Considerations and limitations of fast Monte Carlo electron transport in radiation therapy based on precalculated data
Notice bibliographique
Résumé
The purpose of this work is to revisit the impediments and characteristics of fast Monte Carlo techniques for applications in radiation therapy treatment planning using new methods of utilizing pregenerated electron tracks. The limitations of various techniques for the improvement of speed and accuracy of electron transport have been evaluated. A method is proposed that takes advantage of large available memory in current computer hardware for extensive generation of precalculated data. Primary tracks of electrons are generated in the middle of homogeneous materials (water, air, bone, lung) and with energies between 0.2 and 18 MeV using the EGSnrc code. Secondary electrons are not transported, but their position, energy, charge, and direction are saved and used as a primary particle. Based on medium type and incident electron energy, a track is selected from the precalculated set. The performance of the method is tested in various homogeneous and heterogeneous configurations and the results were generally within 2% compared to EGSnrc but with a 40-60 times speed improvement. In a second stage the authors studied the obstacles for further increased speed-ups in voxel geometries by including ray-tracing and particle fluence information in the pregenerated track information. The latter method leads to speed increases of about a factor of 500 over EGSnrc for voxel-based geometries. In both approaches, no physical calculation is carried out during the runtime phase after the pregenerated data has been stored even in the presence of heterogeneities. The precalculated data are generated for each particular material and this improves the performance of the precalculated Monte Carlo code both in terms of accuracy and speed. Precalculated Monte Carlo codes are accurate, fast, and physics independent and therefore applicable to different radiation types including heavy-charged particles.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».