ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE TEZE K DISERTAČNÍ PRÁCI

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE TEZE K DISERTAČNÍ PRÁCI

České vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská Katedra dozimetrie a aplikace ionizujícího záření TRANSMISNÍ PORTÁLOVÁ IN-VIVO DOZIMETRIE POMOCÍ METODY MONTE CARLO A MATEMATICKÉHO PROGRAMOVACÍHO JAZYKA MATAB Ing. Klára Badraoui Čuprová Teze disertace k získání akademického titulu "doktor", ve zkratce "Ph.D." Doktorský studijní program: Aplikace přírodních věd Studijní obor: Radiologická fyzika Praha, duben 2013

Disertační práce byla vypracována v prezenční formě doktorského studia na katedře KDAIZ Fakulty jaderné a fyzikálně inženýrské ČVUT v Praze. Uchazeč: Ing. Klára Badraoui Čuprová Proton Therapy Center Budínova 2437/1a, Praha 8 Školitel: doc. Ing. Jaroslav Klusoň, Csc. Katedra dozimetrie a aplikace ionizujícího záření Fakulta jaderná a fyzikálně inženýrská ČVUT Břehová 7, Praha 1 Oponenti: Doc. Ing. Josef Novotný, CSc. Prof. Ing. Libor Makovička, DrSc. Teze byly rozeslány dne:... Obhajoba disertace se koná dne... v hod. před komisí pro obhajobu disertační práce ve studijním oboru Radiologická fyzika v zasedací místnosti č.... Fakulty jaderné a fyzikálně inženýrské ČVUT v Praze. S disertací je možno se seznámit na děkanátě Fakulty jaderné a fyzikálně inženýrské ČVUT v Praze, na oddělení pro vědeckou a výzkumnou činnost, Břehová 7, Praha 1. Prof. Ing. Tomáš Čechák, CSc. předseda komise pro obhajobu disertační práce ve studijním oboru Radiologická fyzika Fakulta jaderná a fyzikálně inženýrská ČVUT, Břehová 7, Praha 1

Obsah ABSTRAKT... 1 1. SOUČASNÝ STAV PROBLEMATIKY... 1 2. CÍLE DISERTAČNÍ PRÁCE... 4 3. METODY ZPRACOVÁNÍ... 9 4. VÝSLEDKY... 10 5. ZÁVĚR... 15 6. SEZNAM POUŽITÉ LITERATURY... 16

TRANSMISNÍ PORTÁLOVÁ IN-VIVO DOZIMETRIE POMOCÍ METODY MONTE CARLO A MATEMATICKÉHO PROGRAMOVACÍHO JAZYKA MATLAB ABSTRAKT Moderní radioterapie umožňuje dodání vysoké dávky záření do cílového objemu při současném šetření okolní zdravé tkáně. Konformní ozáření pacienta nabízí i možnost eskalace terapeutické dávky, čímž se zvýší pravděpodobnost kontroly nádoru. Výhody moderní technologie jsou zřejmé, eventuální chyba však může způsobit závažnější komplikace. Celý řetězec dodání dávky pacientovi je proto nutné řádně ověřovat. Dávka může být verifikována před skutečným ozářením pacienta nebo v průběhu pacientova ozáření (tzv. dozimetrie in-vivo). Pozornost byla věnována přímé transmisní in-vivo dozimetrii. Pod pacientem byl umístěn elektronický portálový zobrazovací systém a portálové obrazy byly snímány během pacientova ozáření. Pořízené obrazy byly následně porovnány s predikovanými. Taková verifikace se zatím v ČR neprovádí na žádném pracovišti. Všechna měření byla provedena ve FNB. Zdejší plánovací systém Eclipse predikci transmisních portálových obrazů neumožňuje, uvažována byla proto metoda Monte Carlo. Byl vybrán systém EGSnrc umožňující MC simulaci transportu fotonů a elektronů v libovolné geometrii. Problematika predikce transmisních obrazů metodou MC byla obsáhlá. Zahrnovala modelování hlavice urychlovače, vstupního elektronového svazku, pacienta a detektoru. Systém však neumožňoval současné namodelování pacienta a portálu či predikci transmisních portálových obrazů pro libovolný úhel gantry. Zmíněné komplikace byly řešeny v matematickém programovacím jazyku MATLAB. Predikované transmisní obrazy byly následně porovnávány s naměřenými pomocí gama analýzy. V disertační práci je diskutována vyvinutá metoda, její ověření a výsledky. 1. SOUČASNÝ STAV PROBLEMATIKY Správné doručení požadované dávky je zásadní požadavek úspěšné radioterapie. Dávku, respektive prostorovou distribuci dávky lze verifikovat před ozářením pacienta či přímo v průběhu ozáření. Zde bude věnována pozornost pouze dozimetrii in-vivo. V současné době se při in-vivo dozimetrii verifikuje nejčastěji dávka v místě vstupu svazků do pacienta. Měří se pomocí malých bodových detektorů, nejčastěji polovodičových diod, ale lze použít i termoluminiscenčních detektorů 1,2. Bodová in-vivo dozimetrie bohužel nezaručuje vždy dobré výsledky, například v případě konformní techniky IMRT. Problémem jsou velké dávkové gradienty, kvůli kterým se stává měření velmi složitým. Odezva čidla je velmi závislá na jeho přesném umístění na definované pozici těla pacienta. Existuje i plošná in-vivo dozimetrie, při níž je detektor umístěn pod pacientem. Tato metoda je spolehlivější, v ČR se však zatím na žádném pracovišti neprovádí. Přímá transmisní in-vivo dozimetrie byla předmětem tohoto výzkumu. Jako plošný detektor byl uvažován elektronický portálový zobrazovací systém EPID 1,2. 1

1.1 Elektronický portálový zobrazovací systém EPID byl vyroben původně pro nastavení polohy pacienta při ozařování, ale lze jej použít i jako 2D dozimetr s dostatečným prostorovým rozlišením. Z dozimetrického hlediska lze EPID použít za účelem verifikace jednotlivých ozařovacích polí před ozářením pacienta, ale lze jej také použít při in-vivo dozimetrii. Nespornou výhodou in-vivo dozimetrie je verifikace dávkové distribuce přímo v době, kdy dochází k ozáření pacienta. U této metody se porovnává naměřená a predikovaná transmisní dávková mapa, která se predikuje na základě vstupní fluenční mapy a distribuce tkáně prozařované ze směru daného pole. Verifikace transmisních dávkových map umožňuje efektivní ověření správnosti ozáření pacienta z každého pole. Zahrnuje nejen ověření správné realizace fluenční mapy (např. funkci MLC) ale i ověření správné geometrické pozice pacienta vůči geometrii reprezentované plánovací sérií CT snímků a to vše při skutečném ozáření pacienta 17,18,21. K predikci bylo využito metody Monte Carlo, která poskytuje nejvyšší přesnost výpočtu. 1.2 Elektronický portálový zobrazovací systém as500 EPID as500 (obr. č. 1) je velké pole světelných senzorů z amorfního křemíku zapuštěné do tenkého substrátu, do skla. Procesem chemického napařování je vytvořena dvojdimenzionální matice tenkovrstvých tranzistorů a fotodiod. Fotodiody s tranzistory zaznamenávají světelný signál z detektorů a slouží k vyhodnocení tohoto signálu, konvertují viditelné světlo na elektrický signál. Zesilovačem je pak zaznamenáván náboj, jehož velikost je úměrná množství světla, které zasáhlo diodu během ozáření. Každý pixel skleněného substrátu s a-si je tvořen jednou fotodiodou a jedním tranzistorem. Pole světelných senzorů sestává z 512x384 pixelů s prostorovým rozlišením 0.784 mm a tvoří detekční plochu s rozměry 40x30 cm 2. Měděný plát v kazetě slouží jako build-up pro sekundární elektrony. Tyto elektrony a primární fotony interagují ve scintilační vrstvě Gd 2 O 2 S:TB a tvoří viditelné světlo, které je detekováno právě v a-si panelu. Mimo kazetu je as500 složen z množství materiálů, jejichž účelem je chránit detektor proti fyzické kolizi, či chránit kabely umístěné pod detekční jednotkou. Pro a-si EPID je predikováno, že 99.5% signálu pochází od interakcí fotonů a elektronů s vrstvou fosforu. Při modelování odezvy portálu byla tedy skórována deponovaná energie ve vrstvě fosforu 21,22. 2

Obrázek č. 1: Jednotlivé vrstvy obsažené v elektronickém portálovém zobrazovacím systému a řez detektorem. 1.3 Metoda Monte Carlo Stochastické metody MC lze využít pro simulaci transportu záření v látce, neboť určitý typ interakce dané částice, s danou energií, v daném prostředí, je dán s jistou pravděpodobností. Pravděpodobnost realizace jednotlivých interakcí je určena z účinných průřezů. Interakce nebo události jsou následně stanoveny dle vygenerovaných náhodných čísel. Při vygenerování dostatečně velkého počtu událostí poskytuje metoda dostatečně přesný výsledek modelovaného děje. Monte Carlo simulace transportu částic tak dobře kopírují fyzikální realitu. 1.4 Systém EGSnrc Pro tuto práci byl vybrán systém EGSnrc (Electron Gamma Shower) 9. Jedná se o systém kódů umožňující Monte Carlo simulaci transportu fotonů a elektronů (pozitronů) o energii řádu kev do stovek Gev v libovolné geometrii. Nástavbou systému EGSnrc jsou programy BEAMnrc a DOSXYZnrc 7-12, které umožňují modelování svazků radioterapeutických přístrojů, modelování libovolných objektů, modelování fantomů a sledování různých veličin v nich. Program BEAMnrc nabízí množství komponent pro specifikaci různých geometrických útvarů, kterých lze s výhodou použít při modelování hlavice urychlovače. Uživatel definuje parametry vstupního svazku, MC parametry a také EGS parametry, které určují, jakým způsobem probíhá transport částice v médiu. Samotná MC simulace tedy probíhá v EGSnrc. Jedním z výstupů simulace je soubor s fázovým prostorem *.egsphsp, jenž obsahuje data pro každou částici procházející uživatelem definovanou skórovanou rovinou. Jedná se o 3

binární soubor obsahující informace o pozici částice, směru, náboji, energii, váze částice 7. Program DOSXYZnrc slouží pro výpočet dávky ve voxelovém fantomu. Fantom si zde může uživatel definovat sám, nebo lze fantom vytvořit na základě CT snímků v programu ctcreate a načíst do systému DOSXYZnrc. Základ programu DOSXYZnrc je obdobný s BEAMnrc. Uživatel opět definuje vstupní svazek, MC parametry a EGS parametry. MC simulace tedy opět probíhá v EGSnrc. Nyní lze jako zdroj využít i soubor s fázovým prostorem generovaný z programu BEAMnrc. Lze tedy kombinovat použití BEAMnrc i DOSXYZnrc. V první části je transport záření modelován v BEAMnrc a poté v DOSXYZnrc 8. 2. CÍLE DISERTAČNÍ PRÁCE Primárním cílem práce byla MC predikce dávkové distribuce v detekční rovině elektronického portálového zobrazovacího systému po průchodu záření pacientem. Za tímto účelem bylo nutné vykonat řadu kroků. Každý krok je popsán dále. 2.1 Model hlavice urychlovače Jednotlivé komponenty v hlavici urychlovače 2100C/D (obr. č. 2) byly modelovány na základě informací poskytnutých výrobcem lineárního urychlovače, firmou Varian. Použit byl systém BEAMnrc 7. Obrázek č. 2: Komponenty hlavice urychlovače. 2.2 Model elektronového svazku Elektronový svazek dopadající na terčík byl modelován jako monoenergetický s gaussovským prostorovým rozložením okolo centrální osy. Potřebné parametry energie a 4

FWHM byly stanoveny na základě měření dávkových profilů a hloubkových dávkových křivek ve velkém vodním fantomu a na základě jejich porovnání s křivkami z MC predikce. Profily a hloubkové dávkové křivky byly měřeny a modelovány pro různé velikosti polí pro svazek s nominální energií 6MV v geometrii SSD=100 cm. Profily byly měřeny v hloubce maxima (1,5 cm). Při modelování byly uvažovány různé energie a různé FWHM. Na základě analýzy odchylek naměřených křivek od modelovaných byla určena nejlepší kombinace parametrů 14,17-20. Mimo systému BEAMnrc byl pro simulaci dávkového rozložení ve velkém vodním fantomu použit i systém DOSXYZnrc, v němž byl velký vodní fantom nadefinován. 2.3 Tvorba fantomu pacienta Na základě CT řezů pacienta byl vytvořen fantom voxelové struktury, přičemž každému voxelu fantomu byla přiřazena hustota a materiál na základě přednastavené převodní křivky programu ctcreate. 2.4 Dávková distribuce v pacientovi Byla vypočtena dávková distribuce v pacientovi. Pro každé pacientovo pole byl vytvořen vstupní soubor v BEAMnrc. Výstupem MC simulace byl soubor s fázovým prostorem, který byl použit při definici zdroje v DOSXYZnrc. Při definici fantomu pacienta byl použit výstupní soubor programu ctcreate. Predikovaná dávková distribuce metodou MC byla naimportována na CT snímky a byla porovnána s predikcí dávkového rozložení z plánovacího systému. Analýza shody byla provedena na základě vizuálního porovnání izodóz 28,39. 2.5 Konfigurace a ověření výpočetního algoritmu AAA Pro porovnání MC výpočtů s predikcemi z TPS byl preferován algoritmus AAA (Anisotropic Analytical Algorithm). V porovnání s algoritmem PBC (Pencil Beam Convolution) poskytuje AAA přesnější predikci v heterogenním prostředí a přesnější výpočet dávky od rozptýleného záření. AAA však tehdy nebyl nakonfigurován a bylo třeba jej nakonfigurovat. Byla měřena velká série dat, tzv. beam dat, měřili se hloubkové dávkové křivky, profily, faktory velikosti pole, klínové faktory 35,36,38. Po konfiguraci bylo třeba algoritmus důkladě ověřit oproti měření a oproti PBC algoritmu. 2.6 Model EPID Elektronický portálový zobrazovací systém byl namodelován v DOSXYZnrc dle údajů poskytnutých výrobcem 21,22. Knihovna účinných průřezů v EGSnrc však neobsahovala data pro některé materiály obsažené v detektoru a proto bylo třeba v programu PEGS4 vytvořit svůj vlastní soubor s daty účinných průřezů pro všechny uvažované materiály. Model 5

detektoru byl ověřen na základě porovnání naměřených a simulovaných odezev v detekční vrstvě portálu pro množství pravidelných i nepravidelných polí. Při vyhodnocení byla uvažována gama analýza. Také byla zkoumána možnost náhrady portálu blokem vody s cílem zkrácení výpočetní doby simulace. Při simulaci transportu záření složitým detektorem totiž dochází k častému přechodu záření rozhraním materiálů a výrazně se tak navyšuje doba výpočtu. Odezvy v portálu byly měřeny pro množství pravidelných polí různých velikostí. Pro stejná pole byly následně odezvy simulovány jednak v portálu tak ve vodě. Naměřené a nasimulované odezvy byly mezi sebou vzájemně porovnány na základě gama analýzy a byla zvážena možnost náhrady portálu vodou. U každé simulace byl sledován i počet historií za hodinu. 2.7 Kalibrace EPID Detektor EPID byl nakalibrován k dozimetrickým účelům. Kalibrace sestávala z následujících kroků 37 : 1. Pořízení obrazu dark field bez radiace. Obraz slouží k určení odezvy každého pixelu v matici na pozadí. 2. Pořízení obrazu flood field ozářením celé senzitivní části detektoru. Flood field obraz slouží k určení relativní citlivosti každého pixelu v matici. Odezva každého pixelu je korigována dle rovnice:, přičemž DF značí Dark field, FF značí Flood field, značí střední hodnotu všech FF hodnot a indexy i,j z intervalu 1:384 a 1:512 značí jednotlivé pixely v matici. 3. Korekce na základě dávkového profilu, která slouží k zachování dozimetrických vlastností svazku. Portálový obraz je vynásoben radiálně symetrickou korekční maticí vygenerovanou z naměřeného diagonálního profilu ve vodě pro pole 40x40 cm 2 nebo z diagonálního profilu získaného z MC simulace odezvy v portálu na pole 40x40 cm 2. 4. Převod signálu na dávku. Signály vygenerované ozářením detektoru byly vztaženy k dávce naměřené referenční ionizační komorou při kalibraci. Při kalibraci dávky byla ionizační komora pro 6 MV fotonový svazek umístěna ve vodním fantomu v hloubce 1,5 cm při SSD 98,5 cm. Odezva takto umístěné komory na 100 MU na pole o velikosti 10x10 cm 2 byla 1 Gy. Při kalibraci portálu byla aktivní vrstva detektoru umístěna do vzdálenosti 105 cm od zdroje. Portál byl nazářen rovněž 100 MU 6MV svazkem a velikostí pole 10x10 cm 2 (velikost pole je definována ve vzdálenosti 100 cm od zdroje). Odezvě detektoru byla tedy dle čtvercového zákona přiřazena hodnota kalibračních jednotek (CU). 6

2.8 Transmise RW3 fantomem Na portál byl umístěn voděekvivalentní RW3 fantom 18 (30x30x5 cm 3 ) a byl ozářen množstvím nepravidelných polí, vždy z nulového úhlu gantry. V průběhu záření byly měřeny portálové dávkové mapy, které byly následně predikovány i metodou Monte Carlo. Naměřené a nasimulované obrazy byly porovnány a vyhodnoceny na základě gama analýzy. 2.9 Tvorba sloučeného, pootočeného a ROI fantomu (Region Of Interest fantom - fantom oblasti zájmu) Byl vytvořen fantom, v němž byl obsažen pacient i portál současně (obr. č. 3). Původně byl pacient modelován jako CT voxel fantom v programu ctcreate, zatímco EPID byl modelován na základě geometrické definice voxelů a materiálů v nich v programu DOSXYZnrc. Program DOSXYZnrc však tvorbu sloučeného fantomu neumožňuje 14-18,21-25. Sloučení fantomů bylo řešeno tvorbou skriptu v matematickém programovacím jazyku MATLAB. Byla zohledněna možnost ozáření pacienta z libovolného úhlu natočení hlavice urychlovače (obr. č. 4). Situace, kdy pacient leží během ozařování nehybně na stole, zatímco gantry a portál jsou otočeny o úhel theta, byla za účelem predikce transmisní dávkové distribuce zjednodušena. Geometricky je ozáření pacienta z úhlu theta totožné s ozářením pacienta z 0, přičemž pacient musí být otočen o negativní úhel theta. Portál je pevně spjatý s hlavicí ozařovače, čili rovněž jako hlavice i portál zůstává bez pootočení 14,16,17,21-25 (obr. č. 5). V rámci práce byl tedy vytvořen jednak skript, jehož výstupem byl CT fantom pacienta pootočený o libovolný uživatelem definovaný úhel, tak skript, jehož výstupem bylo sloučení pootočeného CT fantomu pacienta s detektorem. Za účelem snížení výpočetní doby simulace byl vytvořen skript, jehož výstupem bylo oříznutí původního fantomu dle oblasti zájmu. Zájmová oblast fantomu byla volena v závislosti na směru a geometrii ozařovacího pole. Obrázek č. 3: Ozáření pacienta při nulovém úhlu natočení gantry. Žlutý bod značí izocentrum. 7

Obrázek č. 4: Ozáření pacienta při natočení gantry o úhel theta. Žlutý bod značí izocentrum. Obrázek č. 5: Rotace pacienta o negativní úhel theta použitá za účelem stanovení transmisní dávkové mapy při ozáření pacienta z úhlu theta. Žlutý bod značí izocentrum. 2.10 Transmisní in-vivo dozimetrie Další krok byl již věnován přímé transmisní in-vivo dozimetrii. Byla měřena a predikována dávková rozložení detekovaná v portálu po průchodu záření pacientem. Transmisní portálové obrazy byly měřeny u více frakcí. Rozložení byla mezi sebou následně porovnána a vyhodnocena na základě gama analýzy. Uvažována byla ozařovací pole s různými ozařovacími úhly 14,16-19,21-25,37. 2.11 Kalibrace CT Pozornost byla věnována i kalibraci CT. Při tvorbě kalibrační křivky převádějící CT číslo každého voxelu na hustotu a materiál byla uvažována jednak běžná kalibrace na základě tkáňově ekvivalentních vzorků, tak kalibrace stoichiometrická 31-34. 8

3. METODY ZPRACOVÁNÍ 3.1 Analýza dávkového rozložení Měřené a predikované dávkové distribuce byly porovnány na základě ortogonálních dávkových profilů a na základě gama analýzy. Porovnání na základě dávkových profilů je vhodné pro případ jednoduchých svazků, kde lze aplikovat celou řadu objektivních kritérií, jako např. hodnotu polostínu, homogenity či symetrie svazku. V případě složitějších distribucí však nemůže metoda zcela vyhovět. Dávkové profily mohou být ale výbornou pomůckou pro geometrické zorientování srovnávaných matic při nejistém určení referenčního bodu. Při porovnání komlikovanějších rozložení byla preferována gama analýza, která kombinuje kritérium dávkového rozdílu a kritérium vzdálenosti do bodu o stejné dávce (DTA). Na základě gama metody jsou získány numerické gama indexy, které jsou měřítkem shody dvou dávkových rozložení. Za nevyhovující se považují body s gama indexem větším než jedna. Výpočet distribuce gama indexů probíhá následujícím způsobem. Pro každý bod v referenční dávkové distribuci jsou při výpočtu gama hodnot uvažovány všechny body z okolí ve vyhodnocované dávkové distribuci. Ze všech spočtených gama hodnot pro daný bod v referenční dávkové distribuci je vybráno minimum a to je právě gama indexem v daném bodě. Totožným způsobem se gama index vyčísluje pro každý z bodů referenční distribuce. Gama hodnota se počítá vztahem: kde r r je umístění referenčního bodu, D r (r r ) je dávka v referenčním bodě, r e je umístění bodu ve vyhodnocované distribuci, D e (r e ) je dávka v bodě r e, d m je kritérium DTA (např 3 mm), D M je kritérium dávky a obvykle se vztahuje k cílové dávce v izocentru (např. 3 % dávky v izocentru). Čili v okolí kolem bodu r r s dávkou D r (r r ) se prozkoumávají všechna r e s dávkou D e (r e ), pro které je následně spočtena gama hodnota podle výše uvedeného vztahu. Poté se z těchto spočtených gama hodnot vybere minimální hodnota a ta je gama indexem v bodě r r. Uvedené lze zapsat vztahem: Tímto způsobem se postupuje v každém referenčním bodě 13. 9

PDD [%] 4. VÝSLEDKY 4.1 Model hlavice urychlovače Byl vytvořen model urychlovače Varian 2100C/D (obr. č. 6). Obrázek č. 6: Model hlavice urychlovače. 4.2 Model elektronového svazku Jako nejvhodnější kombinace parametrů energie a pološířky vstupního elektronového svazku byla stanovena energie 6.3 MeV a pološířka 0.1 cm. Nasimulované i naměřené hloubkové dávkové křivky a profily pro vyladěný svazek pro pole o velikosti 3x3cm 2, 6x6cm 2 a 10x10cm 2 jsou uvedeny v grafech č. 1 a 2. 120 PDD (E 6.3 MeV, FWHM 0.1 cm, pole 3x3, 6x6, 10x10 cm 2 ) 100 80 60 40 20 0 0 5 10 15 20 25 30 Hloubka [cm] měření - 10x10 cm2 MC - E 6.3 MeV, FWHM 0.1 cm, 10x10 cm2 měření - 6x6 cm2 MC - E 6.3 MeV, FWHM 0.1 cm, 6x6 cm2 měření - 3x3 cm2 MC - E 6.3 MeV, FWHM 0.1 cm, 3x3 cm2 Graf č. 1: PDD vyladěného svazku. 10

Dávka [%] Dávkové profily (E 6.3 MeV, FWHM 0.1 cm, pole 3x3, 6x6 a 10x10 cm 2 ) 120 100 80 60 měření - 10x10 cm2 MC - E 6.3 MeV, FWHM 0.1 cm, 10x10 cm2 měření - 6x6 cm2 0-10 -5 0 Vzdálenost od CAX [cm] 5 10 Graf č. 2: Profily vyladěného svazku. 4.3 Tvorba fantomu pacienta 40 20 MC - E 6.3 MeV, FWHM 0.1 cm, 6x6 cm2 měření - 3x3 cm2 MC - E 6.3 MeV, FWHM 0.1 cm, 3x3 cm2 Fantom pacienta byl vytvořen v programu ctcreate na základě CT snímků, přičemž s ohledem na výpočetní čas simulace byla zvolena mřížka 0.2 x 0.2 x 0.2 cm 3. 4.4 Dávková distribuce v pacientovi Dávková distribuce v pacientovi predikovaná metodou Monte Carlo byla porovnána s výpočtem z plánovacího systému na základě vizuálního porovnání izodóz. Z izodóz byla pozorována dobrá shoda, (obr. č. 7 a 8). Obrázek č. 7: Dávková distribuce predikovaná metodou MC. 11

Obrázek č. 8: Dávková distribuce predikovaná v plánovacím systému Eclipse. 4.5 Konfigurace a ověření výpočetního algoritmu AAA AAA algoritmus byl nakonfigurován, ověřen a mohl být použit pro účely porovnání s MC výpočty. 4.6 Model EPID Elektronický portálový zobrazovací systém byl namodelován a ověřen. Průměrné hodnoty gama získané při porovnání naměřených a nasimulovaných odezev byly v rozmezí 0.31 až 0.4 pro kritéria 3%, 3mm a v rozmezí 0.23 až 0.3 pro kritéria 4%, 4mm. Také byla zkoumána možnost nahrazení složitého modelu elektronického portálového zobrazovacího systému vodou za účelem snížení výpočetního času MC simulace. V případě nahrazení portálu vodou byl za daný čas simulován více než čtyřikrát větší počet historií. Statistická nejistota výpočtu tak byla za daný čas snížena více než o dvojnásobek. Predikované dávkové distribuce v portálu a ve vodě byly porovnány s měřením ale i mezi sebou. Výsledky gama analýzy byly v případě měření versus MC predikce ve vodě jen nepatrně horší v porovnání s výsledky gama analýzy v případě měření versus MC predikce v detekční vrstvě portálu. Pro každé pole se průměrné hodnoty gama lišily jen o pár setin. V případě MC predikce v detekční vrstvě portálu versus MC predikce ve vodě byly průměrné hodnoty gama v rozmezí 0.10 až 0.22 pro kritéria 3%, 3mm a v rozmezí 0.09 až 0.17 pro kritéria 4%, 4mm. Tyto nízké hodnoty gama značí dobrou shodu mezi predikcí v portálu a ve vodě. Lze tedy usoudit, že nahrazení portálu vodou je dostačující a místo složitého portálu byl tedy dále modelován již jen blok vody. 4.7 Kalibrace EPID Následně byla uvažována kalibrace EPID. Detektor byl kalibrován na základě naměřeného diagonálního profilu ve vodě, MC simulovaného diagonálního profilu v portálu a na základě dávky naměřené referenční ionizační komorou. 12

4.8 Transmise RW3 fantomem Výsledné průměrné hodnoty gama získané při porovnání naměřených a nasimulovaných odezev byly v rozmezí 0.34 až 0.4 pro kritéria 3%, 3mm a v rozmezí 0.25 až 0.3 pro kritéria 4%, 4mm. Hodnoty byly velmi podobné a občas jen nepatrně horší při porovnání s hodnotami v části 4.6. Pozorované bylo v souladu s očekáváním, neboť v cestě svazku zde vystupuje navíc fantom, způsobující zeslabení a rozptyl. 4.9 Tvorba pootočeného, sloučeného a ROI fantomu V matematickém programovacím jazyku MATLAB byly vytvořeny tři skripty. Výstupem prvního skriptu byl pootočený CT fantom pacienta. Výstupem druhého skriptu byl sloučený fantom skládající se z pootočeného CT fantomu pacienta a z detektoru EPID včetně mezery mezi nimi. Výstupem třetího skriptu byl ROI fantom obsahující zájmovou oblast původního fantomu. 4.10 Transmisní in-vivo dozimetrie Obrázek č. 9: Obrázek č. 10: Naměřená dávková rovina. MC predikovaná dávková rovina. Obrázek č. 11: Gama distribuce (měření x MC predikce). 13

Výsledky získané z porovnání naměřených a predikovaných transmisních obrazů byly vyhovující. Průměrné hodnoty gama byly v rozmezí 0.1 až 0.6 pro kritéria 3%, 3mm, nicméně v případě in-vivo transmisní dozimetrie zatím nebyly stanoveny žádné tolerance na výsledné gama hodnoty. Za tímto účelem by bylo třeba shromáždit a vyhodnotit naměřené a predikované transmisní portálové obrazy pro dostatečně velký soubor pacientů a dostatečný počet frakcí. Toto by ale již přesahovalo rámec a cíle práce a jedná se spíše o námět na budoucí práci. Přednostněji bylo třeba uvážit a omezit možné příčiny nesouhlasu porovnávaných rozložení. Byly uváženy faktory, které mají vliv na správnost a přesnost predikce transmisní distribuce. Vliv má model hlavice urychlovače (Hlavice byla modelována přesně dle údajů poskytnutých od výrobce.), model svazku (Svazek byl aproximován dle doporučení monoenergetickým s gaussovským rozložením okolo centrální osy.), transport záření látkou (Parametry, které určují jakým způsobem probíhá transport částic v médiu, byly optimalizovány z hlediska charakteru řešené úlohy. Pozornost byla věnována optimálnímu využití všech možností vedoucích ke snížení výpočetního času simulace.), model pacienta (Velikost mřížky fantomu pacienta byla kompromisem mezi informací o materiálovém složení v pacientovi a výpočetním časem simulace. Při konverzi CT čísel na hustotu byla použita implicitní křivka programu ctcreate.), stůl (U Monte Carlo simulace nebyl brán stůl v úvahu.), model detektoru (Detektor byl nahrazen blokem vody, přičemž možnost nahrazení byla ověřena.), lineární interpolace (Predikovaná distribuce dávky v detekční vrstvě portálu byla interpolována na jemnější mřížku. Problém interpolace nastává převážně v oblasti s vysokým spádem dávky.), statistická nejistota výpočtu (Požadovaná přesnost byla dosažena simulací dostatečně velkého počtu historií. Úlohy byly zpracovány paralelně.). Uváženy byly také faktory ovlivňující měřený transmisní portálový obraz. Na měření má vliv stabilita ozařovacího systému (Ověřována v rámci zkoušek provozní stálosti a dlouhodobé stability.), nejistota nastavení pacienta, distribuce tkání v pacientovi (Během pořízení CT a během jednotlivých frakcí se distribuce tkání liší.), odezva detektoru (Detektor byl vždy před náběrem transmisních obrazů kalibrován.). 4.11 Kalibrace CT Převodní křivky získané z kalibrace CT na základě tkáňově ekvivalentních vzorků a z kalibrace stoichiometrické byly vykresleny a porovnány společně s implicitní převodní křivkou programu ctcreate (graf č. 3). V budoucnosti bude při tvorbě voxelového fantomu pacienta preferována převodní křivka získaná ze stoichiometrické kalibrace CT. Křivka je charakteristická pro dané CT a navíc uvažuje značné množství lidských tkání. 14

Hustota [g/cm 3 ] Kalibrace CT 2 1,5 1 Kalibrace CT na základě vzorků Stoichiometrická kalibrace Defaultní kalibrace programu ctcreate 0,5 0 0 500 1000 1500 2000 2500 3000 Škálované Hounsfieldové jednotky [HU] Graf č. 3: Kalibrace CT. 5. ZÁVĚR V souladu se stanovenými cíly práce byla vyvinuta a ověřena metoda, která umožňuje ověření správného ozáření pacienta. Naměřené transmisní portálové obrazy byly porovnány s obrazy predikovanými metodou MC, přičemž statistická nejistota MC výpočtu na hladině významnosti 2 sigma byla nižší než 2 %. Za účelem predikce transmisních portálových map byla v rámci práce namodelována hlavice urychlovače včetně vstupního elektronového svazku, byl vytvořen fantom pacienta a byl modelován portál. Pozornost byla věnována tvorbě vlastních skriptů v jazyce MATLAB, jejichž výstupem bylo sloučení fantomu pacienta s detektorem, rotace pacienta o libovolný úhel a tvorba fantomu na základě výběru oblasti zájmu. Vytvořeny byly skripty sloužící ke kalibraci EPID a skripty sloužící k extrakci predikované dávky a statistické nejistoty z výstupního MC souboru. Na základě porovnání naměřených a predikovaných transmisních map lze ověřit správnost ozáření pacienta z každého ozařovacího pole, v čemž spočívá hlavní přínos prezentované metody. Lze tak ověřit správnou realizaci fluenční mapy i správnou geometrickou pozici pacienta vůči geometrii reprezentované plánovací sérií CT snímků, a to vše při skutečném ozáření pacienta. Ve světě existují práce, které se tématu přímé transmisní dozimetrie věnují. V ČR se však transmisní dozimetrie na žádném pracovišti neprovádí. Důvodem je nemožnost predikce transmisních portálových obrazů plánovacími systémy. Právě proto byla v disertační práci při predikci transmisních obrazů uvažována metoda MC. V ČR se verifikují dávkové distribuce komplikovaných polí pouze před ozářením pacienta, lze tak zkontrolovat funkčnost ozařovače z mechanického i dozimetrického hlediska, nicméně informaci o skutečné 15

úspěšnosti ozáření tak nezískáme. Transmisní in-vivo verifikace naopak hodnocení správnosti ozáření pacienta umožňuje. Mimo ověření mechanické a dozimetrické stability urychlovače je ověřena i správná a reprodukovatelná lokalizace cílového objemu a kritických orgánů během léčby. Prezentovaná metodika predikce transmisních dávkových map je velkým přínosem a může být využita v klinické praxi za účelem zvýšení kvality radioterapie. Z hlediska velké časové náročnosti MC simulace je však využití metody omezeno pouze pro menší počet pacientů. Úlohy byly řešeny paralelně na vícejádrovém procesoru, nicméně v budoucnu by měla být věnována pozornost tvorbě výpočetního clusteru složeného z velkého počtu výkonných procesorů. Dalším námětem na budoucí práci by mohlo být sledování výsledků transmisní verifikace u množství pacientů. Uvažována by byla jednotlivá ozařovací pole a jednotlivé frakce. Naměřené a predikované transmisní mapy by byly porovnány rovněž jako v disertační práci na základě gama analýzy, přičemž sledovaným parametrem by byla rovněž střední hodnota gama. Vedle výsledků transmisní verifikace u jednotlivých pacientů by byla sledována i jejich úspěšnost léčby. Pacienti by byli rozděleni do skupin dle diagnózy, rozsahu onemocnění (klasifikace TNM) a možná i věku a pohlaví. Na základě vyhodnocení dostatečně velkého souboru dat by bylo možné následně stanovit tolerance na sledovaný parametr střední hodnoty gama. 6. SEZNAM POUŽITÉ LITERATURY [1] E.B. Podgorsak. Radiation Oncology Physics. A Handbook for Teachers and Students. Vienna: IAEA, 2005. ISBN 92-0-107304-6. [2] Philip Mayles, Alan Nahum, Jean-Claude Rosenwald. Handbook of Radiotherapy Physics: Theory and Practice. Taylor & Francis Group - USA. 2007. ISBN 0-7503-0860-5; ISBN 978-0- 7503-0860-1. [3] S. Webb. The Physics of Three-Dimensional Radiation Therapy: Conformal Radiotherapy, Radiosurgery and Treatment Planning. Institute of Physics Publishing Bristol and Philadelphia - Cambridge. 2001. ISBN 0-7503-0247-X; ISBN 0-7503-0254 Pbk. [4] S. Webb. The Physics of Conformal Radiotherapy: Advances in Technology. Institute of Physics Publishing Bristol and Philadelphia - Bristol. 1997. ISBN 0-7503-0396-4 (hbk); ISBN 0-7503-0397-2 (pbk). [5] S. Webb. Intensity-Modulated Radiation Therapy. Taylor & Francis Group - New York & London. 1997. ISBN 0-7503-0396-4 (hbk); ISBN 0-7503-0397-2 (pbk). [6] Kolektiv autorů. Principy a praxe radiační ochrany. Azin Praha. 2000 16

[7] D.W.O. Rogers, B. Walters, I. Kawrakow. BEAMnrc Users Manual. National Research Council of Canada. July 2009 [8] D.W.O. Rogers, B. Walters, I. Kawrakow. DOSXYZnrc Users Manual. National Research Council of Canada. July 2009 [9] I. Kawrakow, E. Mainegra-Hing, D.W.O. Rogers, F. Tessier, B. Walters. The EGSnrc Code System: Monte Carlo Simulation of Electron and Photon Transport. National Research Council of Canada. 2011 [10] D.W.O. Rogers, B. Walters, I. Kawrakow. History by history statistical estimators in the BEAM code system. National Research Council of Canada. 2002 [11] Monte Carlo Simulations: Efficiency Improvement Techniques and Statistical Considerations. Integrating New Technologies into the Clinic: Monte Carlo and Image-Guided Radiation Therapy. Department of Radiation Oncology, Allegheny General Hospital, Pittsburg, Pennsylvania; National Research Council of Canada, Ontario, Canada; Physics Department, Carleton University, Ontario, Canada. 2006, 71-91 [12] M. Fragoso, I. Kawrakow, B. A. Faddegon, T. D. Solberg, I. J. Chetty. Fast, accurate photon beam accelerator modeling using BEAMnrc: A systematic investigation of efficiency enhancing methods and cross-section data. Henry Ford Health System, Detroit, Michigan; National Research Council of Canada, Ontario, Canada; University of California, San Francisco, California; UT Southwestern Medical Center, Dallas, Texas. Medical Physics, Vol. 36, No. 12, (December 2009) 5451-5466 [13] LOW, Daniel A., et al. A technique for the quantitative evaluation of dose distributions. Medical Physics. May 1998, vol. 25, no. 5, s. 656-661. [14] P.W. Chin, D.G. Lewis, J.P. Giddy. A Monte Carlo solution for external beam photon radiotherapy verification, Cardiff, UK. April 2005 [15] P.W. Chin, D.G. Lewis, R.J. Jarvis. Monte Carlo portal dosimetry for segmented IMRT verification using the SLIC, Cardiff, UK. 2004 [16] P.W. Chin, E. Spezi, D.G. Lewis. Monte Carlo simulation of portal dosimetry on a rectilinear voxel geometry: a variable gantry angle solution. Physics in medicine and biology. 48 (2003) N231 N238 [17] P.W. Chin. Monte Carlo portal dosimetry. Thesis. University of Wales. 2008 [18] Thuc M.Pham. Simulation of the transmitted dose in an EPID using a Monte Carlo Method. Thesis. Adelaide University. Australia. 2009 [19] Paul D. Reich. A theoretical evaluation of transmission dosimetry in 3D conformal radiotherapy. Thesis. University of Adelaide. 2008 17

[20] Puangpen Tangboonduangjit. Intensity modulated radiation therapy dose maps: The matchline effect. Thesis. University of Wollongong. 2006 [21] Jeffrey V. Siebers, Jong Oh Kim, Lung Ko, Paul J. Keall and Radhe Mohan. Monte Carlo computation of dosimetric amorphous silicon electronic portal images. Virginia Commonwealth University, The University of Texas. Medical Physics, Vol. 31, No. 7, (July 2004) 2135-2146 [22] E. Spezi and D.G. Lewis. Full forward Monte Carlo calculation of portal dose from MLC collimated treatment beams. Velindre Hospital, Cardiff, UK. Physics in medicine and biology. 47 (2002) 377 390 [23] R S Cufflin, E Spezi, A E Millin and D G Lewis. An investigation of the accuracy of Monte Carlo portal dosimetry for verification of IMRT with extended fields. Cardiff, UK. Physics in medicine and biology. 55 (2010) 4589 4600 [24] R. Cufflin, D.G. Lewis, T. Millin. Monte Carlo portal dosimetry for IMRT verification. Cardiff University [25] T. Kairn, M. Dwyer, D. Warne, T. S. Markwell, J. V. Trapp, A. L. Fielding. CTCombine: Rotating and combining CT data with an accurate detector model, to simulate radiotherapy portal imaging at non-zero beam angles. Queensland University of Technology, Brisbane. [26] J. W. Jung, J. O. Kim, I. J. Yeo, Y.-B. Cho, S. M. Kim, S. DiBiase. Fast transit portal dosimetry using density-scaled layer modeling of asi-based electronic portal imaging device and Monte Carlo method. Department of Physics, East Carolina University; Department of Radiation Oncology, University of Pittsburg Cancer Institute; Department of Radiation Medicine, Loma Linda University Medical Center; Department of Radiation Oncology, Princess Margaret Hospital; Department of Radiation Oncology, Robert Wood Johnson School of Medicine. Medical Physics, Vol. 39, No. 12, (December 2012) 7593-7602 [27] Steve B Jiang, Greg C Sharp, Toni Neicu, Ross I Berbeco, Stella Flampouri and Thomas Bortfeld. On dose distribution comparison. Massachusetts General Hospital and Harvard Medical School. USA. Physics in medicine and biology. 51 (2006) 759 776 [28] James C L Chow and Michael K K Leung. A graphical user interface for calculation of 3D dose distribution using Monte Carlo simulations. University of Toronto and Radiation Medicine. Canada. Journal of Physics: Conference Series 102 (2008) 012003 [29] P. Manser, M.K. Fix, E.J. Born, D. Vetterli, R. Mini. Treatment Verification of IMRT by an a-si:h EPID and Monte Carlo. Institute for Biomedical Engineering, ETH and University of Zurich, Switzerland; Department of Radiation Oncology, Div. of Medical Radiation Physics, Inselspital and University of Berne, Switzerland [30] Karen Breitman, Satyapal Rathee, Chris Newcomb, Brad Murray, Don Robinson, Colin Field, Heather Warkentin, Sherry Connors, Marc MacKenzie, Peter Dunscombe, Gino Fallone. 18

Experimental validation of the Eclipse AAA algorithm. Journal of applied medical physics: Volume 8, number 2, spring 2007 [31] U. Schneider, E. Pedroni, A. Lomax. The calibration of CT Hounsfield units for radiotherapy treatment planning. University of Munich, Garching, Bavaria, Germany; Paul Scherrer Institute, Villigen, Switzerland. Phys. Med. Biol. 41 (1996) 111-124 [32] U. Schneider, P. Pemler, J. Besserer, E. Pedroni, A. Lomax, B. K. Hotz. Patient specific optimization of the relation between CT-Hounsfield units and proton stopping power with proton radiography. Department of Radiation Oncology and Nuclear Medicine, Zürich, Switzerland; Department of Radiation Medicine, Paul Scherrer Institute, Villigen, Switzerland; Section of Diagnostic Imaging and Radio-Oncology, Vetsuisse Faculty, University of Zürich, Switzerland. Medical Physics, Vol. 32, No. 1, (January 2005) 195-199 [33] Ch. B. Saw, A. Loper, K. Komanduri, T. Combine, S. Huq, C. Scicutella. Determination of ct-to-density conversion relationship for image-based treatment planning systems. Department of Radiation Oncology, University of Pittsburgh Medical Center, Pittsburgh. Medical Dosimetry, Vol. 30, No. 3, (2005) 145-148 [34] U. Schneider, E. Pedroni. Proton radiography as a tool for quality control in proton therapy. Department of radiation Medicine, Paul Scherrer Institute, Villigen, Switzerland. Medical Physics, Vol. 22, No. 4, (April 1995) 353-363 [35] Beam configuration reference guide. Eclipse. Varian Medical Systems. March 2008 [36] Eclipse Algorithms Reference Guide. Eclipse. Varian Medical Systems. July 2008 [37] Portal Imaging And Portal Dosimetry Reference Guide. Varian Medical Systems. April 2007 [38] External Beam Planning Reference Guide. Eclipse. Varian Medical Systems. July 2008 [39] Dr. James. C.L. Chow, Michael K.K. Leung. DOSCTP Users Manual. Princess Margaret Hospital, University Health Network. Toronto, Canada, 2006 [40] ICRP 1975 Report of the Task Group on Reference Man: ICRP Publication 23 [41] ICRU 1989 Tissue Substitutes in Radiation Dosimetry and Measurement: ICRU Report 44 19