Evaluation of Eclipse© Monte Carlo dose calculation for clinical electron beams using heterogeneous phantoms
Notice bibliographique
Résumé
Accurate dose calculations of photon and electron transport in tissue materials are an important step in the appropriate delivery of cancer radiotherapy. Various commercial treatment planning systems used in radiotherapy provide algorithms for fast dose calculations. It is the responsibility of medical physicists to commission and evaluates these algorithms. In this work, we have evaluated the electron Monte Carlo (MC) algorithm in Eclipse using solid water phantoms with various tissue heterogeneities (water, lung, cortical bone, air) embedded, and using CT data from a real patient. For heterogeneous phantoms, the evaluation is done by comparing dose profiles and percent depth doses (PDDs) calculated on Eclipse with measurements, and with MC simulations using DOSXYZnrc. Measurements of dose profiles and PDDs are taken using EBT Gafchromic films, and we have developed a piece of software in Matlab for extracting dose from EBT Gafchromic films. For the real patient case, we use DOSXYZnrc results as a benchmark against which Eclipse is evaluated. Although Eclipse has been evaluated previously, the originality of the present work lays on the use of digitally reproduced phantom copies on Eclipse and DOSXYZnrc instead of CT scanned phantoms, the use of absolute dose for all comparisons, and the consideration of a real clinical patient. In addition, we have developed a tool for extracting absolute dose profiles and PDDs from EBT Gafchromic films. Our results indicate that, MC results agree in general better with measurements (within 5% or less) than Eclipse MC, whose discrepancies with measurements can be as high as 15% for physical phantoms used and as high as 10% in the case of real patient CT data. Largest discrepancies between measurement (or MC) and Eclipse MC occur at depths near and below tissue heterogeneities with relatively sharp density gradients. The slightly better performance of Eclipse for the real patient case is related to the smoother changes in hetero
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».