RBE-based dose planning, and calculation of TCP and NTCP with gold nanoparticles for intermediate photon energy in pancreatic cancer
Notice bibliographique
Résumé
Abstract Objective. This study simulated the potential of gold nanoparticles (GNPs) to improve the effectiveness of radiation therapy in pancreatic cancer cases. The purpose of this study was to assess the impact of GNPs on tumor control probability (TCP) and normal tissue complication probability (NTCP) in pancreatic cancer cases undergoing radiation therapy. The work aimed to compare treatment plans generated with a novel 2.5 MV beam using GNPs to conventional 6 MV plans and evaluate the dose-volume histogram (DVH), TCP, and NTCP. Approach. Treatment planning for five pancreatic computed tomography (CT) images was performed using the open-source MATLAB-based treatment planning program matRad. MATLAB codes were developed to calculate the relative biological effectiveness (RBE) of GNPs and apply the corresponding dose and RBE values to each voxel. TCP and NTCP were calculated based on the applied RBE values. Main results. Adding GNPs to the 2.5 MV treatment plan resulted in a significant increase in TCP, from around 59% to 93.5%, indicating that the inclusion of GNPs improved the effectiveness of the radiation treatment. The range in NTCP without GNPs was relatively larger compared to that with GNPs. Significance. The results indicated that the addition of GNPs to a 2.5 MV plan can increase TCP while maintaining a relatively low NTCP value (<1%). The use of GNPs may also reduce NTCP values by decreasing the dose to normal tissues while maintaining the same prescribed dose to the tumor. Hence, the addition of GNPs can improve the balance between TCP and NTCP.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».