MétaCan
Menu
← Retour à la cohorte
Enregistrement W4245192921 · doi:10.32920/ryerson.14653992.v1

A prototype anti-scatter detector for megavoltage X-ray imaging

2021· preprint· en· W4245192921 sur OpenAlexaff
Manmeet Pal Singh

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésCherenkov radiationCherenkov detectorOpticsPhysicsDetectorPhotomultiplierScatteringIonization chamberOptical fiberImaging phantomSIGNAL (programming language)Ionization

Résumé

récupéré en direct d'OpenAlex

In this work, a prototype anti-scatter detector based on Cherenkov radiation is developed by using glass rods. Scattering lends deleterious effects to the megavoltage x-ray portal imaging and anti-scatter detector can effectively reduce these effects. A 10 cm long glass rod with 1 mm in diameter is used as a Cherenkov detector prototype and it is studied for its response to x-ray scattering from, e.g., machine head and patient. It is subjected to 6 MV x-ray beam generated by linear accelerator (LINAC) with different field sizes (from 3 X 3 to 20 X 20 cm2) at different air gaps such as 10, 30 and 46 cm. The Cherenkov signal created by the detector is transmitted through optical fiber to photomultiplier tube (PMT) and measured by electrometer. The patient scattering is studied by placing a solid water phantom at isocenter. The response of single pixel Cherenkov detector is compared with the conventional ionization chamber detector. It has been observed that glass rod based Cherenkov detector is less sensitive to scatter radiation than ion-chamber for air gap of 10 cm. The Cherenkov signal created by glass rod is quite weak for larger air gaps and the uncertainties are quite high. Moreover, the coupling between Cherenkov detector and optical fiber is quite crucial for transmitting the Cherenkov signal from glass rod into optical fiber.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,340
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedical Imaging Techniques and Applications→Travaux en français237 207→