Interfractional dose accumulation for MR-guided liver SBRT: Variation among algorithms is highly patient- and fraction-dependent
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Daily plan adaptations could take the dose delivered in previous fractions into account. Due to high dose delivered per fraction, low number of fractions, steep dose gradients, and large interfractional organ deformations, this might be particularly important for liver SBRT. This study investigates inter-algorithm variation of interfractional dose accumulation for MR-guided liver SBRT. MATERIALS AND METHODS: We assessed 27 consecutive MR-guided liver SBRT treatments of 67.5 Gy in three (n = 15) or 50 Gy in five fractions (n = 12), both prescribed to the GTV. We calculated fraction doses on daily patient anatomy, warped these doses to the simulation MRI using seven different algorithms, and accumulated the warped doses. Thus, we obtained differences in planned doses and warped or accumulated doses for each algorithm. This enabled us to calculate the inter-algorithm variations in warped doses per fraction and in accumulated doses per treatment course. RESULTS: due to dose warping by these intensity-based algorithms was 10.4 percentage points (0.3 to 43.7) between fractions and 8.6 (0.3 to 24.9) between accumulated treatment doses. As seen by these ranges, the variation was very dependent on the patient and the fraction being analyzed. Nevertheless, no correlations between patient or plan characteristics on the one hand and inter-algorithm dose warping variation on the other hand was found. CONCLUSION: Inter-algorithm dose accumulation variation is highly patient- and fraction-dependent for MR-guided liver SBRT. We advise against trusting a single algorithm for dose accumulation in liver SBRT.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 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 ».