Development of optimised tissue-equivalent materials for proton therapy
Notice bibliographique
Résumé
Abstract Objective . In proton therapy there is a need for proton optimised tissue-equivalent materials as existing phantom materials can produce large uncertainties in the determination of absorbed dose and range measurements. The aim of this work is to develop and characterise optimised tissue-equivalent materials for proton therapy. Approach . A mathematical model was developed to enable the formulation of epoxy-resin based tissue-equivalent materials that are optimised for all relevant interactions of protons with matter, as well as photon interactions, which play a role in the acquisition of CT numbers. This model developed formulations for vertebra bone- and skeletal muscle-equivalent plastic materials. The tissue equivalence of these new materials and commercial bone- and muscle-equivalent plastic materials were theoretical compared against biological tissue compositions. The new materials were manufactured and characterised by their mass density, relative stopping power (RSP) measurements, and CT scans to evaluate their tissue-equivalence. Main results . Results showed that existing tissue-equivalent materials can produce large uncertainties in proton therapy dosimetry. In particular commercial bone materials showed to have a relative difference up to 8% for range. On the contrary, the best optimised formulations were shown to mimic their target human tissues within 1%–2% for the mass density and RSP. Furthermore, their CT-predicted RSP agreed within 1%–2% of the experimental RSP, confirming their suitability as clinical phantom materials. Significance . We have developed a tool for the formulation of tissue-equivalent materials optimised for proton dosimetry. Our model has enabled the development of proton optimised tissue-equivalent materials which perform better than existing tissue-equivalent materials. These new materials will enable the advancement of clinical proton phantoms for accurate proton dosimetry.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».