Comparison of dose calculation algorithms with Monte Carlo methods for photon arcs
Notice bibliographique
Résumé
The objective of this study is to seek an accurate and efficient method to calculate the dose distribution of a photon arc. The algorithms tested include Monte Carlo, pencil beam kernel (PK), and collapsed cone convolution (CCC). For the Monte Carlo dose calculation, EGS4/DOSXYZ was used. The SRCXYZ source code associated with the DOSXYZ was modified so that the gantry angle of a photon beam would be sampled uniformly within the arc range about an isocenter to simulate a photon arc. Specifically, photon beams (6/18 MV, 4 x 4 and 10 x 10 cm2) described by a phase space file generated by BEAM (MCPHS), or by two point sources with different photon energy spectra (MCDIV) were used. These methods were used to calculate three-dimensional (3-D) distributions in a PMMA phantom, a cylindrical water phantom, and a phantom with lung inhomogeneity. A commercial treatment planning system was also used to calculate dose distributions in these phantoms using equivalent tissue air ratio (ETAR), PK and CCC algorithms for inhomogeneity corrections. Dose distributions for a photon arc in these phantoms were measured using a RK ion chamber and radiographic films. For homogeneous phantoms, the measured results agreed well (approximately 2% error) with predictions by the Monte Carlo simulations (MCPHS and MCDIV) and the treatment planning system for the 180 degrees and 360 degrees photon arcs. For the dose distribution in the phantom with lung inhomogeneity with a 90 degrees photon arc, the Monte Carlo calculations agreed with the measurements within 2%, while the treatment planning system using ETAR, PK and CCC underestimated or overestimated the dose inside the lung inhomogeneity from 6% to 12%.
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 ».