Evaluating the use of diagnostic CT with flattening filter free beams for palliative radiotherapy: Dosimetric impact of scanner calibration variability
Notice bibliographique
Résumé
PURPOSE: Palliative radiotherapy comprises a significant portion of the radiation treatment workload. Volumetric-modulated arc therapy (VMAT) improves dose conformity and, in conjunction with flattening filter free (FFF) delivery, can decrease treatment times, both of which are desirable in a population with a high probability of retreatment with large palliative doses per fraction. Combining FFF and VMAT delivery with planning based on previously acquired diagnostic computed tomography (CT) scans has the potential to further expedite palliative treatment. This study evaluated the dosimetric uncertainty of using FFF beams with VMAT delivery on CT images acquired from different diagnostic vendors, and between different x-ray tube energies, in the palliative setting. METHODS: CT-relative electron density (CT-RED) curves were acquired for the local CT simulator at 100, 120, and 140 kVp, and for two diagnostic CT scanners at 120 kVp. Thirty palliative VMAT plans were recalculated for each CT-RED curve, with 6 MV flat, 6 FFF, and 10 FFF beams. The doses to 95% and 2% of the PTV, the maximum point dose to the spinal canal and esophagus, and the mean dose to the kidneys were compared between recalculated plans. RESULTS: Comparing the dose clouds for a given fluence map calculated with CT-RED curves from different CT scanners at 120 kVp, the mean dose difference was at most 0.3% for each DVH metric. Similar results were reported when comparing dose clouds calculated with CT-RED curves for 100, 120, and 140 kVp on the CT simulator. CONCLUSION: The results of this study confirm that diagnostic scans acquired on machines different from the CT simulator associated with the TPS, are appropriate for VMAT treatment planning in the palliative setting with FFF photon beams.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».