Validation of the Eclipse AAA algorithm at extended SSD
Notice bibliographique
Résumé
The accuracy of dose calculations at extended SSD is of significant importance in the dosimetric planning of total body irradiation (TBI). In a first step toward the implementation of electronic, multi-leaf collimator compensation for dose inhomogeneities and surface contour in TBI, we have evaluated the ability of the Eclipse AAA to accurately predict dose distributions in water at extended SSD. For this purpose, we use the Eclipse AAA algorithm, commissioned with machine-specific beam data for a 6 MV photon beam, at standard SSD (100 cm). The model was then used for dose distribution calculations at extended SSD (179.5 cm). Two sets of measurements were acquired for a 6 MV beam (from a Varian linear accelerator) in a water tank at extended SSD: i) open beam for 5 x 5, 10 x 10, 20 x 20 and 40 x 40 cm2 field sizes (defined at 179.5 cm SSD), and ii) identical field sizes but with a 1.3 cm thick acrylic spoiler placed 10 cm above the water surface. Dose profiles were acquired at 5 cm, 10 cm and 20 cm depths. Dose distributions for the two setups were calculated using the AAA algorithm in Eclipse. Confidence limits for comparisons between measured and calculated absolute depth dose curves and normalized dose profiles were determined as suggested by Venselaar et al. The confidence limits were within 2% and 2 mm for both setups. Extended SSD calculations were also performed using Eclipse AAA, commissioned with Varian Golden beam data at standard SSD. No significant difference between the custom commissioned and Golden Eclipse AAA was observed. In conclusion, Eclipse AAA commissioned at standard SSD can be used to accurately predict dose distributions in water at extended SSD for 6 MV open beams.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».