Optimization of photon beam energies in gold nanoparticle enhanced arc radiation therapy using Monte Carlo methods
Notice bibliographique
Résumé
Abstract As a recent area of development in radiation therapy, gold nanoparticle (GNP) enhanced radiation therapy has shown potential to increase tumour dose while maintaining acceptable levels of healthy tissue toxicity. In this study, the effect of varying photon beam energy in GNP enhanced arc radiation therapy (GEART) is quantified through the introduction of a dose scoring metric, and GEART is compared to a conventional radiotherapy treatment. The PENELOPE Monte Carlo code was used to model several simple phantoms consisting of a spherical tumour containing GNPs (concentration: 15 mg Au g −1 tumour, 0.8 mg Au g −1 normal tissue) in a cylinder of tissue. Several monoenergetic photon beams, with energies ranging from 20 keV to 6 MeV, as well as 100, 200, and 300 kVp spectral beams, were used to irradiate the tumour in a 360° arc treatment. A dose metric was then used to compare tumour and tissue doses from GEART treatments to a similar treatment from a 6 MV spectrum. This was also performed on a simulated brain tumour using patient computed tomography data. GEART treatments showed potential over the 6 MV treatment for many of the simulated geometries, delivering up to 88% higher mean dose to the tumour for a constant tissue dose, with the effect greatest near a source energy of 50 keV. This effect is also seen with the inclusion of bone in a brain treatment, with a 14% increase in mean tumour dose over 6 MV, while still maintaining acceptable levels of dose to the bone and brain.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».