Deformable scintillation dosimeter I: challenges and implementation using computer vision techniques
Notice bibliographique
Résumé
Plastic scintillation detectors are increasingly used to measure dose distributions in the context of radiotherapy treatments. Their water-equivalence, real-time response and high spatial resolution distinguish them from traditional detectors, especially in complex irradiation geometries. Their range of applications could be further extended by embedding scintillators in a deformable matrix mimicking anatomical changes. In this work, we characterized signal variations arising from the translation and rotation of scintillating fibers with respect to a camera. Corrections are proposed using stereo vision techniques and two sCMOS complementing a CCD camera. The study was extended to the case of a prototype real-time deformable dosimeter comprising an array of 19 scintillating fibers. The signal to angle relationship follows a gaussian distribution (FWHM = 52°) whereas the intensity variation from radial displacement follows the inverse square law. Tracking the position and angle of the fibers enabled the correction of these spatial dependencies. The detecting system provides an accuracy and precision of respectively 0.08 mm and 0.3 mm on the position detection. This resulted in an uncertainty of 2° on the angle measurement. Displacing the dosimeter by ±3 cm in depth resulted in relative intensities of 100 ± 10% (mean ± standard deviation) to the reference position. Applying corrections reduced the variations thus resulting in relative intensities of 100 ± 1%. Similarly, for lateral displacements of ±3 cm, intensities went from 98 ± 3% to 100 ± 1% after the correction. Therefore, accurate correction of the signal collected by a camera imaging the output of scintillating elements in a 3D volume is possible. This work paves the way to the development of real-time scintillator-based deformable dosimeters.
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 | 0,002 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».