Depth Dose Enhancement in Orthovoltage Nanoparticle-Enhanced Radiotherapy: A Monte Carlo Phantom Study
Notice bibliographique
Résumé
BACKGROUND: This study was to examine the depth dose enhancement in orthovoltage nanoparticle-enhanced radiotherapy for skin treatment by investigating the impact of various photon beam energies, nanoparticle materials, and nanoparticle concentrations. METHODS: A water phantom was utilized, and different nanoparticle materials (gold, platinum, iodine, silver, iron oxide) were added to determine the depth doses through Monte Carlo simulation. The clinical 105 kVp and 220 kVp photon beams were used to compute the depth doses of the phantom at different nanoparticle concentrations (ranging from 3 mg/mL to 40 mg/mL). The dose enhancement ratio (DER), which represents the ratio of the dose with nanoparticles to the dose without nanoparticles at the same depth in the phantom, was calculated to determine the dose enhancement. RESULTS: The study found that gold nanoparticles outperformed the other nanoparticle materials, with a maximum DER value of 3.77 at a concentration of 40 mg/mL. Iron oxide nanoparticles exhibited the lowest DER value, equal to 1, when compared to other nanoparticles. Additionally, the DER value increased with higher nanoparticle concentrations and lower photon beam energy. CONCLUSIONS: It is concluded in this study that gold nanoparticles are the most effective in enhancing the depth dose in orthovoltage nanoparticle-enhanced skin therapy. Furthermore, the results suggest that increasing nanoparticle concentration and decreasing photon beam energy lead to increased dose enhancement.
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 | 0,000 | 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 ».