MétaCan
Menu
Retour à la cohorte
Enregistrement W4391482520 · doi:10.1016/j.phro.2024.100543

Improving the modelling of a multi-leaf collimator with tilted leaf sides used in radiotherapy

2024· article· en· W4391482520 sur OpenAlexaff
Mohammad Hussein, Agnes Angerud, Jordi Sáez, E. Bogaert, Matthieu Lemire, Miriam Barry, Ileana Silvestre Patallo, D R Shipley, Catharine H. Clark, Víctor Hernández

Notice bibliographique

RevuePhysics and Imaging in Radiation Oncology · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-Montréal
Organismes subventionnairesnon disponible
Mots-clésOffset (computer science)Quality assuranceMultileaf collimatorComputer scienceRadiation treatment planningCollimatorSimulationRadiation therapyNuclear medicineMedical physicsMedicineOpticsPhysicsSurgery

Résumé

récupéré en direct d'OpenAlex

Background and purpose: Multi-leaf collimators (MLCs) with tilted leaf sides have a complex transmission behaviour that is not easily matched by radiotherapy treatment planning systems (TPSs). We sought to develop an MLC model that can accurately match test fields and clinically relevant plans at different centres. Materials and methods: Two new MLC models were developed and evaluated within a research version of a commercial TPS. Prototype I used adjusted-constant transmissions and Prototype II used variable transmissions at the tongue-and-groove and leaf-tip regions. Three different centres evaluated these prototypes for a tilted MLC and compared them with their initial MLC model using test fields and patient-specific quality-assurance measurements of clinically relevant plans. For the latter, gamma passing rates (GPR) at 2 %/2mm were recorded. Results: For the prototypes the same set of MLC parameters could be used at all centres, with only a slight adjustment of the offset parameter. For centres A and C, average GPR were >95 % and within 0.5 % GPR difference between the standard, and prototype models. In center B, prototypes I and II improved the agreement in clinically relevant plans, with an increase in GPR of 2.3 % ± 0.8 % and 3.0 ± 0.8 %, respectively. Conclusions: The prototype MLC models were either similar or superior to the initial MLC model, and simpler to configure because fewer trade-offs were required. Prototype I performed comparably to the more sophisticated Prototype II and its configuration can be easily standardized, which can be useful to reduce variability and improve safety in clinical practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,305
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics and Imaging in Radiation OncologyMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207