An investigation into the use of MMCTP to tune accelerator source parameters and testing its clinical application
Notice bibliographique
Résumé
This paper presents an alternative method to tune Monte Carlo electron beam parameters to match measured data using a minimal set of variables in order to reduce the model setup time prior to clinical implementation of the model. Monte Carlo calculations provide the possibility of a powerful treatment planning verification technique. The nonstandardized and nonautomated process of tuning the required accelerator model is one of the reasons for delays in the clinical implementation of Monte Carlo techniques. This work aims to establish and verify an alternative tuning method that can be carried out in a minimal amount of time, allowing it to be easily implemented in a clinical setting by personnel with minimal experience with Monte Carlo methods. This tuned model can then be incorporated into the MMCTP system to allow the system to be used as a second dose calculation check for IMRT plans. The technique proposed was used to establish the primary electron beam parameters for accelerator models for the Varian Clinac 2100 6 MV photon beam using the BEAMnrc Monte Carlo system. The method is intended to provide a clear, direct, and efficient process for tuning an accelerator model using readily available clinical quality assurance data. The tuning provides a refined model, which agrees with measured dose profile curves within 1.5% outside the penumbra or 3 mm in the penumbra, for square fields with sides of 3 cm up to 30 cm. These models can then be employed as the basis for Monte Carlo recalculations of dose distributions, using the MMCTP system, for clinical treatment plans, providing an invaluable assessment tool. This was tested on six IMRT plans and compared to the measurements performed for the pretreatment QA process. These Monte Carlo values for the average dose to the chamber volume agreed with measurements to within 0.6%.
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 | 0,001 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».