Reference datasets for commissioning of model‐based dose calculation algorithms for electronic brachytherapy
Notice bibliographique
Résumé
PURPOSE: This work provides the first two clinical test cases for commissioning electronic brachytherapy (eBT) model-based dose calculation algorithms (MBDCAs) for skin irradiation using surface applicators. ACQUISITION AND VALIDATION METHODS: The test cases utilize the INTRABEAM 30 mm surface applicator. Test Case I: water phantom is used to evaluate the algorithm's performance in a uniform medium consisting of a voxelized water cube surrounded by air. Test Case II: Surface eBT represents a heterogeneous medium with four distinct layers: skin tissue, adipose tissue, cortical bone, and soft tissue. Treatment plans for both cases were created and exported into the Radiance treatment planning system (TPS). Dose-to-medium calculations were then performed using this Monte Carlo (MC)-based TPS and compared with MC simulations conducted independently by three different groups using two codes: EGSnrc and PENELOPE. The results agreed within expected Type A and B statistical uncertainties. DATA FORMAT AND USAGE NOTES: The dataset is available online at https://doi.org/10.52519/00005. A proprietary file designed for use within Radiance containing CT images and the treatment plan for both test cases, the LINAC modeling, and the CT calibration are included, as well as reference MC and TPS dose data in RTdose format and all files required to run the MC simulations. POTENTIAL APPLICATIONS: This dataset serves as a valuable resource for commissioning eBT MBDCAs and lays the groundwork for developing clinical test cases for other eBT systems. It is also a helpful educational tool for exploring various eBT devices and their advantages and drawbacks. Furthermore, brachytherapy researchers seeking a benchmark for dosimetric calculations in the low-energy domain will find this dataset indispensable.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,020 |
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 ».