Imaging dose of cone-beam computed tomography in nanoparticle-enhanced image-guided radiotherapy: A Monte Carlo phantom study
Notice bibliographique
Résumé
Using kilovoltage cone-beam computed tomography (kV-CBCT) and heavy-atom radiosensitizers in image-guided radiotherapy (IGRT) can provide numerous benefits, such as image contrast enhancement in radiation dose delivery. However, the increased use of kV-CBCT for daily imaging procedures may inevitably deposit certain amount of radiation dose to the patient, especially when nanoparticles used as radiosensitizers are involved. In this study, we use Monte Carlo simulation to evaluate the imaging dose escalation due to nanoparticle addition with varying nanoparticle material, nanoparticle concentration and photon beam energy. A phantom was used to determine the relationships between the imaging dose enhancement ratios (IDERs) and different concentrations (3–40 mg/ml) of gold (Au), platinum (Pt), iodine (I), silver (Ag) and iron oxide (Fe<sub>2</sub>O<sub>3</sub>) nanoparticles, under the delivery of 120–140 kVp photon beams from the CBCT. It is found that gold and platinum nanoparticles of 40 mg/ml concentration had the highest IDER (∼1.6) under the 120 kVp photon beam. This nanoparticle addition resulted in a 0.63% increase of imaging dose based on a typical dose prescription of 200 cGy per fraction in radiotherapy, and is within the standard uncertainty of ±5% in radiation dose delivery. This study proves that the incorporation of higher concentration nanoparticles under lower photon beam energy could increase the imaging dose. The results from this study can enable us to understand more about the incorporation of heavy-atom nanoparticles in IGRT systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».