MétaCan
Menu
Retour à la cohorte
Enregistrement W4403895484 · doi:10.1002/mp.17495

Monte Carlo modeling of the origin of contaminant electrons on a 0.5T bi‐planar Linac‐MR

2024· article· en· W4403895484 sur OpenAlexaff
Michael Reynolds, Patricia Oliver, T. R. Wood, Eugene Yip, Shima Yaghoobpour Tari, Keith Wachowicz, B Burke, B. G. Fallone

Notice bibliographique

RevueMedical Physics · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiation Therapy and Dosimetry
Établissements canadiensUniversity of AlbertaNova Scotia Health AuthorityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMonte Carlo methodLinear particle acceleratorPlanarElectronPhysicsDosimetryNuclear physicsComputational physicsMedical physicsNuclear medicineOpticsComputer scienceMedicineBeam (structure)Computer graphics (images)MathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: In the last decade, hybrid linear accelerator magnetic resonance imaging (Linac-MR) devices have evolved into FDA-cleared clinical tools, facilitating magnetic resonance guided radiotherapy (MRgRT). The addition of a magnetic field to radiation therapy has previously demonstrated dosimetric and electron effects regardless of magnetic field orientation. PURPOSE: This study uses Monte Carlo simulations to investigate the importance and efficacy of the magnetic field design in mitigating surface dose enhancement in the Aurora-RT, focusing specifically on contaminant electrons, their origin, and energy spectrum. METHODS: The Aurora-RT 0.5 T Biplanar Linac-MR device was modeled using the BEAMnrc package using the updated EM macros, a magnetic field map generated from Opera 3D. Simulation generated phasespace data at the distal side of the first magnetic pole plate (89 cm) and at machine isocenter (120 cm) were analyzed with respect to electron energy spectra and electron creation origins, both with and without the static magnetic field. RESULTS: The presence of the main magnetic field was verified to affect the origin and distribution of contaminant electrons, removing them from the air column up to 60 cm from the target, and focusing them along the CAX within the region below. Analysis of the remaining electron energy fluence reveals the net removal of electrons with energies > 2 MeV and generation of electrons with energies < 2 MeV in the presence of the static magnetic field as compared to no magnetic field. Moreover, in the presence of the magnetic field the integral energy contained in the contaminant electrons increases from 89 cm to isocenter but is still 15% less overall than the integral energy contained in contaminant electrons without the magnetic field. CONCLUSION: This study provides an analysis of contaminant electrons in the Aurora-RT 0.5 T Linac-MR, emphasizing the role of magnetic field design in successfully minimizing electron contaminants.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,293
Écart entre enseignants0,274 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetRadiation Therapy and DosimetryTravaux en français237 207