HetMS-MC: A framework for heterogeneous multiscale Monte Carlo modelling in radiation medicine
Notice bibliographique
Résumé
BACKGROUND: Radiation medicine involves processes spanning many length scales and there is interest in modelling across scales to advance knowledge, particularly for prospective treatment approaches, e.g., gold nanoparticle-enhanced radiation therapy (GNPT). Previously, implementation of this type of multiscale modelling in radiation medicine has been problem-based, with little standardization and no established framework. PURPOSE: To introduce a framework for heterogeneous multiscale Monte Carlo (HetMS-MC) modelling in radiation medicine. METHODS: The presented framework includes considerations for the creation and analysis of HetMS-MC models, including model development, simulation setup, uncertainty analysis and quantification. The framework is demonstrated through two examples: (1) tumour model; (2) GNPT scenario. Both are implemented in EGSnrc and consist of a cm-scale tumour containing a region of interest comprised of 650 micron-scale cells in which specific energy is scored. RESULTS: The tumour model demonstrates the need for multiscale modelling as the HetMS-MC model captures differences in specific energy distributions from varying input parameters such as cell arrangement and MC random number seed that are not seen in conventional MC simulations. The GNPT model highlights the importance of multi-scale bridging in the development of HetMS-MC models. CONCLUSIONS: A general HetMS-MC framework is established and used to develop two models relevant to radiation medicine. This framework allows for efficient simulation of radiation physics processes across many length scales for arbitrary treatment modalities.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».