Image guided IMRT dosimetry using anatomy specific MOSFET configurations
Notice bibliographique
Résumé
We have investigated the feasibility of using a set of multiple MOSFETs in conjunction with the mobile MOSFET wireless dosimetry system, to perform a comprehensive and efficient quality assurance (QA) of IMRT plans. Anatomy specific MOSFET configurations incorporating 5 MOSFETs have been developed for a specially designed IMRT dosimetry phantom. Kilovoltage cone beam computed tomography (kV CBCT) imaging was used to increase the positional precision and accuracy of the detectors and phantom, and so minimize dosimetric uncertainties in high dose gradient regions. The effectiveness of the MOSFET based dose measurements was evaluated by comparing the corresponding doses measured by an ion chamber. For 20 head and neck IMRT plans the agreement between the MOSFET and ionization chamber dose measurements was found to be within -0.26 +/- 0.88% and 0.06 +/- 1.94% (1 sigma) for measurement points in the high dose and low dose respectively. A precision of 1 mm in detector positioning was achieved by using the X-Ray Volume Imaging (XVI) kV CBCT system available with the Elekta Synergy Linear Accelerator. Using the anatomy specific MOSFET configurations, simultaneous measurements were made at five strategically located points covering high dose and low dose regions. The agreement between measurements and calculated doses by the treatment planning system for head and neck and prostate IMRT plans was found to be within 0.47 +/- 2.45%. The results indicate that a cylindrical phantom incorporating multiple MOSFET detectors arranged in an anatomy specific configuration, in conjunction with image guidance, can be utilized to perform a comprehensive and efficient quality assurance of IMRT plans.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».