Influence of trace elements in human tissue in low-energy photon brachytherapy dosimetry
Notice bibliographique
Résumé
The aim of this paper is to determine the dosimetric impact of trace elements in human tissues for low-energy photon sources used in brachytherapy. Monte Carlo dose calculations were used to investigate the dosimetric effect of trace elements present in normal or cancerous human tissues. The effect of individual traces (atomic number Z = 11-30) was studied in soft tissue irradiated by low-energy brachytherapy sources. Three other tissue types (prostate, adipose and mammary gland) were also simulated with varying trace concentrations to quantify the contribution of each trace to the dose distribution. The dose differences between cancerous and healthy prostate tissues were calculated in single- and multi-source geometries. The presence of traces in a tissue produces a difference in the dose distribution that is dependent on Z and the concentration of the trace. Low-Z traces (Na) have a negligible effect (<0.3%) in all tissues, while higher Z (K) had a larger effect (>3%). There is a potentially significant difference in the dose distribution between cancerous and healthy prostate tissues (4%) and even larger if compared to the trace-free composition (15%) in both single- and multi-sourced geometries. Trace elements have a non-negligible (up to 8% in prostate D(90)) effect on the dose in tissues irradiated with low-energy photon sources. This study underlines the need for further investigation into accurate determination of the trace composition of tissues associated with low-energy brachytherapy. Alternatively, trace elements could be incorporated as a source of uncertainty in dose calculations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».