Influence of breast composition and interseed attenuation in dose calculations for post-implant assessment of permanent breast<sup>103</sup>Pd seed implant
Notice bibliographique
Résumé
The impact of tissue heterogeneity and interseed attenuation is studied in post-implant evaluation of five clinical permanent breast (103)Pd seed implants using the Monte Carlo (MC) dose calculation method. Dose metrics for the target (PTV) as well as an organ at risk (skin) are used to visualize the differences between a TG43-like MC method and more accurate MC methods capable of considering the breast tissue heterogeneity as well as the interseed attenuation. PTV dose is reduced when using a breast tissue model instead of water in MC calculations while the dose to the skin is increased. Furthermore, we investigate the effect of varying the glandular/adipose proportion of the breast tissue on dose distributions. The dose to the PTV (skin) decreases (increases) with the increasing adipose proportion inside the breast. In a complete geometry and compared to a TG43-like situation, the average PTV D(90) reduction varies from 3.9% in a glandular breast to 35.5% when the breast consists entirely of adipose. The skin D(10) increases by 28.2% in an entirely adipose breast. The results of this work show the importance of an accurate and patient-dependent breast tissue model to be used in the dosimetry for this kind of low energy implant.
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 ».