MétaCan
Menu
Retour à la cohorte
Enregistrement W2152894352 · doi:10.1109/iembs.2000.900687

Neutron therapy using medical linacs

2002· article· en· W2152894352 sur OpenAlexaff
N. Adnani, B. G. Fallone

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiation Therapy and Dosimetry
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésNeutron captureLinear particle acceleratorNeutronNeutron temperatureNeutron fluxPhotonCollimatorBeam (structure)BoronNeutron sourceNeutron radiationPhysicsNuclear physicsMaterials scienceRadiochemistryOpticsChemistry

Résumé

récupéré en direct d'OpenAlex

Measurements of the neutron flux generated at depth in water by an 18 MV photon beam of a Varian 2100C linac are presented. The thermal neutron flux at depth exhibits a maximum at around 5 cm of 1.37/spl times/10/sup 6/ n/cm/sup 2//s for a 40/spl times/40 cm/sup 2/ field size, 100 cm SSD and a photon output of 400 MU/min. Because of the low thermal neutron flux, a large concentration of boron-10 at the tumor is required to achieve significant dose deposition by boron neutron capture reaction. To reduce the concentration required at the tumor it is necessary to increase the irradiation time without a significant increase in the photon dose. This is found to be possible by completely closing the collimator jaws which results in a 1000 times reduction in the photon dose. Also the thermal neutron flux can be further increased by reducing the SSD to the minimum possible (50 cm in the authors' case). In such conditions, the linac can be considered to be operating in a neutron beam mode. In addition, a 25 MV photon beam will generated 10 times more neutrons than an 18 MV beam. This report demonstrates that boron neutron capture therapy and boron neutron capture enhanced photon therapy can be successfully performed using the neutron beam generated by high energy medical linacs.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,320
Écart entre enseignants0,252 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations1
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRadiation Therapy and DosimetryTravaux en français237 207