Modélisation Monte-Carlo des conditions de mesure de l'IRM-linac Unity
Bibliographic record
Abstract
Grâce à l’introduction de la radiothérapie guidée par résonance magnétique, une nouvelle sphère de la radiothérapie adaptative s’est développée avec l’appareil Unity. L’IRM-linac doit néanmoins être mis en service avec son puissant champ magnétique, perturbant alors la réponse des détecteurs normalement utilisés. Cette recherche vise à établir des recommandations cliniques sur l’utilisation en présence d’un champ magnétique de cinq détecteurs traditionnellement employés en dosimétrie standard, en plus d’évaluer les conditions de mesure minimisant les effets perturbatifs du champ. Pour y parvenir, les modèles numériques confidentiels des détecteurs et de l’IRM-linac sont utilisés pour simuler leur réponse pour quatre fonctions dosimétriques avec le logiciel EGSnrc. Un modèle mathématique prédisant l’incertitude statistique minimale atteignable dans ces simulations de type Monte-Carlo est également développé. Les résultats simulés sont par la suite comparés à des mesures expérimentales acquises sur le premier appareil Unity installé au Québec. Ce mémoire introduit dans le chapitre 1 le rôle de la radiothérapie dans le traitement contre le cancer et les caractéristiques de l’appareil Unity. Le chapitre 2 enchaîne avec les bases théoriques de la physique du rayonnement et de la dosimétrie standard et non standard. Le chapitre 3 poursuit avec les principes de la méthode Monte-Carlo, la simulation numérique du transport de particules dans EGSnrc et le modèle d’analyse de variance. Le chapitre 4 explicite la méthodologie employée pour modéliser l’appareil Unity ainsi que les montages numériques et expérimentaux réalisés. Le chapitre 5 expose les résultats obtenus et le chapitre 6 traite de l’analyse de ces résultats avec l’émission de recommandations finales.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".