Inter-comparison of relative stopping power estimation models for proton therapy
Notice bibliographique
Résumé
Theoretical stopping power values were inter-compared for the Bichsel, Janni, ICRU and Schneider relative stopping power (RSP) estimation models, for a variety of tissues and tissue substitute materials taken from the literature. The RSPs of eleven plastic tissue substitutes were measured using Bragg peak shift measurements in water in order to establish a gold standard of RSP values specific to our centre's proton beam characteristics. The theoretical tissue substitute RSP values were computed based on literature compositions to assess the four different computation approaches. The Bichsel/Janni/ICRU approaches led to mean errors in the RSP of -0.1/+0.7/-0.8%, respectively. Errors when using the Schneider approach, with I-values from the Bichsel, Janni and ICRU sources, followed the same pattern but were generally larger. Following this, the mean elemental ionisation energies were optimized until the differences between theoretical RSP values matched measurements. Failing to use optimized I-values when applying the Schneider technique to 72 human tissues could introduce errors in the RSP of up to -1.7/+1.1/-0.4% when using Bichsel/Janni/ICRU I-values, respectively. As such, it may be necessary to introduce an additional step in the current stoichiometric calibration procedure in which tissue insert RSPs are measured in a proton beam. Elemental I-values can then optimized to match these measurements, reducing the uncertainty when calculating human tissue RSPs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 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 ».