Fast dose calculation in magnetic fields with<tt>GPUMCD</tt>
Notice bibliographique
Résumé
A new hybrid imaging-treatment modality, the MRI-Linac, involves the irradiation of the patient in the presence of a strong magnetic field. This field acts on the charged particles, responsible for depositing dose, through the Lorentz force. These conditions require a dose calculation engine capable of taking into consideration the effect of the magnetic field on the dose distribution during the planning stage. Also in the case of a change in anatomy at the time of treatment, a fast online replanning tool is desirable. It is improbable that analytical solutions such as pencil beam calculations can be efficiently adapted for dose calculations within a magnetic field. Monte Carlo simulations have therefore been used for the computations but the calculation speed is generally too slow to allow online replanning. In this work, GPUMCD, a fast graphics processing unit (GPU)-based Monte Carlo dose calculation platform, was benchmarked with a new feature that allows dose calculations within a magnetic field. As a proof of concept, this new feature is validated against experimental measurements. GPUMCD was found to accurately reproduce experimental dose distributions according to a 2%-2 mm gamma analysis in two cases with large magnetic field-induced dose effects: a depth-dose phantom with an air cavity and a lateral-dose phantom surrounded by air. Furthermore, execution times of less than 15 s were achieved for one beam in a prostate case phantom for a 2% statistical uncertainty while less than 20 s were required for a seven-beam plan. These results indicate that GPUMCD is an interesting candidate, being fast and accurate, for dose calculations for the hybrid MRI-Linac modality.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».