Small field dose delivery evaluations using cone beam optical computed tomography-based polymer gel dosimetry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper explores the combination of cone beam optical computed tomography with an N-isopropylacrylamide (NIPAM)-based polymer gel dosimeter for three-dimensional dose imaging of small field deliveries. Initial investigations indicate that cone beam optical imaging of polymer gels is complicated by scattered stray light perturbation. This can lead to significant dosimetry failures in comparison to dose readout by magnetic resonance imaging (MRI). For example, only 60% of the voxels from an optical CT dose readout of a 1 l dosimeter passed a two-dimensional Low's gamma test (at a 3%, 3 mm criteria, relative to a treatment plan for a well-characterized pencil beam delivery). When the same dosimeter was probed by MRI, a 93% pass rate was observed. The optical dose measurement was improved after modifications to the dosimeter preparation, matching its performance with the imaging capabilities of the scanner. With the new dosimeter preparation, 99.7% of the optical CT voxels passed a Low's gamma test at the 3%, 3 mm criteria and 92.7% at a 2%, 2 mm criteria. The fitted interjar dose responses of a small sample set of modified dosimeters prepared (a) from the same gel batch and (b) from different gel batches prepared on the same day were found to be in agreement to within 3.6% and 3.8%, respectively, over the full dose range. Without drawing any statistical conclusions, this experiment gives a preliminary indication that intrabatch or interbatch NIPAM dosimeters prepared on the same day should be suitable for dose sensitivity calibration.
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.
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 | 0,001 |
| 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 découle