Impact of range uncertainties for intensity‐modulated mixed electron‐photon radiation therapy
Notice bibliographique
Résumé
BACKGROUND: In the context of mixed electron-photon radiation therapy (MBRT), while the necessity of robust optimization to setup uncertainties is well-established, range uncertainties have yet to be investigated. PURPOSE: This study provides the first assessment of the impact of range uncertainties on MBRT plans. METHODS: The percent depth dose of 2 electron beams (6 MeV and 20 MeV) and 1 photon beam (6 MV) are calculated by Monte Carlo using EGSnrc in slab phantoms. Range uncertainties are simulated by generating two copies of the phantom with each voxel's mass density upscaled or downscaled by 3.5%. Two clinical plans for a leg sarcoma case and a post-mastectomy breast case were replanned with MBRT with 2 optimization methods: once without robust optimization and once with robust to both setup and range uncertainties. RESULTS: Dose discrepancies between the percent depth doses of density-scaled phantoms and the nominal phantom were found to be much larger for electron beams than photons with maximum differences of 6.9% (6 MeV) and 5.5% (20 MeV) versus 1.6% (6 MV) of the maximum dose. In both clinical cases, the region of largest dose discrepancy between the range and nominal scenarios was found to be along the electron's beam path, starting immediately downstream from the target and within a few cm. Even without robust optimization, dose-volume histograms (DVHs) of all relevant structures were not meaningfully degraded under range scenarios. In the breast plan, the ipsilateral lung's V20Gy increased by 1.9% under the worst range scenario. No substantial change in the DVHs of range scenarios were observed between the robustly and non-robustly optimized plan. CONCLUSION: In the two investigated cases, robustness to range uncertainties was not improved in robustly optimized versus non-robustly optimized plans. A larger study comprising more patients and treatment sites remains to be performed to adequately assess the necessity of robust optimization of MBRT plans to range uncertainties.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».