Development of a scatter correction technique and its application to HDR I192r multicatheter breast brachytherapy
Notice bibliographique
Résumé
This article introduces a scatter correction (SC) technique for high-dose-rate (HDR) 192Ir brachytherapy dose calculations in the absence of a full scatter environment near the skin. The technique uses dosimetry data derived by Monte Carlo (MC) simulations for the Nucletron microSelectron v2 HDR 192Ir source. The data include the primary and scatter components of the radial dose function and the anisotropy function in addition to a SC table. The dose to a point of interest for each dwell position is estimated by first calculating the primary and scatter doses in an infinite water phantom. The scatter dose is then scaled by a SC factor that depends on the distances between the point of interest, the dwell positions, and the body contour of the patient. SC calculations in water phantoms of three different shapes, as well as computed tomography-based geometries of 18 multicatheter breast patients, are compared with Task Group 43 (TG-43) and PTRAN_CT MC calculations. The SC calculations show improvement over TG-43 for all test cases while taking 50% longer to run. The target and skin doses for the breast patient plans are unaffected by tissue inhomogeneities, as indicated by an agreement better than 1% between the SC and MC results. On average, TG-43 overestimates the target coverage by 2% and the dose to the hottest 0.1 cm3 (D0.1 cc) of the skin by 5%. The low-density lung causes the lung and heart D0.1 cc to differ by up to 3% for the SC method and by 2%-5% for TG-43 compared with MC calculations. The SC technique is suitable for HDR 192Ir dose calculations near the skin provided that the dose is nearly unperturbed by internal inhomogeneities. It has been validated for multicatheter breast brachytherapy.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».