Technical note: <i>rtdsm</i>—An open‐source software for radiotherapy dose‐surface map generation and analysis
Notice bibliographique
Résumé
BACKGROUND: Dose-outcome studies in radiation oncology have historically excluded spatial information due to dose-volume histograms being the most dominant source of dosimetric information. In recent years, dose-surface maps (DSMs) have become increasingly popular for characterization of spatial dose distributions and identification of radiosensitive subregions for hollow organs. However, methodological variations and lack of open-source, publicly offered code-sharing between research groups have limited reproducibility and wider adoption. PURPOSE: This paper presents rtdsm, an open-source software for DSM calculation with the intent to improve the reproducibility of and the access to DSM-based research in medical physics and radiation oncology. METHODS: A literature review was conducted to identify essential functionalities and prevailing calculation approaches to guide development. The described software has been designed to calculate DSMs from DICOM data with a high degree of user customizability and to facilitate DSM feature analysis. Core functionalities include DSM calculation, equivalent dose conversions, common DSM feature extraction, and simple DSM accumulation. RESULTS: A number of use cases were used to qualitatively and quantitatively demonstrate the use and usefulness of rtdsm. Specifically, two DSM slicing methods, planar and noncoplanar, were implemented and tested, and the effects of method choice on output DSMs were demonstrated. An example comparison of DSMs from two different treatments was used to highlight the use cases of various built-in analysis functions for equivalent dose conversion and DSM feature extraction. CONCLUSIONS: We developed and implemented rtdsm as a standalone software that provides all essential functionalities required to perform a DSM-based study. It has been made freely accessible under an open-source license on Github to encourage collaboration and community use.
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 | 0,009 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,073 | 0,047 |
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 ».