A depth dose study between AAA and AXB algorithm against Monte Carlo simulation using AIP CT of a 4D dataset from a moving phantom
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
To identifying depth dose differences between the two versions of the algorithms using AIP CT of a 4D dataset. Motion due to respiration may challenge dose prediction of dose calculation algorithms during treatment planning. The two versions of depth dose calculation algorithms, namely, Anisotropic Analytical Algorithm (AAA) version 10.0 (AAAv10.0), AAA version 13.6 (AAAv13.6) and Acuros XB dose calculation (AXB) algorithm version 10.0 (AXBv10.0), AXB version 13.6 (AXBv13.6), were compared against a full MC simulated 6X photon beam using QUASAR respiratory motion phantom with a moving chest wall. To simulate the moving chest wall, a 4 cm thick wax mould was attached to the lung insert of the phantom. Depth doses along the central axis were compared in the anterior and lateral beam direction for field sizes 2 × 2 cm2, 4 × 4 cm2 and 10 × 10 cm2. For the lateral beam direction, the moving chest wall highlighted differences of up to 105% for AAAv10.0 and 40% for AXBv10.0 from MC calculations in the surface and buildup doses. AAAv13.6 and AXBv13.6 agrees with MC predictions to within 10% at similar depth. For anterior beam doses, dose differences predicted for both versions of AAA and AXB algorithm were within 7% and results were consistent with static heterogeneous studies. The presence of the moving chest wall was capable of identifying depth dose differences between the two versions of the algorithms. These differences could not be identified in the static chest wall as shown in the anterior beam depth dose calculations.
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 | 0,001 | 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 | 0,001 |
| 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 découle