A comparison of Monte Carlo, anisotropic analytical algorithm (AAA) and Acuros XB algorithms in assessing dosimetric perturbations during enhanced dynamic wedged radiotherapy deliveries in heterogeneous media
Notice bibliographique
Résumé
Abstract Background A comparison of anisotropic analytical algorithm (AAA) and Acuros XB (AXB) dose calculation algorithms with Electron Gamma Shower (EGSnrc) Monte Carlo (MC) for modelling lung and bone heterogeneities encountered during enhanced dynamic wedged (EDWs) radiotherapy dose deliveries was carried out. Materials and methods In three heterogenous slab phantoms: water–bone, lung–bone and bone–lung, wedged percentage depth doses with EGSnrc, AAA and AXB algorithms for 6 MV photons for various field sizes (5×5, 10×10 and 20×20 cm 2 ) and EDW angles (15°, 30°, 45° and 60°) have been scored. Results For all the scenarios, AAA and AXB results were within ±1% of the MC in the pre-inhomogeneity region. For water–bone AAA and AXB deviated by 6 and 1%, respectively. For lung–bone an underestimation in lung (AAA: 5%, AXB: 2%) and overestimation in bone was observed (AAA: 13%, AXB: 4%). For bone–lung phantom overestimation in bone (AAA: 7%, AXB: 1%), a lung underdosage (AAA: 8%, AXB: 5%) was found. Post bone up to 12% difference in the AAA and MC results was observed as opposed to 6% in case of AXB. Conclusion This study demonstrated the limitation of the AAA (in certain scenarios) and accuracy of AXB for dose estimation inside and around lung and bone inhomogeneities. The dose perturbation effects were found to be slightly dependent on the field size with no obvious EDW dependence.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».