Analyse de frontière stochastique pour l'optimisation des plans en curiethérapie haut débit de dose
Bibliographic record
Abstract
La curiethérapie est une modalité particulière de traitement en radiothérapie qui se différencie de la radiothérapie externe par l’implantation des sources radioactives scellées à l’intérieur ou au voisinage immédiat du volume tumoral, de façon permanente ou temporaire. Cette modalité de traitement a bénéficié des avancées technologiques telles que l’utilisation des projecteurs de sources et le développement de nouveaux algorithmes d’optimisation de dose qui ont contribué à l’amélioration de la qualité des plans de traitement. Cependant, le processus de planification de traitement en curiethérapie, indépendamment de l’algorithme d’optimisation implanté dans le système de planification de traitement (TPS), requiert toujours une forte interaction entre le planificateur et le TPS. Cette forte interaction, non seulement, augmente la durée de la planification, mais conduit aussi souvent à des plans finaux dont la qualité est tributaire du jugement et de l’expérience du planificateur. Le présent projet a consisté à développer des modèles pour l’optimisation de la qualité des plans en curiethérapie de la prostate haut débit de dose, optimisation basée sur les paramètres géométriques spécifiques à chaque patient, grâce au formalisme de l’analyse de frontière stochastique, une méthode empruntée de l’économie. Les paramètres géométriques qui ont permis de caractériser chaque plan sont : le volume des différentes structures [volume cible anatomoclinique, organes à risque (OAR)], leurs proximités mutuelles par le biais de la distance de Hausdorff, et la divergence des cathéters dans la prostate. Les modèles ainsi développés constituent un outil d’aide à la planification en prédisant à l’avance (au début du processus de planification) le meilleur compromis qu’il est possible d’atteindre entre la couverture du volume tumorale et la limitation de la dose aux OARs alentour. Les modèles ont été développés pour les indices dosimétriques d’intérêt analysés en clinique pour la validation des plans pour chacune des structures telles que : la prostate, la vessie, le rectum et l’urètre. Les résultats obtenus sur la base d’un échantillon de 495 patients montrent que ces modèles peuvent aider le planificateur à personnaliser le processus d’optimisation sur la base du profil de paramètres géométriques de ce dernier, minimisant ainsi l’impact du jugement et l’expérience du planificateur sur la qualité du plan final. Leur utilisation peut être étendue comme un outil robuste pour la sélection de meilleurs plans pour les études de type “knowledge-based study”. Le projet doit cependant se poursuivre par l’exploration d’autres paramètres géométriques et par la validation clinique des différents modèles avant leur implémentation en routine clinique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".