Monte Carlo simulation on the imaging contrast enhancement in nanoparticle-enhanced radiotherapy
Notice bibliographique
Résumé
This study focused on the imaging in radiotherapy by finding the relationship between the imaging contrast ratio and appropriate gold, iodine, iron oxide, silver, and platinum nanoparticle concentrations; the relationship between the imaging contrast ratio and different beam energies for the different nanoparticle concentrations; the relationship between the contrast ratio and various beam energies for gold nanoparticles; and the relationship between the contrast ratio and different thicknesses of the incident layer of the phantom including variety of gold nanoparticles (GNPs) concentration. Monte Carlo simulation was used to model the gold, iodine, iron oxide, silver, and platinum nanoparticle concentration which were infused within a heterogeneous phantom (50 cm × 50 cm × 10.5 cm) choosing different concentrations (3, 7, 18, 30, and 40 mg), and beams (100, 120, 130, and 140 kVp) correspondingly that were delivered into the phantom. The results showed obvious connection between the high concentration and having a high imaging contrast ratio, low energy and a high contrast ratio, small thickness, and a high contrast ratio. The superior nanoparticle obtained was GNP, the better concentration was 40 mg, the better beam energy was 100 kVp, and the better thickness was 0.5 cm. It is concluded that our study successfully proved that medical imaging contrast could be improved by increasing the contrast ratio using GNP as the finest choice to accomplish this improvement considering a high concentration, low beam energy, and a small thickness.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».