualization required for precise delineation of organ and target contours with respect to the BT applicator or needles during treatment planning. The optimal slice thickness for MR datasets, and the role of super-resolved datasets are questions yet to be investigated. A digital phantom-based study assessed the impact of slice thickness on volumetric and geometric uncertainties in traditional MR datasets and estimated the resultant dosimetric uncertainty. Datasets with traditional slice thicknesses produced uncertainties up to 27% of the imaged structure volume, and contour uncertainty up to one third of the slice thickness This resulted in the exceeding of the American Association of Physicists in Medicine’s (AAPM) recommended dosimetric uncertainty in HDR BT. Trilinearly interpolated datasets reduced these uncertainties substantially, allowing imaging with 2.7 mm coarser slices while conferring an imaging time reduction of 6 minutes. The results of this thesis demonstrate that the recommended range of slice thicknesses introduces uncertainties on a level known to impact dosimetry more than 9%. Trilinearly interpolated datasets may thus confer benefit in this clinical setting.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».