Dosimetric evaluation of lung treatment plans produced by the Prowess Panther system using Monte Carlo simulation
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: This study evaluated the accuracy of lung dose calculation done by the fast photon effective (FPE) and the collapsed cone convolution (CCC) algorithms of the Prowess Panther treatment planning system (TPS) using Monte Carlo (MC) simulation. Materials and methods: A set of treatment plans of test cases including an acrylic phantom, the QUASAR multi-purpose body phantom, and one lung cancer patient, were created the system to assess the accuracy of the FPE and CCC algorithms. The DICOM-RT files of the plans were imported to the EGSnrc-based Monte Carlo simulation for dose calculations. The plans generated by the TPS and Monte Carlo simulation were compared using relative dose error comparison and 3D gamma index. The gamma index, using global methods, was implemented in PTW-VeriSoft with 3%/3 mm, 2%/2 mm criteria. Results: There was a good agreement between Monte Carlo-simulated and TPS-calculated doses for both the QUASAR multi-purpose body phantom and one lung cancer patient. However, discrepancies for the FPE algorithm were found to be 10% in the inhomogeneous medium such as the lung. Conclusions: The FPE algorithm may not accurately predict the dose distributions in and near the inhomogeneous structures. Monte Carlo simulation and CCC algorithm are more accurate than the FPE algorithm in calculating the dose in an inhomogeneous medium. The FPE and CCC algorithms must be validated before clinical implementation of the system.
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