A data-driven approach to model spatial dose characteristics for catheter placement of high dose-rate brachytherapy for prostate cancer
Notice bibliographique
Résumé
BACKGROUND: High dose rate brachytherapy (HDR BT) is a common treatment modality for cancer. In HDR BT, a radioactive source is placed inside or close to a tumor, aiming to give a high enough dose to the tumor, while sparing nearby healthy tissue and organs at risk. Treatment planning of HDR BT for prostate cancer consists of two types of decisions, placement of catheters, modeled with binary variables, and dwell times, modeled with continuous non-negative variables. Optimal spatial placement of catheters is important for avoiding local recurrence and complications, but such characteristics have not been modeled for the combined treatment planning problem of catheter placement and dwell time optimization. METHOD: We propose a data-driven approach using linear regression, mutual information, and random forests to find convex estimates of spatial dose characteristics that correlate well with contiguous volumes receiving a too-high (hot spots) or too-low dose (cold spots). These estimates were incorporated in retrospective treatment plan optimization of 28 prostate cancer patients. RESULTS: The proposed hot-spot terms reduced the volume receiving twice the prescribed dose by 29% at 14 catheters. Also, the results illustrate the trade-offs between the number of catheters and spatial dose characteristics. CONCLUSIONS: Our study demonstrates that incorporating a term for hot spots in the objective function of the treatment planning model is more effective in reducing hot spots than catheter placements that are not optimized for hot spots.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».