Plan Assessment Metrics for Dose Painting in Stereotactic Radiosurgery
Notice bibliographique
Résumé
Purpose: As radiation therapy treatment precision increases with advancements in imaging and radiation delivery, dose painting treatment becomes increasingly feasible, where targets receive a nonuniform radiation dose. The high precision of stereotactic radiosurgery (SRS) makes it a good candidate for dose painting treatments, but no suitable metrics to assess dose painting SRS plans exist. Existing dose painting assessment metrics weigh target overdose and underdose equally but are unsuited for SRS plans, which typically avoid target underdose more. Current SRS metrics also prioritize reducing healthy tissue dose through selectivity and dose fall-off, and these metrics assume single prescriptions. We propose a set of metrics for dose painting SRS that would meet clinical needs and are calculated with nonuniform dose painting prescriptions. Methods and Materials: Sample dose painting SRS prescriptions are first created from Gamma Knife SRS cases, apparent diffusion coefficient magnetic resonance images, and various image-to-prescription functions. Treatment plans are found through semi-infinite linear programming optimization and using clinically determined isocenters, then assessed with existing and proposed metrics. Modified versions of SRS metrics are proposed, including coverage, selectivity, conformity, efficiency, and gradient indices. Quality factor, a current dose painting metric, is applied both without changes and with modifications. A new metric, integral dose ratio, is proposed as a measure of target overdose. Results: The merits of existing and modified metrics are demonstrated and discussed. A modified conformity index using mean or minimum prescription dose would be suitable for dose painting SRS with integral or maximum boost methods, respectively. Either modified efficiency index is a suitable replacement for the existing gradient index. Conclusions: The proposed modified SRS metrics are appropriate measures of plan quality for dose painting SRS plans and have the advantage of giving equal values as the original SRS metrics when applied to single-prescription plans.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 | 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 tête enseignante, 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 ».