Lalitha Ande 是一名特许电子工程师,在电信、医疗和交通等多个行业拥有超过 24 年的经验。她拥有印度尼赫鲁科技大学的电子与通信工程学士学位。她的职业生涯始于印度电信研究中心 - 远程信息处理发展中心 (C-DOT),在那里她为国家电信网络的交换解决方案设计做出了贡献。移民英国后,她继续在 St-Ericsson 从事电信领域工作,之后转而加入 Elekta,从事放射治疗机控制系统方面的工作。为了拓展视野,她决定在 Cubic Transportation Systems 担任高级系统工程师,为全球各个交通部门设计非接触式系统。凭借数十年令人印象深刻的丰富科技职业生涯,她从事过最细微的硬件和高级系统设计工作,这使她对整个工程学科有了整体的了解。
a 威尔士大学医院,卡迪夫大学医学院,英国卡迪夫希思公园;b 信息技术和知识产权法中心(CiTiP),鲁汶天主教大学,比利时鲁汶;c 工程科学,奥古斯特·皮 i 苏尼尔生物医学研究所(IDIBAPS),西班牙巴塞罗那;d 临床和实验信息处理系(数字心脏病学),伊拉斯谟医学中心,胸腔中心,荷兰鹿特丹;e 米兰理工大学电子、信息和生物医学工程系,意大利米兰;f 飞利浦,比利时布鲁塞尔;g 伦敦大学学院心血管科学研究所,英国伦敦;h 德累斯顿工业大学,Else Kröner Fresenius 数字健康中心,德国德累斯顿;i Elekta,瑞典斯德哥尔摩;j Dedalus HealthCare GmbH,德国波恩;k 健康产品监管局,爱尔兰都柏林; l 英国牛津大学纳菲尔德外科科学系;m 比利时鲁汶天主教大学
NAACCR 衷心感谢 2022-2023 年 NAACCR 站点特定数据项 (SSDI) 工作组的辛勤工作。 x Jennifer Ruhl,MSHCA,RHIT,CCS,CTR(NCI SEER)(主席) x Melissa Alvarado,MPH,CTR(NPCR) x Mary Brant,BS,CTR(加州癌症登记处) x Sheila Fukumura,CTR(马尼托巴省癌症登记处) x Daisy Gray,BS,CTR(肯塔基州癌症登记处) x Donna Gress,RHIT,CTR(AJCC) x Donna M. Hansen,CTR(加州癌症登记处) x Jim Hofferkamp,CTR(NAACCR) x Mei-Chin Hsieh,PhD(路易斯安那州癌症登记处) x Annette Hurlbut,RHIT,CTR(Elekta) x Suzanne Kessler,MSM,RHIT,CTR(美国外科医师学会) x Richard Moldwin,MD,Ph.D(美国病理学家学会) x Serban Negoita,医学博士,公共卫生博士,CPH,CTR(NCI SEER)x Lisa Pareti,理学学士,RHIT,CTR(路易斯安那州癌症登记处)x Loria Pollack,医学博士,公共卫生硕士(疾病控制和预防中心)x Nicola Schussler,理学学士(IMS)x Aleisha Williams,工商管理硕士,CTR(AJCC)x Janine Smith,理学学士,CTR(加州癌症登记处)
子宫颈的摘要癌是一个全球问题,近距离放射治疗是用于治疗此类癌症患者的主要放射治疗成分之一。随着治疗计划中的科学和技术发展的出现,有必要在近距离放射治疗中进行反相反的优化,并与传统的手动优化方法进行了彻底的比较。在这项工作中,物理参数;分别使用D 98和D 90代表的目标体积的最低剂量为98%和90%,用于评估相对于目标的治疗计划,而2厘米3卷(d 2cm 3)收到的最低剂量用于研究处于风险的器官的并发症。使用的符合性指数硬币用于描述按规定的剂量和每个器官的分数,每个器官处于接收临界剂量的风险量,这可能会导致并发症。还根据无放射生物学参数并发症控制概率P +进行了治疗计划评估。与同源手动图形优化计划进行了比较,与两种近距离抗体抗体计划算法相对应的物理和放射生物学评估。这项研究的主要观察结果是,反相反优化方法的良好调整类解决方案可能与手动图形优化计划产生的剂量体积直方图产生相似的剂量量直方图,并且反向方法有可能避免有风险的机器人,同时为目标提供可接受的剂量。此外,放射生物学索引(例如P +)可以对治疗计划评估中的物理参数有用。Elekta Leksell GammaKnife®单位已成功用于颅内恶性肿瘤的管理已有半个多世纪。根据国家和国际法规的要求,为了保护患者,工人,公众和环境,必须通过电离辐射工具构成的风险有足够的知识。从这个角度来看,斯德哥尔摩大学物理系(斯德哥尔摩,瑞典)的核物理研究小组与Elekta Instrument AB(瑞典斯德哥尔摩,瑞典)合作进行了调查,对使用高纯度德国人(Hpge)gamma刀的辐射场进行了调查。作为正在进行的研究的一部分,本工作的主要目的是改善伽马刀周围的辐射场的建模和表征,以询问国家辐射保护与测量委员会(NCRP)方法论对Leksell Gamma刀具治疗室的结构屏蔽设计和评估的功效。在Gamma刀 - 完美TM领域中获得高分辨率γ射线光谱和环境剂量等效H*(10)发生在萝洛林斯卡大学医院(瑞典)(瑞典)Neurosurgery(肿瘤学系)神经外科(肿瘤学系)。分别利用了P型同轴HPGE检测器和卫星测量表来获取γ射线光谱和H*(10)。在Pegasos Monte Carlo系统上模拟了测得的配置。圆柱表面上的一个相空间用敞开的门封闭了伽马刀,并且组装的幻影被用作辐射的来源。在对应于2·10 12衰变的相空间上收集了约4·10 7γ光子。在打开伽马刀门的情况下,大多数辐射是在向前方向上测量的,相对于Z轴,沿向前的方向至θ= 45 O。蒙特卡洛模拟重现了测得的结果;因此,在响应测量和模拟光谱之间实现了良好的一致性。最近的Gamma刀模型Perfexion TM,Icon TM和Esprit TM
在实验的第一个版本中,参与者默默地阅读屏幕上的单词(一次),然后是视觉固定 - 交叉提示,以重复他们的脑海中。在某些试验中,接下来是提示他们想象的是五个(生成性内部语音任务)不同的单词。所有视觉刺激均出现0.8-1.0秒,然后是持续0.8-1.0秒的空白屏幕。我们收集了来自3名男性参与者的MEG(Elekta Neuromag 306-渠道)和EEG(EasterCap 64通道)数据,每个参与者分别为6、2和2个会话。由此产生的会话包括大约325个读数,325个重复的内部语音和250个生成性的语音试验,几乎平均分配在5个单词之间(单词选择是随机的)。在实验的第二版中,显示了四个连续的十字架,而是以1秒的间隔显示了连续的十字架,以便参与者重复4次单词。,我们从男性参与者那里收集了1次,从另一名男性参与者那里收集了1次MEG和脑电图数据,其中1个MEG和1个单独的EEG会话,以及第三名男性参与者的1个MEG和10个MEG和10个单独的EEG会话。这些课程中的每一个都包含大约173次阅读,692个重复的内部语音和640个生成性内部语音试验。
标题:在1.5T MR-LINAC平台上对头颈癌的显而易见的扩散系数的回波平面成像的重新延伸系数的重现:使用QIBA计量学的技术验证作者:Brigid A. McDonald 1,Dina El-Habashy 1,Renjie He 1,Sammir 1,Sam Mir Bir 1,2 Mohamed 1, 3 , Sara Ahmed 1 , Yao Ding 4 , Jihong Wang 4 , Stephen Y. Lai 5 , Alex Dresner 6 , John Christodouleas 7 , Clifton D. Fuller 1 Affiliations: 1 The University of Texas MD Anderson Cancer Center, Department of Radiation Oncology, Houston, TX, USA 2 UT MD Anderson Cancer Center UTHealth Houston Graduate School of Biomedical Sciences, Houston,美国德克萨斯州3贝勒医学院,放射肿瘤学系,美国德克萨斯州休斯敦4 4美国德克萨斯州安德森大学癌症中心,放射物理系,美国德克萨斯州休斯顿,美国5号,美国德克萨斯州癌症中心,德克萨斯州癌症中心,德克萨斯州休斯敦,德克萨斯州休斯敦,美国德克萨斯州休斯敦,美国6美国菲利普斯医疗保健MR on Ceport,美国埃尔克斯郡,美国7月,美国埃尔克斯郡。目的:为了检测放射治疗期间的明显扩散系数(ADC)值的变化,用于生物图像引导的自适应放射治疗,必须表征ADC的变异性。我们评估了1.5T MR-LINAC上头颈癌中ADC值的可重复性。方法:39例头颈癌患者(36例原发性肿瘤,55个淋巴结)在1.5T MR-LINAC上在辐射疗法开始之前的两个时间点上以回声 - 平面成像扩散加权MRI成像。为每个病变测量平均值和中位ADC值和体积。绝对性和可重复性系数(RC)。线性回归分析和F检验,以确定病变体积或扫描之间的时间是否影响可重复性。Results: For primary tumors & lymph nodes: mean ADC, median ADC, and volume were 1.27 ± 0.33 mm 2 /s & 1.17 ± 0.34 mm 2 /s, 1.25 ± 0.35 & 1.16 ± 0.37 mm 2 /s, and 8.8 ± 12.3 cm 3 & 6.5 ± 7.2 cm 3 , respectively.对于肿瘤和节点,平均ADC的RC值为0.355 mm 2 /s&0.355 mm 2 /s,%RC值为29.1%和31.1%;中值ADC非常相似。可重现性与体积或扫描间隔没有显着相关,但是观察到较小体积的可重复性较差的趋势。结论:考虑到先前的报告,最佳%∆ ADC在头颈癌中的响应预测阈值约为15-30%,MR-LINAC上的这种序列具有可接受的可重复性来检测较大的ADC变化,但仍可能错过一些临床上显着的变化。