Vers une simulation Monte Carlo de la distribution de dose déposée dans un patient en hadronthérapie. 1. Introduction des données anatomiques d’un patient.

Présentation au sujet: "Vers une simulation Monte Carlo de la distribution de dose déposée dans un patient en hadronthérapie. 1. Introduction des données anatomiques d’un patient."— Transcription de la présentation:

1 Vers une simulation Monte Carlo de la distribution de dose déposée dans un patient en hadronthérapie. 1. Introduction des données anatomiques d’un patient dans les simulations. Doctorante : Nathalie DUFOUR (CLB-IPNL) Directeurs de thèse : M. Boutemeur (IPNL) – D. Sarrut (Creatis)

2 Ma thèse en quelques mots … Nathalie DUFOUR (22/06/1982) Ingénieur Génie Biomédical (Marseille) / Master 2 Rayonnement et Imagerie en Médecine (Toulouse) Physicienne médicale (DQPRM en cours) Début de ma thèse : 15.11.2005 Simulation à l’aide du code Monte Carlo GEANT4 de la distribution de dose reçue par un patient dans le cadre d’un traitement en hadronthérapie.

3 Un contexte … Mise en place d’un programme de travail dans le cadre du GDR dosimétrie (MI2B) : L‘évaluation, l’utilisation et l’amélioration de GEANT4 pour la radiothérapie et l’hadronthérapie. DAPNIA Paris : S. Kerhoas LPC Clermont Ferrand : G. Montarou, Z. Francis IPN Lyon : M Boutemeur, MC Ricol, N Dufour CLB Lyon : N Dufour, D Sarrut LPC Caen : D. Cussol CENBG Bordeaux : S. Incerti CNDRI INSA Lyon : N Freud, JM Létang Liris Lyon : M. Beuve CREATIS Lyon : L Guigues, D Sarrut

4 Plan de traitement Le scanner X constitue la technique de référence pour détecter et délimiter la région cible à partir de laquelle sont réalisés les calculs de planification dosimétrique La planimétrie d'un traitement consiste (à partir des données des patients et des paramètres du faisceau) à : - calculer la distribution de dose sur ordinateur (méthode analytique, Monte Carlo (référence), hybride) - choisir et valider la technique d’irradiation

5 La méthode Monte Carlo Simuler le parcours des ions carbones dans la matière. Prérequis : Les processus d’interactions des ions 12 C Les sections efficaces d’interaction avec les atomes de la cible Gestion de géométries complexes dans les simulations (données patients) : « Segmentation » Navigation

6 Le scanner X Une mesure = l'atténuation du faisceau de rayons X causée par la traversée des éléments du corps du patient qui se trouvent sur l'axe tube/détecteur. L'ensemble des mesures permet de calculer le coefficient d'atténuation linéaire (μ) de chaque élément du volume examiné. La valeur en un point d’une image obtenue est une unité Hounsfield (I H ou HU) qui correspond à la densité par rapport à l’eau des tissus situés dans le volume associé.

7 Que nécessite les simulations Monte Carlo ? Informations concernant : La composition atomique du tissu (ex du pancréas : H(10.6%), C(16.9%), N(2.2%), O(69.4%), P(0.2%)) La densité du tissu

8 Corrélation entre les HU et les paramètres des tissus Méthode de Schneider et al (2000). Calibration réalisée sur le scanner GEMINI (Philips) du Centre Léon Bérard.

9 La méthode (1) : Quelques équations … Le coefficient d’atténuation linéaire d’un tissu de composition donnée : Les valeurs d’atténuation sont converties en unités Hounsfield : (1) (2)

10 La méthode (1) Section efficace (Rutherford) dans la gamme d’énergie de la scanographie : En remplaçant cette valeur dans l’équation (1) : (3) (4)

11 La méthode (1) On exprime ainsi le rapport des atténuations de la façon suivante : Avec : K 1 =K sca /K kn K 2 =K ph /K kn K 1 et K 2 sont scanner-dépendants (5)

12 Détermination des K 1 & K 2 du Gemini (Philips) Utilisation du fantôme CIRS 062 Le fantôme : 10 matériaux différents de densité et de composition atomique connus. Mode tête / abdomen La mesure : 140 kV (120 mAs) Extraction des valeurs HU dans chaque insert (incertitude sur la mesure d’environ 3 HU)

13 L’ obtention des K1 & K2 : Résolution de la méthode des moindres carrés (minimiser la différence entre la mesure et le modèle) Trouver les valeurs de K1 & K2 tel que la différence entre la mesure et le modèle soit minimale ModèleMesure

14 Résultats sur le fantôme

15 Tables de Woodward et White Calcul des valeurs HU pour les tissus mous et osseux à partir des paramètres tissulaires répertoriés.

16 DensitéHCNOPCa HU (calc) A 11214163140 Z 16781520 Tissus mous Lung, blood-filled0,2610,310,53,174,90,20 -745,172731 Adipose tissue 30,9311,668,10,219,800 -93,2391676 Adipose tissue 20,9511,459,80,727,800 -72,402205 Adipose tissue 10,9711,251,71,335,500 -51,6027647 Mammary gland 10,9910,950,62,335,800 -35,0994672 Mammary gland 21,0210,633,2352,800 -1,81635609 Brain, cerebrospinal1,0111,1008800 0,91634824 Adrenal gland1,0310,628,42,657,80,10 9,42322969 Small intestine1,0310,611,52,275,10,10 15,9947559 Urine1,02110,5186,20,10 7,27367274 Gallbladder bile1,0310,86,10,182,200 16,8863087 Lymph1,0310,84,11,183,200 17,4239164 Pancreas1,0410,616,92,269,40,20 22,3364219 Prostate1,0410,58,92,577,40,10 25,0303344 Brain, white matter1,0410,619,42,566,10,40 19,3840462 Testis1,0410,69,9276,60,10 23,6790521 Brain, grey matter1,0410,79,51,876,70,30 23,730712 Muscle, skeletal 11,0510,117,13,668,10,20 25,7212468 Stomach1,0510,413,92,972,10,10 32,0136274

17 DensitéHCNOPCa HU (calc) A 11214163140 Z 16781520 Tissus mous Lung, blood-filled0,2610,310,53,174,90,20 -745,172731 Adipose tissue 30,9311,668,10,219,800 -93,2391676 Adipose tissue 20,9511,459,80,727,800 -72,402205 Adipose tissue 10,9711,251,71,335,500 -51,6027647 Mammary gland 10,9910,950,62,335,800 -35,0994672 Mammary gland 21,0210,633,2352,800 -1,81635609 Brain, cerebrospinal1,0111,1008800 0,91634824 Adrenal gland1,0310,628,42,657,80,10 9,42322969 Small intestine1,0310,611,52,275,10,10 15,9947559 Urine1,02110,5186,20,107,27 Gallbladder bile1,0310,86,10,182,200 16,8863087 Lymph1,0310,84,11,183,200 17,4239164 Pancreas1,0410,616,92,269,40,20 22,3364219 Prostate1,0410,58,92,577,40,10 25,0303344 Brain, white matter1,0410,619,42,566,10,40 19,3840462 Testis1,0410,69,9276,60,10 23,6790521 Brain, grey matter1,0410,79,51,876,70,30 23,730712 Muscle, skeletal 11,0510,117,13,668,10,20 25,7212468 Stomach1,0510,413,92,972,10,10 32,0136274

18 La méthode (3) Les HU s’échelonnent entre -1000 et 2000 dans le corps humain  3000 matériaux différents à décrire !! Pas d’intérêt : Incertitudes dans les mesures (+/- 3 HU) Fantôme avec seulement 10 tissus connus Interpolation des éléments chimiques avec des écarts jusqu’à 20% d’incertitude pour certains.

19 La méthode (3) Hypothèses simplificatrices : Pour les milieux composés de deux éléments :

20 La méthode (3) Les tissus osseux Interpolation entre le « skeleton cortical bone » et le « red/yellow narrow » Correspondance entre les densités massiques calculées et celles issues des tables : Erreur = 0.4%

21 La méthode (3) Correspondance entre les compositions chimiques calculées et celles issues des tables

22 Écarts Erreur moyenne (%) Oxygène10.6 Carbone13.3 Hydrogène1.3 Calcium2.7

23 La méthode (3) Les tissus mous Composés de 3 éléments (graisse, protéines et eau) Deux sous classes 1. Interpolation entre « l’adipose tissu 3» et « l’adrenal gland » (forte proportion d’eau) 2. Interpolation entre le « cortical tissue » et le « small intestine » (forte proportion de graisse)

24 La méthode (3) Correspondance entre les compositions chimiques calculées et celles issues des tables

25 Écarts Erreur moyenne (%) Oxygène4.9 Carbone19.5 Hydrogène1.5

26 Bilan En terme de densité massique :

27 Bilan En terme de composition chimique Découpage en 24 plages HU -->Réduction du temps de calcul Limité à H, C, N, O, P, Ca

28 Résultats (1)

29 Résultats (2)

30 Résultats (3)

31 Conclusion & perspectives Mise en place d’une méthode d’étalonnage permettant la conversion d’un scanner en une description adaptée à un logiciel Monte Carlo. Mais … Une image scanner : 26 millions de voxels  Inconvénient majeur en terme de temps de calcul Pourquoi ?? Le suivi du parcours des particules n’est pas adapté à ce genre de données dans Geant4. Solution en cours : Optimisation de la navigation (D. Sarrut, L. Guiges, A. Vacavant)