Monte Carlo Dose Calculations for Permanent Breast Seed Implant Brachytherapy
Notice bibliographique
Résumé
In order to investigate the use of patient-specific (rather than water-based) models for permanent breast seed implant (PBSI) brachytherapy, a retrospective study of 35 PBSI patients is performed.Virtual detailed-tissue patient models are created and overlaid with Pd-103 seed geometries, allowing for simulations with egs brachy, a new Monte Carlo code.Considerable discrepancies in dose distributions are demonstrated.Target dose metrics are 4-26% higher using TG43 assumptions, skin metrics are underestimated by up to 66.5%, and large disparities are observed in heart, lung, and rib doses.The sensitivity of dose distributions to assumptions in model creation is examined.Individualized adipose-gland segmentation thresholds and realistic seed orientations are shown to be important for accurate modeling.Radioprotective lead shielding has a negligible impact on skin dose.This thesis demonstrates the importance of detailed patient modeling for PBSI brachytherapy, illustrating the shortcomings of TG43-based simulations and contributing to the future clinical implementation of model-based dose calculation algorithms.I'd like to thank all the people who helped this thesis take shape over the last two years.First, I'd like to thank my family.Without the support of Patsy, Lorne, Connor, and Joe, I would have never been able to successfully finish this project.
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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».