Theoretical tumor edge detection technique using multiple Bragg peak decomposition in carbon ion therapy
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
Abstract Purpose: The range precision in carbon ion therapy is extremely sensitive to tissue density variations. A high energy carbon beam, after crossing a high-gradient edge parallel to the beam direction, suffers from range mixing leading to the detection of multiple Bragg peaks (BPs) varying intensity and water equivalent thickness (WET). The purpose of this work was to introduce a model that determines the position of a high-gradient edge based on information acquired from carbon transmission imaging. Methods: A model was derived to determine the lateral distance between the irradiation beam propagation axis and the edge position. To validate it, carbon beams were simulated and propagated through two parametric phantoms: (1) a bone cube in a water tank and (2) a semi-cylindrical bone insert in a water tank. The method was tested in a lung tumor case where range mixing led to more than two BPs being detected, requiring an iterative BP decomposition to determine the fraction of carbon ions crossing the materials surrounding the edge of interest. Results: The theoretical model predicted the edge position relative to the beam position with an error ≤1 mm for all studied cases with a maximum dose delivered of 24 μ Gy. Conclusions: The method presented here is a proof of principle. It does not take into account clinical uncertainties. However, this approach provided promising results suggesting that future extension to assess the impact of clinical uncertainties should be performed.
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 | 0,000 | 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 découle