MétaCan
Menu
← Retour à la cohorte
Enregistrement W6999377205

Conception and performance of IViST : a novel platform for real-time In Vivo Source Tracking in brachytherapy

2020· other· fr· W6999377205 sur OpenAlexfundno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2020
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesUniversity of Texas MD Anderson Cancer Center
Mots-clésScintillationPhotoacoustic imaging in biomedicineMaterials testingRadiation dose
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La curiethérapie à haut débit de dose (HDR pour High Dose Rate) est une modalité de traitement du cancer qui délivre au volume cible la dose prescrite avec un débit de dose élevé. Malgré les distributions de doses hautement conformes obtenues avec cette modalité de traitement, le traitement lui-même n’est pas exempt d’erreurs. En raison des forts gradients de dose, typique de la curiethérapie, de petites erreurs dans le positionnement de la source peuvent entraîner des conséquences néfastes pour les patients. L’utilisation systématique de systèmes de vérification en temps réel est le seul moyen de savoir quelles doses ont été réellement données à la tumeur et aux organes à risque. Cette thèse présente les démarches effectuées pour créer et valider un système de dosimétrie à scintillateurs plastiques multipoints (mPSD pour Multipoint Plastic Scintillation Detector) capable d’effectuer avec précision des mesures in vivo en curiethérapie HDR. Un prototype a été optimisé, caractérisé et testé dans des conditions typiques de la curiethérapie HDR. Une analyse exhaustive a été réalisée pour obtenir un modèle optimisé du détecteur, capable de maximiser la collection de lumière de scintillation produite par l’interaction des photons ionisants. Il a été constaté que le scintillateur de longueur d’onde plus courte devrait toujours être placé plus près du photodétecteur, alors que le scintillateur émettant dans la longueur d’onde la plus élevée doit être en position distale. Si la configuration, comme mentionnée précédemment, n’est pas utilisée, des effets d’excitation et d’auto-absorption entre les scintillateurs peuvent se produire, et en conséquence, la transmission de la lumière à travers la fibre collectrice n’est pas optimale. Le détecteur a été rendu étanche à la lumière. Son noyau de 1 mm de diamètre permet son utilisation dans la majorité des applicateurs utilisés pour le parcours de la source en curiethérapie HDR avec l’192Ir. Pour la meilleure configuration du détecteur multipoints (3 mm de BCF10, 6 mm de BCF12, 7 mm BCF60), une optimisation numérique a été effectuée pour sélectionner les composants optiques (miroir dichroïque, filtre et tube photomultiplicateur (PMT pour Photomultiplier Tube)) qui correspondent le mieux au profil d’émission recherché. Ceci permet la déconvolution du signal en utilisant une approche multispectrale, en extrayant la dose de chaque élément tout en tenant compte de l’effet de tige Cerenkov. Le système de luminescence optimisé a été installé dans une boîte protectrice pour assurer la stabilité des composantes optiques lors de la manipulation. Les performances dosimétriques du système IViST (In Vivo Source Tracking) ont été évaluées en curiethérapie HDR, sur une plage clinique réaliste allant jusqu’à 10 cm de distance entre la source et les capteurs du mPSD. IViST peut simultanément mesurer la dose, trianguler la position et mesurer le temps d’arrêt de la source. En effectuant 100 000 mesures/s, IViST échantillonne suffisamment de données pour effectuer rapidement des tâches QA / QC clés, telles que l’identification d’un mauvais temps d’arrêt individuel ou des tubes de transfert interchangés. En utilisant 3 capteurs colinéaires et des informations planifiées pour une géométrie d’implant provenant des fichiers DICOM RT, la plateforme peut également trianguler la position de la source en temps réel avec une précision de positionnement de 1 mm jusqu’à 6 cm de la source. Le détecteur ne présentait aucune dépendance angulaire. Un essai clinique est actuellement en cours avec ce système.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,202
Écart entre enseignants0,190 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)→Travaux en français237 207→