MétaCan
Menu
Retour à la cohorte
Enregistrement W4311681154 · doi:10.22215/etd/2022-15190

Monte Carlo Modelling of an Orthovoltage X-ray System Using Multiple Applications in EGSnrc

2022· dissertation· en· W4311681154 sur OpenAlexaffabout
Dinindu Gunasekara

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRadiation Effects and Dosimetry
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésMonte Carlo methodReplicateCalibrationIonizing radiationBiodosimetryVariance reductionAbsorbed doseComputer sciencePhysicsNuclear engineeringRadiationMathematicsOpticsIrradiationNuclear physicsStatisticsEngineering

Résumé

récupéré en direct d'OpenAlex

Biodosimetry relies on calibration curves to convert biological damage induced by ionizing radiation to an absorbed dose. Health Canada generates these curves by irradiating biological samples with X-rays, though exposures scenarios could consist of other types of radiation which are challenging to replicate in the laboratory. The ultimate goal of this work is to model the X-ray setup using Monte Carlo methods and to validate the model using inlaboratory measurements. The model was iterated through preliminary and final testing phases in different EGSnrc applications (egs++, SpekPy and BEAMnrc) and optimized using variance reduction techniques, resulting in multiple models. The X-ray spectra produced from each model were compared and found to be equivalent. Model outputs were also compared against laboratory measurements to identify the most accurate model. The final model output will be used in the next phase of the project to model radiobiological damage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,245
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRadiation Effects and DosimetryTravaux en français237 207