Dose Enhancement for the Flattening-Filter-Free and Flattening-Filter Photon Beams in Nanoparticle-Enhanced Radiotherapy: A Monte Carlo Phantom Study
Notice bibliographique
Résumé
Monte Carlo simulations were used to predict the dose enhancement ratio (DER) using the flattening-filter-free (FFF) and flattening-filter (FF) photon beams in prostate nanoparticle-enhanced radiotherapy, with multiple variables such as nanoparticle material, nanoparticle concentration, prostate size, pelvic size, and photon beam energy. A phantom mimicking the patient's pelvis with various prostate and pelvic sizes was used. Macroscopic Monte Carlo simulation using the EGSnrc code was used to predict the dose at the prostate or target using the 6 MV FFF, 6 MV FF, 10 MV FFF, and 10 MV FF photon beams produced by a Varian TrueBeam linear accelerator (Varian Medical System, Palo Alto, CA, USA). Nanoparticle materials of gold, platinum, iodine, silver, and iron oxide with concentration varying in the range of 3-40 mg/ml were used in simulations. Moreover, the prostate and pelvic size were varied from 2.5 to 5.5 cm and 20 to 30 cm, respectively. The DER was defined as the ratio of the target dose with nanoparticle addition to the target dose without nanoparticle addition in the simulation. From the Monte Carlo results of DER, the best nanoparticle material with the highest DER was gold, based on all the nanoparticle concentrations and photon beams. Smaller prostate size, smaller pelvic size, and a higher nanoparticle concentration showed better DER results. When comparing energies, the 6 MV beams always had the greater enhancement ratio. In addition, the FFF photon beams always had a better DER when compared to the FF beams. It is concluded that gold nanoparticles were the most effective material in nanoparticle-enhanced radiotherapy. Moreover, lower photon beam energy (6 MV), FFF photon beam, higher nanoparticle concentration, smaller pelvic size, and smaller prostate size would all increase the DER in prostate nanoparticle-enhanced radiotherapy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».