Clinical applicability of Linac-integrated CBCT based NIPAM 3D dosimetry: a dual-institutional investigation
Notice bibliographique
Résumé
Abstract Objective. To develop and benchmark a novel 3D dose verification technique consisting of polymer gel dosimetry (PGD) with cone-beam-CT (CBCT) readout through a two-institution study. The technique has potential for wide and robust applicability through reliance on CBCT readout. Approach. Three treatment plans (3-field, TG119-C-shape spine, 4-target SRS) were created by two independent institutions (Institutions A and B). A Varian Truebeam linear accelerator was used to deliver the plans to NIPAM polymer gel dosimeters produced at both institutions using an identical approach. For readout, a slow CBCT scan mode was used to acquire pre- and post-irradiation images of the gel (1 mm slice thickness). Independent gel analysis tools were used to process the PGD images (A: VistaAce software, B: in-house MATLAB code). Comparing planned and measured doses, the analysis involved a combination of 1D line profiles, 2D contour plots, and 3D global gamma maps (criteria ranging between 2%1 mm and 5%2 mm, with a 10% dose threshold). Main results. For all gamma criteria tested, the 3D gamma pass rates were all above 90% for 3-field and 88% for the SRS plan. For the C-shape spine plan, we benchmarked our 2% 2 mm result against previously published work using film analysis (93.4%). For 2%2 mm, 99.4% (Institution A data), and 89.7% (Institution B data) were obtained based on VistaAce software analysis, 83.7% (Institution A data), and 82.9% (Institution B data) based on MATLAB. Significance. The benchmark data demonstrate that when two institutions follow the same rigorous procedures gamma passing rates up to 99%, for 2%2 mm criteria can be achieved for substantively different treatment plans. The use of different software and calibration techniques may have contributed to the variation in the 3D gamma results. By sharing the data across institutions, we observe the gamma passing rate is more consistent within each pipeline, indicating the need for standardized analysis methods.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».