Proton loss model for therapeutic beam dose calculations
Notice bibliographique
Résumé
A transport algorithm called the proton loss (PL) model is developed for proton pencil beams of therapeutic energies. The PL model takes into account inelastic nuclear reactions, pathlength straggling, and energy-loss straggling and predicts the 3D dose distribution from a proton pencil beam. In proton beams, the multiple scattering and ionizational energy loss processes approach their diffusional limit where scattering and energy loss probability densities become Gaussian. Therefore we chose to derive the PL model from the Fermi-Eyges diffusional multiple scattering theory and the Gaussian theory of energy straggling. We first introduce a generalization of the Fermi-Eyges equation for proton pencil beams, labeled the proton loss (PL) transport equation. This new equation includes terms that model inelastic nuclear reactions as a depth-dependent absorption and pathlength straggling as a quasi-absorption. Then energy straggling is taken into account by using a weighted superposition of a discrete number of elementary pencil beams. These elementary pencil beams have different initial energies and lose energy according to the CSDA, thus they have different ranges of penetration. A final solution for the proton beam transport is obtained as a linear combination of elementary pencil beam solutions with weights defined by the Gaussian evolution of the proton energy spectrum with depth. A numerical comparison of the dose distribution predictions of the PL model with measurements and PTRAN Monte Carlo simulations indicates the model is both computational fast and accurate.
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) | 0,001 | 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 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 ».