MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403871421 · doi:10.1002/mp.17434

Improved heterogeneity handling in the collapsed cone dose engine for brachytherapy

2024· article· en· W4403871421 sur OpenAlexaff
Freja Alpsten, Bob van Veelen, Christian Valdes‐Cortez, Francisco Berumen, Anders Ahnesjö, Åsa Carlsson Tedgren

Notice bibliographique

RevueMedical Physics · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesSwedish Cancer Foundation
Mots-clésImaging phantomMonte Carlo methodDosimetryNuclear medicineBrachytherapyKermaComputational physicsMathematicsPhysicsOpticsStatisticsMedicineRadiation therapy

Résumé

récupéré en direct d'OpenAlex

Abstract Background Model‐based dose calculation algorithms (MBDCA), such as the Advanced Collapsed cone Engine (ACE) in Oncentra Brachy® can be used to overcome the limitations of the TG‐43 formalism. ACE is a point kernel superposition algorithm that calculates the total dose separated into primary, first‐scatter, and multiple‐scatter dose. Albeit ACE yields accurate results under most circumstances, several studies have reported underestimations of the dose to cortical bone. These underestimations are likely caused by approximations in the handling of multiple‐scatter dose for non‐water media. Such would result in noticeable deviations where the multiple‐scatter is a considerable fraction of the total dose, that is, at greater distances from the source. Purpose To improve and test the accuracy of the multiple‐scatter dose component in the ACE algorithm to remedy its inaccuracy for non‐water geometries. Methods A careful analysis of the transport and absorption of the multiple‐scatter energy fluence revealed an inconsistency in the scaling of energy absorption ratios for non‐water media of the multiple‐scatter kernel. We implemented an updated algorithm version, ACEcorr, and tested it for three different geometries. All had a single 192Ir‐source at the center of a cubic water phantom with a box‐shaped heterogeneity of either cortical bone or air, positioned at different distances from the source. Dose distributions for the three cases were calculated with ACE and ACEcorr and compared to Monte Carlo simulations, using the percentage dose difference ratio as figure‐of‐merit. All dose calculation methods scored separately the dose deposited by primary, first‐scattered, and multiple‐scattered photons. Results The accuracy of the updated algorithm ACEcorr was superior to ACE. In the cortical bone heterogeneity, the mean percentage dose difference ratio for the total dose improved from to (in the worst case) by our update. Less impact was seen in the air heterogeneity, where both ACE and ACEcorr deviated less than 2% from the Monte Carlo results. The algorithm update mainly concerns the multiple‐scattered dose component, but an accompanying data processing update also had a small effect (0.5% difference) on the primary and first‐scattered dose. The calculation times were not affected. Conclusions The updates to ACE improved the accuracy of multiple‐scatter dose calculation for non‐water media, without increasing calculation times.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,314
Écart entre enseignants0,300 · 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
GenreMéthodes

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetAdvanced Radiotherapy Techniques→Travaux en français237 207→