Improving Reproducibility and Efficiency of Interstitial HDR Brachytherapy Through MRI-based Targeted Innovations
Notice bibliographique
Résumé
Interstitial high dose rate (HDR) brachytherapy is a well-established treatment for prostate and gynecological cancers. HDR brachytherapy involves delivery of a high dose of radiation to the target with minimum dose to the surrounding tissue. Magnetic resonance imaging (MRI) has been explored as a main imaging modality for accurate target identification. Superior soft tissue resolution has been reported with MRI, increasing the accuracy of brachytherapy procedure. Clinical HDR brachytherapy workflows employing MRI are seeing increases in adoption. However, these require additional resources and patient transfers, which increases the planning time and the risk of catheters displacement. In addition, interstitial catheter reconstruction during interstitial brachytherapy procedure is challenging. Thus, accurate and efficient methods of incorporating the MRI imaging in interstitial HDR brachytherapy procedures need to be considered. In this thesis, a robust MRI-based algorithm and workflow were developed for treatment planning of interstitial HDR brachytherapy for prostate and gynecological cancers. An in-house MRI-to Ultrasound image registration algorithm was developed and evaluated for accurate identification of dominant intraprostatic lesions. The dosimetric impact of the registration was also assessed. Furthermore, an in-house MR-line marker was used in evaluating the feasibility of MR-only interstitial gynecological HDR brachytherapy workflow. The impact of the MR-only workflow on the target coverage and normal tissue sparing was evaluated. The dosimetric difference between the conventional approach and the proposed MR-only approaches was also compared and reported. Finally, a deep learning-assisted algorithm was developed for robust catheter reconstruction. The algorithm was benchmarked against the manual reconstruction and their efficiency was evaluated. Based on the results, the MRI-based innovations developed in this work are feasible for implementation in clinical brachytherapy workflows for treatment planning of prostate and gynecological cancers.
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 | 0,009 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».