Comprehensive Monte Carlo calculation of the point spread function for a commercial ‐Si EPID
Notice bibliographique
Résumé
Images produced by commercial amorphous silicon electronic portal imaging devices (a-Si EPIDs) are subject to multiple blurring processes. Implementation of these devices for fluence measurement requires that the blur be removed from the images. A standard deconvolution operation can be performed to accomplish this assuming the blur kernel is spatially invariant and accurately known. This study determines a comprehensive blur kernel for the Varian aS500 EPID. Monte Carlo techniques are used to derive a dose kernel and an optical kernel, which are then combined to yield an overall blur kernel for both 6 and 15 MV photon beams. Experimental measurement of the line spread function (LSF) is used to verify kernel shape. Kernel performance is gauged by comparing EPID image profiles with in-air dose profiles measured using a diamond detector (approximating fluence) both before and after the EPID images have been deconvolved. Quantitative comparisons are performed using the chi metric, an extension of the well-known y metric, using acceptance criteria of 0.0784 cm (1 pixel width) distance-to-agreement (deltad) and 2% of the relative central axis fluence (deltaD). Without incorporating any free parameters, acceptance was increased from 49.0% of pixels in a cross-plane profile for a 6 MV 10 x 10 cm2 open field to 92.0%. For a 10 x 10 cm2 physically wedged field, acceptance increased from 40.3% to 73.9%. The effect of the optical kernel was found to be negligible for these chi acceptance parameters, however for (deltaD= 1%, deltad = 0.0784 cm) we observed an improvement from 66.1% (without) to 78.6% (with) of chi scores <1 (from 20.6% before deconvolution). It is demonstrated that an empirical kernel having a triple exponential form or a semiempirical kernel based on a simplified model of the detector stack can match the performance of the comprehensive kernel.
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 ».