Impact of Multileaf Collimator Width and Normal Tissue Objective on Radiation Dose Distribution in Stereotactic Radiosurgery Using HyperArc for Single Brain Lesions
Notice bibliographique
Résumé
This study retrospectively investigated the impact of stereotactic radiosurgery (SRS) normal tissue objective (NTO) and multileaf collimator (MLC) width on radiation dose distribution in patients with brain metastasis treated using HyperArc. In total, 21 patients who underwent SRS using the HyperArc of the TrueBeam linear accelerator from November 2022 to June 2024 were included. All patients received radiotherapy with HASH planned with SRS NTO and HD MLC. HyperArc(HAAH) combined with the auto NTO and HD MLC and HyperArc(HAAM) with auto NTO and millennium MLC were generated and compared. Monitor units (MU), conformity index (CI), radical dose homogeneity index (rDHI), moderate DHI (mDHI), and gradient index (GI) were evaluated as target factors, and V2(Gy), V10(Gy), V12(Gy), V18(Gy), V10(cc), and V12(cc) were evaluated as normal brain factors. Dosimetric comparisons were performed between HASH, HAAH, and HAAM and between target and normal brain tissues. Between HASH and HAAH, average MU was 7206 and 5798, respectively; the difference was significant (p < 0.001). The MU of HAAM was 5835. Among HASH, HAAH, and HAAM, CI and mDHI were not significantly different, but there were significant differences in rDHI, GI, and normal brain tissues. When treating a single lesion using HyperArc, SRS NTO influences MU and GI, and the MLC width influences rDHI and GI. In HyperArc for single metastatic brain lesions, SRS NTO and MLC width have a significant effect on the radiation dose delivered to the target and normal brain tissues.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».