MétaCan
Menu
← Retour à la cohorte
Enregistrement W2117139765 · doi:10.1118/1.2241189

SU‐FF‐T‐270: Implementing a Monte Carlo Algorithm for Fields with Dynamic Beam Modifiers

2006· article· en· W2117139765 sur OpenAlexaboutno aff
S. Siljamäki, L Tillikainen, H. Helminen, K. Pesola, W. Volken, Daniel Frei

Notice bibliographique

RevueMedical Physics · 2006
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMonte Carlo methodComputationAlgorithmComputer scienceMonte Carlo algorithmVoxelMathematicsArtificial intelligenceStatistics

Résumé

récupéré en direct d'OpenAlex

Purpose: Monte Carlo methods for photons are slowly becoming available for normal clinical use. Especially for dynamic or otherwise complex fields Monte Carlo methods can be superior to traditional methods. The time to compute a Monte Carlo dose distribution up to a given accuracy is nearly independent of the complexity of the whole plan. Instead, traditional methods usually require computation time directly proportional to the complexity of the treatment. In this work, VMC++ (Voxel Monte Carlo, National Research Council, Canada) algorithm for fields with dynamic beam modifiers has been implemented. Method and Materials: A Monte Carlo implementation of an accelerator head model for dynamic fields is presented. Cases studied include dynamic wedges, sliding window IMRT fields, and complex arc fields. Except for dynamic wedges, the transport through the relevant components is modeled using VMC++. Tongue‐and‐groove, air cavities, divergent leafs, and rounded leaf tips in a multi‐leaf collimator are taken into account. In the case of dynamic wedges the jaws are modeled as impenetratable blocks. The final patient dose calculation is also done using VMC++ algorithm. Results: Results are presented for each of the dynamic components by comparing the Monte Carlo calculated data to measurements. The agreement is excellent in all cases. The calculation time varies from a few minutes to a few hours, depending on the required accuracy and target volume. Conclusion: Monte Carlo is shown to be a very competitive alternative for traditional methods in modeling accessories, especially for dynamic treatments. The results of the corresponding dose calculation match very well with measured beam data. In addition, the obtained execution times are suitable for routine clinical use. Conflict of Interest: This work has been funded by Varian Medical Systems Inc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,273
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetAdvanced Radiotherapy Techniques→Travaux en français237 207→