MO-EE-A1-01: A Necessary and Efficient Cerenkov Subtraction Technique for in Vivo Scintillation Dosimetry for HDR Brachytherapy
Notice bibliographique
Résumé
Purpose: To study the Cerenkov contribution in scintillation dosimetry at lower energies using an HDR Ir-192 brachytherapy source and to show the need for its subtraction for accurate in vivo dosimetry. Method and Materials: The detector consisted of a green plastic scintillating fiber coupled to an optical fiber guide. Light was detected using an RGB photodiode connected to a two-channel electrometer (SuperMax model, Standard Imaging), which allows for implementation of different Cerenkov removal techniques. Measurements were performed in solid water. The detector's characteristics were assessed as well as the performance of different Cerenkov filtration techniques. Results from single-color filtration and a more sophisticated chromatic technique were compared to the case where no specific technique was used. A previously benchmarked Monte Carlo study of the dose distribution for the microSelectron V2 Ir-192 radioactive seed was used as the gold standard for comparison. Results: We have shown that this detector is capable of measuring accurately dose rates down to 1 mGy/s and was far from saturation for source distances as small as 2 mm from the scintillator. The Cerenkov component could be easily resolved up to 7 cm from the scintillator. This study demonstrates that when no specific Cerenkov removal technique is used, the detector will yield inaccurate results in certain conditions. Furthermore, the chromatic method clearly outperformed the simple color filter. Finally, the dose rates calculated with the chromatic method were found in good agreement with gold standard data. Conclusion: Including an effective Cerenkov removal technique will enhance the versatility of the plastic scintillation detector and will increase its accuracy. The development of a detector with a built-in Cerenkov removal technique is an important step towards the goal of performing accurate in vivo dosimetry during HDR Ir-192 brachytherapy. Supported by the NCI (1R01CA120198-01A2)
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».