Poster — Thur Eve — 52: Clinical use of nanoDots: In‐vivo dosimetry and treatment validation for stereotactic targets with VMAT techniques
Notice bibliographique
Résumé
A newly acquired nanoDot In-Light system was compared with TLD-100 dosimeters to confirm the treatment dose in the multiple cases: an electron eye treatment, H&N IMRT and VMAT validation for small targets. Eye tumour treatment with 9 MeV electrons A dose of 1.8 Gy per fraction was prescribed to the 85% isodose. The average dose measured by three TLDs and three Dots was 1.90 and 1.97 Gy. Both detectors overestimated dose, by 2.9% and 6.7% respectively. H&N IMRT treatment of skin cancer with 6 MV photons Dose per fraction is 2.5 Gy. The average doses measured by two TLDs and two Dots were 2.48 and 2.56 Gy, which represent errors of -0.8% and 2.2%, respectively. VMAT validation for small targets using an Agarose phantom, dose 15 Gy A single-tumour brain treatment was delivered using two coplanar arcs to an Agarise phantom containing a large plastic insert holding 3 nanoDots and 4 TLDs. The difference between the average Pinnacle dose and the average dose of the corresponding detectors was -0.6% for Dots and -1.7% for TLDs. A two-tumour brain treatment was delivered using three non-coplanar arcs. Small and large plastic inserts separated by 5 cm were used to validate the dose. The difference between the average Pinnacle dose and the average dose of the corresponding detectors was the following; small phantom 0.7% for Dots and 0.3% for TLDs, large phantom-1.9% for Dots and -0.6% for TLDs. In conclusion, nanoDot detectors are suitable for in-vivo dosimetry with photon and electron beams.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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) | 0,006 | 0,002 |
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 ».