Development of anthropomorphic computational phantoms at the UFPE
Notice bibliographique
Résumé
To evaluate the amount of energy deposited in radiosensitive organs and tissues of the human body, when an anthropomorphic phantom is irradiated, researchers in numerical dosimetry use the so-called exposure computational models (ECMs). One can imagine an ECM as a virtual scene composed of a phantom in a mathematically defined position in relation to a radioactive source. The source in these ECMs produces the initial state of the simulation: the position, direction, and energy with which each particle enters the phantom are essential variables. For subsequent states of a particle history, robust Monte Carlo (MC) codes are used. For the subsequent states of a particle's history, robust Monte Carlo (MC) codes are used, which simulate the average free path that the particle performs without interacting, its interaction with the atoms in the medium and the amount of energy deposited per interaction. MC codes also evaluate normalization quantities, so the results are printed in text files in the form of conversion coefficients between the absorbed dose and the selected normalization quantity. From the 2000s, the authors have published ECMs where a voxel phantom is irradiated by photons in the environment of the MC code EGSnrc (EGS = Electron Gamma Shower; nrc = National Research Council Canada). The production of articles, dissertations and theses required the use of specific computational tools, such as the FANTOMAS, DIP (Digital Image Processing) and Monte Carlo applications, for the various steps of numerical dosimetry, which ranges from the preparation of input files to the execution from the ECM to the organization and graphical and numerical analysis of the results. This article reviews computational phantoms for dosimetry mainly those produced in DEN-UFPE dissertations and thesis.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».