Spectral sensitivity study of dose distributions for a commercial convolution/superposition algorithm
Notice bibliographique
Résumé
The focus of this study is to validate whether the sensitivity of dose distribution following the interface of different media can be used to distinguish between small variations of photon energy spectra in the context of the convolution/superposition algorithm in the polyenergetic implementation (Philips Pinnacle3, ADAC Laboratories, Milpitas, CA). Calculations were performed in homogeneous water and heterogeneous lung/water phantoms. Spectra were generated, in which the weights of the low-, medium- and high-energy components were adjusted sequentially. The heterogeneity correction factor CFlung, the D20/D10 ratio for homogeneous water and logarithmic derivative in buildup region LDbuildup were assessed for their relative ability to discriminate between different spectra for various field sizes. In accordance with another study (Charland et al 2004), the superior discrimination ability of the CFlung and LDbuildup tests over the D20/D10 test was observed for changes in an energy component as small as 0.3% of the total weight in the energy spectrum. Furthermore, new tests utilizing transverse dose profile data for discriminating between spectra, Fringe Index (FI) and Penumbra Index (PI), were introduced. The discrimination ability of the PI and FI tests was superior when a medium containing interface effects was exploited to obtain the transverse profile data (water/lung phantom for PIhung and FIlung tests) as opposed to when a homogeneous water medium was used (PIwater and FIwater tests).
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».