Application of a model‐based water‐equivalent EPID image conversion algorithm for linac beam QA
Notice bibliographique
Résumé
PURPOSE: The nonwater-equivalent energy response of electronic portal imaging devices (EPIDs) is a major obstacle to using them for linear accelerator (linac) beam parameter verification. In this study, we propose an EPID-based machine quality assurance (QA) application that uses a model-based radiation transport algorithm to convert EPID-measured images into water-equivalent dose distributions that can be used to assess beam flatness and symmetry. METHODS: An in-house developed, model-based radiation transport algorithm was used to estimate the incident beam fluence from measured EPID images and convert it into either 3D dose distributions in a virtual water tank or 2D water-equivalent dose distributions in a virtual ion chamber array. The conversion algorithm was validated using independent measurements in a scanning water tank and a reference ion chamber array under symmetric and also intentionally detuned (i.e., asymmetric) beam conditions. RESULTS: For symmetric fields, EPID-reconstructed percentage depth dose distributions (PDDs) agreed with water tank measurements to within 1% beyond the first 10 mm of depth. Beam profile comparisons showed differences within 1% in low dose-gradient regions. For all symmetric and intentionally asymmetric fields, beam flatness and symmetry derived from reconstructed images agreed with reference measurements to within 0.2% and 0.3%, respectively. The model demonstrated high sensitivity to the controlled beam asymmetries and steering distortions, with EPID-reconstructed metrics closely matching reference water-equivalent measurements and significantly outperforming metrics derived from raw EPID images. CONCLUSIONS: The proposed model-based algorithm enables accurate conversion of EPID images into water-equivalent dose distributions, facilitating accurate determination of beam flatness and symmetry. This application addresses some limitations of the previously proposed EPID-based linac QA techniques, which are limited to nonwater-equivalent constancy checks, and supports the use of EPIDs as robust dosimetry tools for linac radiation beam parameter verification.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».