使用卷积/叠加方法进行子中子捕获疗法的剂量计算算法.
Junyoung Lee1, Geunsub Kim2, Hyegang Chang1
1Program in Biomedical Radiation Sciences, Department of Transdisciplinary Studies, Graduate School of Convergence Science and Technology, Seoul National University, Seoul, Republic of Korea.
概括
这项研究适应了卷积/叠加 (C/S) 方法用于中子捕获疗法 (BNCT) 剂量计算,以相当准确地实现高速. 在BNCT治疗计划中,C/S方法比蒙特卡洛模拟显著更快.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
- 计算生物学 计算生物学
背景情况:
- 卷积/叠加 (C/S) 方法,最初用于光子剂量计算,已适应中子捕获疗法 (BNCT).
- 准确的剂量计算对于有效的BNCT治疗计划至关重要.
- 引入了TEGMA (每单位质量产生的总能量) 概念,以表示中子剂量组分.
研究的目的:
- 为BNCT开发和验证基于C/S的治疗计划系统.
- 为了评估C/S方法的准确性和速度,与BNCT剂量计算的蒙特卡洛模拟相比.
- 评估使用C/S用于临床BNCT剂量规划的可行性.
主要方法:
- 使用MCNP6.2.2.计算了中子流动分布.
- 为C/S代码创建了一个能源组TEGMA和KERMA的库.
- 剂量分配与立方体和人头幻影的PHITS蒙特卡洛代码进行了比较.
- 从DICOMCT图像创建了一个人头幻影.
主要成果:
- 与蒙特卡洛相比,C/S方法显示剂量在2-6%,剂量在4-9%之间存在差异.
- 在人类头部幻影中,C/S和蒙特卡洛之间的异位剂曲线 (60%-110%) 几乎相同.
- 这种C/S方法比PHITS (15.5-380分钟) 快得多 (<1分钟).
- 剂量概况的差异归因于横截面数据和运输算法差异.
结论:
- 开发的C/S算法为BNCT剂量计算提供了一个高速的替代方案.
- 这种C/S方法表现出相当的准确性,适合临床治疗规划.
- 可能需要进一步细化,以解决特定剂量组件和反向散射效应的差异.
相关概念视频
02:59Biological Effects of Radiation
15.5K
All radioactive nuclides emit high-energy particles or electromagnetic waves. When this radiation encounters living cells, it can cause heating, break chemical bonds, or ionize molecules. The most serious biological damage results when these radioactive emissions fragment or ionize molecules. For example, α and β particles emitted from nuclear decay reactions possess much higher energies than ordinary chemical bond energies. When these particles strike and penetrate matter, they...
15.5K
03:20Nuclear Transmutation
17.6K
Nuclear transmutation is the conversion of one nuclide into another. It can occur by the radioactive decay of a nucleus, or the reaction of a nucleus with another particle. The first manmade nucleus was produced in Ernest Rutherford’s laboratory in 1919 by a transmutation reaction, the bombardment of one type of nuclei with other nuclei or with neutrons. Rutherford bombarded nitrogen-14 atoms with high-speed α particles from a natural radioactive isotope of radium and observed...
17.6K