MétaCan
Menu
Retour à la cohorte
Enregistrement W1966435337 · doi:10.1097/00004032-200302000-00010

COMPARISON OF SLICED LUNGS WITH WHOLE LUNG SETS FOR A TORSO PHANTOM MEASURED WITH GE DETECTORS USING MONTE CARLO SIMULATIONS (MCNP)

2003· article· en· W1966435337 sur OpenAlexaff
Gary H. Kramer, Steven Guerriere

Notice bibliographique

RevueHealth Physics · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiation Dose and Imaging
Établissements canadiensHealth Canada
Organismes subventionnairesnon disponible
Mots-clésImaging phantomMonte Carlo methodPhotonPlanarMaterials scienceLungCalibrationPhysicsDetectorNuclear medicineBiomedical engineeringOpticsMathematicsComputer scienceMedicineStatistics

Résumé

récupéré en direct d'OpenAlex

Lung counters are generally used to measure low energy photons (<100 keV). They are usually calibrated with lung sets that are manufactured from a lung tissue substitute material that contains homogeneously distributed activity; however, it is difficult to verify either the activity in the phantom or the homogeneity of the activity distribution without destructive testing. Lung sets can have activities that are as much as 25% different from the expected value. An alternative method to using whole lungs to calibrate a lung counter is to use a sliced lung with planar inserts. Experimental work has already indicated that this alternative method of calibration can be a satisfactory substitute. This work has extended the experimental study by the use of Monte Carlo simulation to validate that sliced and whole lungs are equivalent. It also has determined the optimum slice thicknesses that separate the planar sources in the sliced lung. Slice thicknesses have been investigated in the range of 0.5 cm to 9.0 cm and at photon energies from 17 keV to 1,000 keV. Results have shown that there is little difference between sliced and whole lungs at low energies providing that the slice thickness is 2.0 cm or less. As the photon energy rises the slice thickness can increase substantially with no degradation on equivalence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,411
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth PhysicsMême sujetRadiation Dose and ImagingTravaux en français237 207