A Novel Method to Verify Gamma Knife Radioactive Source Count
Notice bibliographique
Résumé
Background: Regulation requires periodic reconfirmation of the number of radioactive sources in Gamma Knife (GK). To comply with regulations, the total dose output (TDO) method, originally designed to verify amount of radiation received by patients, was adopted as a tool for source security. However, we suspect the TDO method may be unreliable in detecting small numbers of missing sources given that a 2% margin of error is allowed. We propose an alternate method using Gafchromic films to identify number of sources present. Method: To test the efficacy of the TDO method, we simulated real-life source loss by plugging up to 5 sources. TDO after plugging 0, 1, 2, 3, 4, and 5 sources were measured using GK 4C. Percentage change for each additional source plugged was computed. We then proceeded to test the film method. For GK 4C, 2 Gafchromic RTQA2 single sided films measuring 10 × 10 inch were first halved to 5 × 10 inch films. Four 5 × 10 inch films were then adhered to the inner surface of the 18 mm collimator. For GK Perfexion, 2 Gafchromic EBT3 double sided films measuring 10 × 12 inches were combined and rolled into a cone film and adhered to the collimator during installation. In both cases, the films were exposed to 0.5 Gy. Results: TDO was inversely related to the number of source plugged. TDO decreased by more than 2% after 5 plugs. The film method was able to outline all 201 and 192 Co sources for GK4Cand Perfexion respectively. Conclusion: A single lost source is hard to detect using the TDO method given that at least 5 sources had to be lost before the change in TDO will exceed the margin of error (±2%). The film method bypasses this limitation and offers an easy alternative to accurately obtain the number of sources.
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 ».