Timing considerations for preclinical MRgRT: effects of ion diffusion, SNR and imaging times on FXG gel calibration
Notice bibliographique
Résumé
Sub-millimeter resolution images are required for gel dosimeters to be used in preclinical research, which is challenging for MR probed ferrous xylenol-orange (FXG) dosimeters due to ion diffusion and inadequate SNR. A preclinical 7 T MR, small animal irradiator and FXG dosimeters were used in all experiments. Ion diffusion was analyzed using high resolution (0.2 mm/pixel) T 1 MR images collected every 5 minutes, post-irradiation, for an hour. Using Fick's second law, ion diffusion was approximated for the first hour post-irradiation. SNR, T1 map precision and calibration fit were determined for two MR protocols: (1) 10 minute acquisition, 0.35mm/pixel and 3mm slices, (2) 45 minute acquisition, 0. 25 mm/pixel and 2 mm slices. SNR and T1 map precision were calculated using a Monte Carlo simulation. Calibration curves were determined by plotting R1 relaxation rates versus depth dose data, and fitting a linear trend line. Ion diffusion was estimated as 0.003mm 2 in the first hour post-irradiation. For protocols (1) and (2) respectively, Monte Carlo simulation predicted T1 precisions of 3% and 5% within individual voxels using experimental SNRs; the corresponding measured T1 precisions were 8% and 12%. The linear trend lines reported slopes of 27 ± 3 Gy*s (R 2 : 0.80 ± 0.04) and 27 ± 4 Gy*s (R 2 : 0.90 ± 0.04). Ion diffusion is negligible within the first hour post-irradiation, and an accurate and reproducible calibration can be achieved in a preclinical setting with sub-millimeter resolution.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».