MétaCan
Menu
Retour à la cohorte
Enregistrement W2036211572 · doi:10.1088/0031-9155/50/8/008

Technical considerations for implementation of x-ray CT polymer gel dosimetry

2005· article· en· W2036211572 sur OpenAlexafffund
Michelle Hilts, Andrew Jirasek, Cheryl Duzenli

Notice bibliographique

RevuePhysics in Medicine and Biology · 2005
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensUniversity of VictoriaUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesBC Cancer AgencyNatural Sciences and Engineering Research Council of Canada
Mots-clésDosimetryDosimeterImaging phantomMedical physicsMaterials scienceVoxelRadiation treatment planningNuclear medicineComputer scienceRadiation therapyBiomedical engineeringMedicineRadiology

Résumé

récupéré en direct d'OpenAlex

Gel dosimetry is the most promising 3D dosimetry technique in current radiation therapy practice. X-ray CT has been shown to be a feasible method of reading out polymer gel dosimeters and, with the high accessibility of CT scanners to cancer hospitals, presents an exciting possibility for clinical implementation of gel dosimetry. In this study we report on technical considerations for implementation of x-ray CT polymer gel dosimetry. Specifically phantom design, CT imaging methods, imaging time requirements and gel dose response are investigated. Where possible, recommendations are made for optimizing parameters to enhance system performance. The dose resolution achievable with an optimized system is calculated given voxel size and imaging time constraints. Results are compared with MRI and optical CT polymer gel dosimetry results available in the literature.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil0,217

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 Opus0,094
Tête enseignante GPT0,442
Écart entre enseignants0,348 · 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'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

Citations71
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

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