Vers une simulation Monte Carlo de la distribution de dose d

1

• Vers une simulation Monte Carlo de la
  distribution de dose déposée dans un patient en
  hadronthérapie.
• 1. Introduction des données anatomiques dun
  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 laide du code Monte Carlo GEANT4 de
  la distribution de dose reçue par un patient dans
  le cadre dun traitement en hadronthérapie.

3
Un contexte

• Mise en place dun programme de travail dans le
  cadre du GDR dosimétrie (MI2B)
• Lévaluation, lutilisation et lamélioration de
  GEANT4 pour la radiothérapie et lhadronthérapie.
• 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 dirradiation 

5
La méthode Monte Carlo

• Simuler le parcours des ions carbones dans la
  matière.
• Prérequis
• Les processus dinteractions des ions 12C
• Les sections efficaces dinteraction 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 dune image obtenue est une
  unité Hounsfield (IH ou HU) qui correspond à la
  densité par rapport à leau 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 datténuation linéaire dun tissu
  de composition donnée
• Les valeurs datténuation sont converties en
  unités Hounsfield

(1)
(2)
10
La méthode (1)

• Section efficace (Rutherford) dans la gamme
  dénergie de la scanographie
• En remplaçant cette valeur dans léquation (1)

(3)
(4)
11
La méthode (1)

• On exprime ainsi le rapport des atténuations de
  la façon suivante
• Avec
• K1Ksca/Kkn
• K2Kph/Kkn

(5)
K1 et K2 sont scanner-dépendants
12
Détermination des K1 K2 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 denviron 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

Modèle
Mesure
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
   Densité H C N O P Ca HU (calc)
A 1 12 14 16 31 40
Z   1 6 7 8 15 20
Tissus mous Tissus mous Tissus mous Tissus mous Tissus mous Tissus mous Tissus mous Tissus mous Tissus mous
Lung, blood-filled 0,26 10,3 10,5 3,1 74,9 0,2 0 -745,172731
Adipose tissue 3 0,93 11,6 68,1 0,2 19,8 0 0 -93,2391676
Adipose tissue 2 0,95 11,4 59,8 0,7 27,8 0 0 -72,402205
Adipose tissue 1 0,97 11,2 51,7 1,3 35,5 0 0 -51,6027647
Mammary gland 1 0,99 10,9 50,6 2,3 35,8 0 0 -35,0994672
Mammary gland 2 1,02 10,6 33,2 3 52,8 0 0 -1,81635609
Brain, cerebrospinal 1,01 11,1 0 0 88 0 0 0,91634824
Adrenal gland 1,03 10,6 28,4 2,6 57,8 0,1 0 9,42322969
Small intestine 1,03 10,6 11,5 2,2 75,1 0,1 0 15,9947559
Urine 1,02 11 0,5 1 86,2 0,1 0 7,27367274
Gallbladder bile 1,03 10,8 6,1 0,1 82,2 0 0 16,8863087
Lymph 1,03 10,8 4,1 1,1 83,2 0 0 17,4239164
Pancreas 1,04 10,6 16,9 2,2 69,4 0,2 0 22,3364219
Prostate 1,04 10,5 8,9 2,5 77,4 0,1 0 25,0303344
Brain, white matter 1,04 10,6 19,4 2,5 66,1 0,4 0 19,3840462
Testis 1,04 10,6 9,9 2 76,6 0,1 0 23,6790521
Brain, grey matter 1,04 10,7 9,5 1,8 76,7 0,3 0 23,730712
Muscle, skeletal 1 1,05 10,1 17,1 3,6 68,1 0,2 0 25,7212468
Stomach 1,05 10,4 13,9 2,9 72,1 0,1 0 32,0136274
17
   Densité H C N O P Ca HU (calc)
A 1 12 14 16 31 40
Z   1 6 7 8 15 20
Tissus mous Tissus mous Tissus mous Tissus mous Tissus mous Tissus mous Tissus mous Tissus mous Tissus mous
Lung, blood-filled 0,26 10,3 10,5 3,1 74,9 0,2 0 -745,172731
Adipose tissue 3 0,93 11,6 68,1 0,2 19,8 0 0 -93,2391676
Adipose tissue 2 0,95 11,4 59,8 0,7 27,8 0 0 -72,402205
Adipose tissue 1 0,97 11,2 51,7 1,3 35,5 0 0 -51,6027647
Mammary gland 1 0,99 10,9 50,6 2,3 35,8 0 0 -35,0994672
Mammary gland 2 1,02 10,6 33,2 3 52,8 0 0 -1,81635609
Brain, cerebrospinal 1,01 11,1 0 0 88 0 0 0,91634824
Adrenal gland 1,03 10,6 28,4 2,6 57,8 0,1 0 9,42322969
Small intestine 1,03 10,6 11,5 2,2 75,1 0,1 0 15,9947559
Urine 1,02 11 0,5 1 86,2 0,1 0 7,27
Gallbladder bile 1,03 10,8 6,1 0,1 82,2 0 0 16,8863087
Lymph 1,03 10,8 4,1 1,1 83,2 0 0 17,4239164
Pancreas 1,04 10,6 16,9 2,2 69,4 0,2 0 22,3364219
Prostate 1,04 10,5 8,9 2,5 77,4 0,1 0 25,0303344
Brain, white matter 1,04 10,6 19,4 2,5 66,1 0,4 0 19,3840462
Testis 1,04 10,6 9,9 2 76,6 0,1 0 23,6790521
Brain, grey matter 1,04 10,7 9,5 1,8 76,7 0,3 0 23,730712
Muscle, skeletal 1 1,05 10,1 17,1 3,6 68,1 0,2 0 25,7212468
Stomach 1,05 10,4 13,9 2,9 72,1 0,1 0 32,0136274
18
La méthode (3)

• Les HU séchelonnent entre -1000 et 2000 dans le
  corps humain
• 3000 matériaux différents à décrire !!
• Pas dintérêt
• Incertitudes dans les mesures (/- 3 HU)
• Fantôme avec seulement 10 tissus connus
• Interpolation des éléments chimiques avec des
  écarts jusquà 20 dincertitude 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 ()
Oxygène 10.6
Carbone 13.3
Hydrogène 1.3
Calcium 2.7
23
La méthode (3)

• Les tissus mous
• Composés de 3 éléments (graisse, protéines et
  eau)
• Deux sous classes
• 1. Interpolation entre  ladipose tissu 3 et
   ladrenal gland  (forte proportion deau)
• 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 ()
Oxygène 4.9
Carbone 19.5
Hydrogène 1.5
26
Bilan

• En terme de densité massique

27
Bilan

• En terme de composition chimique
• Découpage en 24 plages HU
• --gtRéduction 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 dune méthode détalonnage
  permettant la conversion dun 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 nest pas
  adapté à ce genre de données dans Geant4.
• Solution en cours
• Optimisation de la navigation (D. Sarrut, L.
  Guiges, A. Vacavant)