Incorporating microdosimetry into radiation therapy treatment planning with multi-scale Monte Carlo simulations
Notice bibliographique
Résumé
In order to choose and design optimal treatment plans for radiation therapy, it is necessary to employ models that can predict the tissue response to the ionizing radiation. The conventional models are based on the radiological absorbed dose, which does not account for the effect of radiation damage clustering on cellular response – a more mechanistic model can lead to better metrics for treatment planning. This dissertation presents a novel method for performing multi-scale Monte Carlo simulations to obtain microdosimetric information for patient specific treatments. This is done by using a track structure Monte Carlo simulation in the regions of interest for scoring and a condensed history algorithm for the rest of the geometry. Since the condensed history code does not correctly follow the tracks of particles below a certain energy threshold, the volume in which the track structure simulation is performed must extend beyond the volume in which scoring is done. The effect of this extended volume on simulation accuracy and performance are discussed, and it is shown that the watch volume must extend beyond the target by a distance equal to the range of the subthreshold electrons. This simulation method is benchmarked against experimental measurements for several radioisotopes and run for a volumetric arc radiotherapy plan. In addition, there is a comparison of the microdosimetric characteristics of two widely used track structure simulations(Geant4-DNA and NOREC), and a discussion of the use of Monte Carlo in the patient specific treatment planning for Stereotactic Body Radiotherapy and Total Body Irradiation.
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 | 0,001 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».