Monte Carlo based electron treatment planning and cutout output factor calculations
Notice bibliographique
Résumé
La radiotherapie d'électrons offre plusieurs avantages en comparaison avec les photons. La dose de surface élevée, en combinaison avec une dose descendante plus rapide au-delà du volume prévu présente un taux plus élevé de la probabilité de contrôle tumoral et diminue les complications dans les tissus normaux en évitant les tumeurs superficiel. Les traitements d'électrons sont habituellement utilisés cliniquement sans calculations de doses prévu, due à leurs complexités du transport d'électron qui sont impliqués et plusieurs erreurs de precision en planification. Cette recherche utilise les methodes de Monte Carlo (MC) pour démontrer cliniquement les faisceaux d'électrons pour précisément calculer la dose d'électron distribuée au patients mais aussi pour pouvoir calculer les facteurs de dendements de cutout, et ceci réduit le besoin d'une mesure clinique. Ce projet a été élaboré dans un environnement de calculation par MC: McGill Monte Carlo Treatment Planning (MMCTP) System. Mesure de pourcentage de dose en profondeur, profiles et les facteurs de rendements de cutout ainsi que de doses mesurés avec des films GAFCHROMIC EBT2 dans les phantoms hétérogène ont été obtenu pour déléguer la modèle de faisceau d'électron. L'utilisation de MC pour l'électrode TP sera apporter des traitements plus précis et en consequence produire plus de connaissance de la dose d'electrons plus approprié pour le patient. Ces attributions pourront sauver jusqu'à une heure par patient en terme de temps passé en clinique.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».