MétaCan
Menu
Retour à la cohorte
Enregistrement W6979993948

Application de la scintillation liquide pour caractériser une source de curiethérapie par émetteurs-alphas diffusant

2021· other· fr· W6979993948 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2021
Typeother
Languefr
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLiquid scintillation countingScintillationIonizing radiationAlpha particleScintillation counterRadiationRadioactive contaminationBrachytherapyCharacterization (materials science)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cancer is the leading cause of death in Canada. Many cancer treatments are using chemotherapy, surgery and radiotherapy. In radiotherapy, photons are the most used ionizing radiation, however alpha particles have higher radiobiological impact which increases the efficiency of patient treatment delivery. Alpha Tau Medical Ltd. (Tel Aviv, Israël) has developed a new brachytherapy method using radioactive seeds. The seeds called DaRT, for Diffusing alpha emitters Radiation Therapy, are composed of 224-Ra atoms which come from 228-Th generator. Currently, these seeds are characterized by an alpha-spectrometer and Geiger-Muller counter or well chamber for quality control. This project offers a new characterization of DaRT seeds using liquid scintillation. Liquid scintillation allows alpha and beta particles detection with the help of liquid cocktail and employing a scintillation counter. The characterization with liquid scintillation allows establishing and quantifying 228-Th trace contamination on the DaRT seeds. Also, it provides a method for seed quality control before they are used on patients by estimating their activity from spectrums established with the liquid scintillation counter. The spectrums obtained also give the possibility of dose estimation using either mass or mass stopping power in water. The results of the dose are compared to expected values from the literature and to simulations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,917
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,030
Tête enseignante GPT0,331
Écart entre enseignants0,300 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetAugmented Reality ApplicationsTravaux en français237 207