An End-to-end Quality Assurance Procedure for Ethos Online Adaptive Radiotherapy
Notice bibliographique
Résumé
Purpose: Online adaptive radiation therapy (OART) poses unique challenges for quality assurance (QA), requiring innovative methodologies beyond traditional techniques. This study introduced an end-to-end (E2E) QA test for the Ethos OART system. Materials and Methods: Initial treatment plans were developed using deformed computed tomography (CT) images of standard phantoms. During treatment sessions, adaptive plans were created and delivered using undistorted physical QA phantoms equipped with measuring detectors. Our approach was demonstrated using standard QA phantoms - OCTAVIUS-four-dimensional (PTW, Freiburg, Germany), ArcCHECK (Sun Nuclear Corp., FL, USA), and the RUBY (PTW, Freiburg, Germany) - to evaluate the accuracy of contouring, synthetic CT (sCT), and dosimetry of adaptive plans in the Ethos OART system. Results: Our findings demonstrated the superior performance of the Ethos OART system, with a gamma pass rate exceeding 96% (2% local/2 mm) and point dose deviations below 0.5%. The Dice coefficients for body contours between the sCT and reference CT were above 0.9, and the sCT accuracy was confirmed by mean absolute errors of <27 Hounsfield unit. Conclusion: This approach establishes a straightforward E2E test to assess the workflow accuracies essential for preclinical validation/monthly QA of OART systems.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».