MétaCan
Menu
Retour à la cohorte
Enregistrement W2017007057 · doi:10.1088/0031-9155/49/8/013

Modelling an extreme water–lung interface using a single pencil beam algorithm and the Monte Carlo method

2004· article· en· W2017007057 sur OpenAlexaff
Gavin Cranmer‐Sargison, Wayne Beckham, I A Popescu

Notice bibliographique

RevuePhysics in Medicine and Biology · 2004
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensBC Cancer AgencyUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésMonte Carlo methodImaging phantomDosimetryBeam (structure)Convolution (computer science)Materials scienceNuclear medicineComputational physicsPhysicsMathematicsComputer scienceOpticsStatisticsMedicine

Résumé

récupéré en direct d'OpenAlex

The goal of this study was to quantify, in a heterogeneous phantom, the difference between experimentally measured beam profiles and those calculated using both a commercial convolution algorithm and the Monte Carlo (MC) method. This was done by arranging a phantom geometry that incorporated a vertical solid water-lung material interface parallel to the beam axis. At nominal x-ray energies of 6 and 18 MV, dose distributions were modelled for field sizes of 10 x 10 cm(2) and 4 x 4 cm(2) using the CadPlan 6.0 commercial treatment planning system (TPS) and the BEAMnrc-DOSXYZnrc Monte Carlo package. Beam profiles were found experimentally at various depths using film dosimetry. The results showed that within the lung region the TPS had a substantial problem modelling the dose distribution. The (film-TPS) profile difference was found to increase, in the lung region, as the field size decreased and the beam energy increased; in the worst case the difference was more than 15%. In contrast, (film-MC) profile differences were not found to be affected by the material density difference. BEAMnrc-DOSXYZnrc successfully modelled the material interface and dose profiles to within 2%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,649
Score d'incertitude au seuil0,364

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,202
Tête enseignante GPT0,405
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207