MétaCan
Menu
← Retour à la cohorte
Enregistrement W4414679671 · doi:10.1002/mp.70041

Margins to account for cardiac and respiratory motion in cardiac radioablation

2025· article· en· W4414679671 sur OpenAlexafffund
Jakob Marshall, Justin Poon, Alanah Bergman, Tania Karan, Marc W. Deyell, Devin Schellenberg, Richard B. Thompson, Steven Thomas

Notice bibliographique

RevueMedical Physics · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Arrhythmias and Treatments
Établissements canadiensUniversity of AlbertaUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesProvidence Health Care Research InstituteBC Cancer FoundationVancouver Coastal Health Research Institute
Mots-clésCardiorespiratory fitnessMargin (machine learning)Motion (physics)AmplitudeRespiratory systemCardiac cycle

Résumé

récupéré en direct d'OpenAlex

Abstract Background Cardiac radioablation (CR) is an emerging treatment for ventricular tachycardia, a rapid abnormal heart rhythm. Effectively delivering radiation to CR targets requires understanding and accounting for geometric uncertainties. One important uncertainty is motion induced by the cardiac and respiratory cycles, which can be accounted for by expanding the targeted region by a margin accounting for the motion's effect on dosimetry. Purpose To investigate margins to account for cardiac and respiratory motions in CR and compare different methods of computing these margins. Methods Eighty four hundred cardiorespiratory motion traces were created by joining 1050 cardiac motions derived from 30 Hz magnetic resonance images with eight respiratory motions from 5 Hz bi‐planar kV fluoroscopy. Cardiac motions for each of the 17 segments of the left ventricle were acquired for 50 heart failure patients with a reduced ejection fraction. Respiratory motions were derived from the implantable cardioverter defibrillator lead's tip for eight CR patients. The margins needed to account for random errors were found using the convolution method by blurring a dose penumbra (Gaussian fall‐off = 3.2 mm) with the motion. The motion margin was computed as the shift in the 95% dose level after blurring. Since these dosimetric margins do not consider rotations and shape deformation, they are considered a lower limit to account for cardiorespiratory motions. These motion margins were compared to (i) a sum of cardiac and respiratory motion amplitudes, similar to using an internal target volume (ITV); (ii) the van Herk et al. margin formula (MF = ); and (iii) the amplitude of respiratory motion alone, similar to using a respiratory ITV. Results The sum of cardiac and respiratory motion amplitudes significantly overestimated the motion margins by [2.2±0.7 right‐left, 2.6±0.9 ant‐post, 2.7±0.7 inf‐sup] mm. The margin formula accurately calculated the motion margins with average differences from the convolution method of [0.00±0.06, 0.0±0.1, 0.0±0.1] mm. Accounting for the amplitude of respiratory motion alone was on average sufficient but not robust, as it could underestimate the motion margin by up to 5 mm. Conclusions Margins to account for cardiorespiratory motion in CR can be calculated using a margin formula. The conservative approach of accounting for the amplitude of cardiorespiratory motion can significantly overestimate the needed margin which may result in excess healthy tissue damage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,303
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetCardiac Arrhythmias and Treatments→Travaux en français237 207→