Impact of Photon Spectra on the Sensitivity of Polymer Gel Dosimetry by X-Ray Computed Tomography
محل انتشار: مجله فیزیک پزشکی ایران، دوره: 16، شماره: 1
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 54
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJMP-16-1_008
تاریخ نمایه سازی: 5 شهریور 1402
چکیده مقاله:
Introduction: The purpose of the current study was to investigate the effect of X-ray spectra on the sensitivity of a polymer gel dosimeter imaged with a conventional computed tomography (CT) scanner. Material and Methods: The whole process of CT imaging of an irradiated polymer gel was simulated by MCNPX Monte Carlo (MC) code. The imaging of polyacrylamide gel was accomplished by means of a conventional X-ray CT scan machine for different X-ray spectra, including mono-energetic beams and the spectra generated after passing through physical filters, including copper and tin. The MC-scored photon fluence inside simulated detectors was used to reconstruct the axial CT images by MATLAB software. The resultant images were used to derive the dose calibration curve of the gel for different spectra, based on which the highest sensitivity was selected. Results: Among the calculated gel sensitivities for different beam spectra, the highest increase in average sensitivity was obtained as ۲۳% for the ۱۴۰ kVp spectrum with copper filter and copper+tin filter. However, the sensitivity of mono-energetic beams showed no considerable variation with the increase of energy from ۳۰ to ۱۴۰ keV. Conclusion: As the findings indicated, the optimization of photon spectra by means of a physical filter could increase the sensitivity of polymer gels in gel dosimetry using CT imaging.
کلیدواژه ها:
نویسندگان
Homa Hayati
Medical Radiation Sciences Research Team, Tabriz University of Medical Sciences, Tabriz, IRAN
Asghar Mesbahi
Tabriz University of Medical Sciences
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :