MétaCan
Menu
Retour à la cohorte
Enregistrement W4388698797 · doi:10.1088/1742-6596/2630/1/012020

Modified optical computed tomography scanner for low temperature scanning

2023· article· en· W4388698797 sur OpenAlexaff
Nathaniel Woolvett, Kevin Jordan

Notice bibliographique

RevueJournal of Physics Conference Series · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensWestern UniversityLondon Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésScannerMaterials scienceIrradiationCondensationOpticsAnalytical Chemistry (journal)ChemistryChromatographyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Large radiochromic hydrogels, such as ferrous xylenol formulations require several hours to warm from the storage temperature of 278 K to 293 K for optical CT scanning and irradiation. This warm-up time can be avoided if gels are scanned at 278 K, resulting in a more practical 3D dose measurement. In this study a Vista 16 optical CT scanner was modified to allow scanning at 278 K, below the temperature where condensation forms on the aquarium windows. The refractive index matching liquid was first cooled to 276K in order to cool the aquarium as it was filled. The modification involved pumping cool, dry air into the aquarium scanner compartment to provide a positive pressure, preventing condensation on the aquarium windows. A warming rate of 2 K per hour was achieved with passive cooling which relied on the liquid-filled aquarium’s thermal mass. The radiochromic reaction rate decreased with temperature, requiring an increased post-irradiation wait time from 1 hour at 293 K to 1.5 hours at 278 K. In addition, initial sample transmission was greater by avoiding the auto-darkening that occurred as the samples were warmed from 278 K to 293 K over several hours. This increase in transmission resulted in a larger dynamic range for the dosimeter system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,003

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 Opus0,018
Tête enseignante GPT0,279
Écart entre enseignants0,262 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetAdvanced Radiotherapy TechniquesTravaux en français237 207