Absolute prompt-gamma yield measurements for ion beam therapy monitoring
Notice bibliographique
Résumé
Prompt-gamma emission detection is a promising technique for hadrontherapy monitoring purposes. In this regard, obtaining prompt-gamma yields that can be used to develop monitoring systems based on this principle is of utmost importance since any camera design must cope with the available signal. Herein, a comprehensive study of the data from ten single-slit experiments is presented, five consisting in the irradiation of either PMMA or water targets with lower and higher energy carbon ions, and another five experiments using PMMA targets and proton beams. Analysis techniques such as background subtraction methods, geometrical normalization, and systematic uncertainty estimation were applied to the data in order to obtain absolute prompt-gamma yields in units of prompt-gamma counts per incident ion, unit of field of view, and unit of solid angle. At the entrance of a PMMA target, where the contribution of secondary nuclear reactions is negligible, prompt-gamma counts per incident ion, per millimetre and per steradian equal to (124 ± 0.7stat ± 30sys) × 10(-6) for 95 MeV u(-1) carbon ions, (79 ± 2stat ± 23sys) × 10(-6) for 310 MeV u(-1) carbon ions, and (16 ± 0.07stat ± 1sys) × 10(-6) for 160 MeV protons were found for prompt gammas with energies higher than 1 MeV. This shows a factor 5 between the yields of two different ions species with the same range in water (160 MeV protons and 310 MeV u(-1) carbon ions). The target composition was also found to influence the prompt-gamma yield since, for 300/310 MeV u(-1) carbon ions, a 42% greater yield ((112 ± 1stat ± 22sys) × 10(-6) counts ion(-1) mm(-1) sr(-1)) was obtained with a water target compared to a PMMA one.
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 ».