GPU-accelerated calculation of proton microdosimetric spectra as a function of target size, proton energy, and bounding volume size
Notice bibliographique
Résumé
Abstract Objective. Shortcomings of dose-averaged linear energy transfer (LETD), the quantity which is most commonly used to quantify proton relative biological effectiveness, have long been recognized. Microdosimetric spectra may overcome the limitations of LETD but are extremely computationally demanding to calculate. A systematic library of lineal energy spectra for monoenergetic protons could enable rapid determination of microdosimetric spectra in a clinical environment. The objective of this work was to calculate and validate such a library of lineal energy spectra. Approach. SuperTrack, a GPU-accelerated CUDA/C++ based application, was developed to superimpose tracks calculated using Geant4 onto targets of interest and to compute microdosimetric spectra. Lineal energy spectra of protons with energies from 0.1 to 100 MeV were determined in spherical targets of diameters from 1 nm to 10 μm and in bounding voxels with side lengths of 5 μm and 3 mm. Main results. Compared to an analogous Geant4-based application, SuperTrack is up to 3500 times more computationally efficient if each track is resampled 1000 times. Dose spectra of lineal energy and dose-mean lineal energy calculated with SuperTrack were consistent with values published in the literature and with comparison to a Geant4 simulation. Using SuperTrack, we developed the largest known library of proton microdosimetric spectra as a function of primary proton energy, target size, and bounding volume size. Significance. SuperTrack greatly increases the computational efficiency of the calculation of microdosimetric spectra. The elevated lineal energy observed in a 3 mm side length bounding volume suggests that lineal energy spectra determined experimentally or computed in small bounding volumes may not be representative of the lineal energy spectra in voxels of a dose calculation grid. The library of lineal energy spectra calculated in this work could be integrated with a treatment planning system for rapid determination of lineal energy spectra in patient geometries.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».