Functional forms for photon spectra of clinical linacs
Notice bibliographique
Résumé
Specifying photon spectra of clinical linacs using a functional form is useful for many applications, including virtual source modelling and spectral unfolding from dosimetric measurements such as transmission data or depth-dose curves. In this study, 11 functional forms from the literature are compiled and quantitatively compared. A new function is proposed which offers improvements over existing ones. The proposed function is simple, physics-based and has four free parameters, one of which is the mean incident electron kinetic energy. A comprehensive benchmark set of validated, high-precision Monte Carlo spectra is generated and used to evaluate the strengths and limitations of different functions. The benchmark set has 65 spectra (3.5-30 MV) from Varian, Elekta, Siemens, Tomotherapy, Cyberknife and research linacs. The set includes spectra on- and off-axis from linacs with and without a flattening filter, and in treatment and imaging modes. The proposed function gives the lowest spectral deviations among all functions. It reproduces the energy fluence values in each bin for the benchmark set with a normalized root-mean-square deviation of 1.7%. The mean incident electron kinetic energy, maximum photon energy, most-probable energy and average energy are reproduced, on average, within 1.4%, 4.3%, 3.9% and 0.6% of their true values, respectively. The proposed function is well behaved when used for spectral unfolding from dosimetric data. The contribution of the 511 keV annihilation peak and the energy spread of the incident electron beam can be added as additional free parameters.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».