SU‐E‐T‐322: The Effects of Microsphere and Surrounding Material Composition on Y‐90 Dose Kernels
Notice bibliographique
Résumé
Purpose: To investigate the effects of microsphere and surrounding material composition on Y‐90 dose kernels. Methods: Dose kernels can be convolved with activity concentrations to calculate non‐uniform dose distributions for patient‐specific dosimetry of Y‐90 microsphere treatments. Monte Carlo simulations were completed with EGSnrc user code EDKnrc to calculate the dose rate at multiple radial distances around various Y‐90 microsphere sources. Glass and resin microsphere simulations were completed with average diameter and density values as well as maximum values based on those given in literature. Both water and liver (as defined in ICRU44, density of 1.06g/cm̂3) were used as the surrounding/scoring material. Point source simulations in water were compared to ICRU72 reference data to validate the simulations. Point source simulations were also completed in water with a density of 1.06g/cm̂3 to evaluate the effects of the density of the surrounding material. All simulations had statistical uncertainties less than 1%.Results: Point source simulations agree to within 2% of the ICRU72 reference data over the range investigated. Glass and resin microsphere simulations in water show a slight decrease in dose rate relative to ICRU72 near the maximum range of Y‐90. The maximum differences were −3.1% and −1.9%, respectively. Simulations in liver show large differences relative to ICRU72, approaching 60% near the maximum range of Y‐90. However, this deviation can be mostly attributed to the difference in density between water and liver Conclusions: The presence of microsphere material causes slight differences in the dose kernel near the maximum range of Y‐90. Large differences were seen in simulations in liver relative to those in water. This is mostly attributed to differences in density of the materials. For accurate patient‐specific dosimetry, it would be necessary to take these differences into account in the calculation of delivered dose.
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 | 0,000 | 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 | 0,000 | 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) | 0,001 | 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 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 ».