A probabilistic approach for determining Monte Carlo beam source parameters: I. Modeling of a CyberKnife M6 unit
Notice bibliographique
Résumé
Abstract Objective. During Monte Carlo modeling of external radiotherapy beams, models must be adjusted to reproduce the experimental measurements of the linear accelerator being considered. The aim of this work is to propose a new method for the determination of the energy and spot size of the electron beam incident on the target of a linear accelerator using a maximum likelihood estimation. Approach. For that purpose, the method introduced by Francescon et al (2008 Med. Phys. 35 504–13) is expanded upon in this work. Simulated tissue-phantom ratios and uncorrected output factors using a set of different detector models are compared to experimental measurements. A probabilistic formalism is developed and a complete uncertainty budget, which includes a detailed simulation of positioning errors, is evaluated. The method is applied to a CyberKnife M6 unit using four detectors (PTW 60012, PTW 60019, Exradin A1SL and IBA CC04), with simulations being performed using the EGSnrc suite. Main results. The likelihood distributions of the electron beam energy and spot size are evaluated, leading to E ˆ = 7.42 ± 0.17 MeV and F ˆ = 2.15 ± 0.06 mm . Using these results and a 95% confidence region, simulations reproduce measurements in 13 out of the 14 considered setups. Significance. The proposed method allows an accurate beam parameter optimization and uncertainty evaluation during the Monte Carlo modeling of a radiotherapy unit.
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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».