SU‐E‐T‐697: Simple and Efficient Modeling of the Varian TrueBeam Linac Using the GATE Monte Carlo Platform
Notice bibliographique
Résumé
Purpose: To investigate the use of the relatively new Geant4 Application for Tomographic Emission (GATE) Monte Carlo (MC) platform for radiotherapy applications, by developing a model of the Varian TrueBeam™ linac. Methods: Multiple 6 MV phase space files were provided by Varian, serving as a simulation particle source. Modeling of the jaws and multileaf collimator (MLC) in GATE's macro structured environment was automated through the use of an in‐house developed Python program. Profiles and percentage depth doses (PDD) were compared between MC calculations, diode, ion chamber and radiochromic film measurements for six square fields ranging in size from 1 × 1 cm2 to 40 × 40 cm2 at five different depths. The MLC model was evaluated through comparison to radiochromic film for an “E” shaped field defined by the MLCs at two different depths. Results: Profiles and PDDs of MC calculated values for each field size and depth were evaluated against measurements using a tight 3%/1 mm gamma criteria. It was found that 28 out of 30 square field profiles have a gamma pass rate of ≥90%, 20 of which achieved at least a 95% pass rate. All PDDs were found to have at least a 97% pass rate. When compared to film measurements, 97% and 99% of points met the gamma criteria for the MLC shaped field along the inline and crossline axes respectively, while 100% of points achieved the criteria along both axes at a depth of 50 mm. Conclusion: GATE provides a valid, efficient and simple to use MC platform to model medical linear accelerators for the purpose of radiotherapy dose calculation.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».