Sci‐YIS Fri ‐ 04: Clinical impact of seed density and prostate elemental composition on permanent seed implant dosimetry
Notice bibliographique
Résumé
The purpose is to evaluate the impact of inter‐seed attenuation and prostate elemental composition in clinical prostate treatment plans with 6711 125I permanent seed implants using the Monte Carlo (MC) method. The effect of seed density (number of seeds per prostate unit volume) is specifically investigated. The MC toolkit Geant4 is used to perform the simulations. The study focuses on treatment plans that were generated for clinical cases. For each plan, four different dose calculation techniques are compared: TG43‐based calculation, superposition MC (SMC), full MC with water prostate (MCW), and full MC with realistic prostate tissue (MCP). The SMC method is a technique for which a shifted one‐source MC distribution is added to the total dose distribution for each source position. It was found that seed density has a definite influence on inter‐seed attenuation. A typical low seed density (42 0.6 mCi seeds in a 26 cc prostate) yields a 0.7% drop in the CTV D90 value when comparing SMC to MCW while a drop of 2.5% is calculated for a higher seed density (75 0.3 mCi seeds, same prostate). The influence of the prostate composition is similar for all plans. When comparing MCW to MCP, the difference in total dose deposited in the CTV is 2.9 +/− 0.2%, while it is 3.6 +/− 0.3% for the D90 parameter. Overall, the effect on D90 is ranging from 4.3% to 9.3% when comparing TG43 to MCP. This effect is clinically significant.
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 | 0,000 |
| 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 ».