MétaCan
Menu
Retour à la cohorte
Enregistrement W2023042056 · doi:10.1088/0031-9155/51/17/n02

Measurement for the MLC leaf velocity profile by considering the leaf leakage using a radiographic film

2006· article· en· W2023042056 sur OpenAlexaff
James C. L. Chow, Grigor N. Grigorov

Notice bibliographique

RevuePhysics in Medicine and Biology · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor Technologies Research
Établissements canadiensGrand River HospitalPrincess Margaret Cancer CentreUniversity of TorontoUniversity of WaterlooUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésCollimatorLeakage (economics)RadiographyEnhanced Data Rates for GSM EvolutionOpticsLine (geometry)Consistency (knowledge bases)Materials scienceNuclear medicineMathematicsPhysicsMedicineComputer scienceGeometryRadiologyComputer vision

Résumé

récupéré en direct d'OpenAlex

A method to measure the velocity profile of a multi-leaf collimator (MLC) leaf along its travel range using a radiographic film is reported by considering the intra-leaf leakage. A specific dynamic MLC field with leaves travelling from the field edge to the isocentre line was designed. The field was used to expose a radiographic film, which was then scanned, and the dose profile along the horizontal leaf axis was measured. The velocity at a sampling point on the film can be calculated by considering the horizontal distance between the sampling point and the isocentre line, dose at the sampling point, dose rate of the linear accelerator, the total leaf travel time from the field edge to isocentre line and the pre-measured dose rate of leaf leakage. With the leaf velocities and velocity profiles for all MLC leaves measured routinely, a comprehensive and simple QA for the MLC can be set up to test the consistency of the leaf velocity performance which is essential to the IMRT delivery using a sliding window technique.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,221
Tête enseignante GPT0,360
Écart entre enseignants0,139 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations8
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetAdvanced Sensor Technologies ResearchTravaux en français237 207