A study to determine the optimal input parameters for the Monte Carlo simulation of a clinical linear accelerator
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Currently, commercial treatment planning systems are validated against Monte Carlo (MC) simulation in medical physics research. MC is the current gold standard to model the transport of radiation. In this study, a Monte Carlo package, Electron Gamma Shower from the National Research Council Canada (EGSnrc), is chosen to calculate the dose distribution for photon beams under standard reference and small field conditions and validated against measured data. \n \nIn a MC simulation of photon beam, 2 key components are needed; First, a photon beam source and second, a target medium. External beam radiotherapy is the most common form of radiotherapy for treating cancer, and a linear accelerator (LINAC) is used to deliver the radiation. A target medium can be of any material of interest for study or a human body for clinical application. \n \nEGSnrc is able to model a LINAC through its subroutine BEAMnrc. BEAMnrc models the geometry and materials of a commercial LINAC. However, the exact modeling of a commercial linac in BEAMnrc may not yield the best or optimal clinical beam distribution against actual measured data. As such, a few key LINAC parameters in BEAMnrc will have to be varied and simulated in a water phantom to produce a depth dose and lateral dose profile to match clinically measured results. Various parameters will be adjusted in the BEAMnrc LINAC model to derive a set of optimal parameters that produces the closest match between simulation and measured. They are the electron energy, the full width half maximum or FWHM of the electron beam and the jaw thickness. \n \nThe results of the study has shown that optimal parameters differs between different field sizes for the LINAC, contrary to recommendations by previous studies.
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.
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) | 0,001 | 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 | 0,001 | 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 découle