使用人工神经网络与Si / CdTe康普顿摄像头改进碳离子放射治疗的范围估计

科学领域:

• 医学物理 医学物理
• 核仪器仪表 核仪器仪表 核仪器仪表
• 计算科学 计算科学

背景情况:

• 精确监测粒子范围对于有效的癌症放射治疗至关重要.
• 碳离子疗法中范围估计的传统方法在精度上有局限性.
• 康普顿摄像机提供了实时监控的潜力,但需要复杂的事件选择.

研究的目的:

• 使用康普顿成像来提高碳离子范围估计的准确性.
• 开发和验证用于康普顿事件分类的人工神经网络 (ANN).
• 将基于ANN的方法与传统的范围确定方法进行比较.

主要方法:

• 蒙特卡洛模拟 (Geant4) 用于模拟碳离子辐射和玛射线检测.
• /化 (Si/CdTe) 康普顿摄像机检测到发出的马射线.
• 一个ANN受过训练,可以区分真正的康普顿事件和背景噪音.
• 列表模式最大概率预期最大化 (LM-MLEM) 重建了光子分布.
• 通过分析光束轴沿线的排放配置文件来估计光束范围.

主要成果:

• 基于ANN的事件选择大大增加了真正的康普顿事件的比率.
• 拟议的方法在各种幻影位置上实现了低于3毫米的平均位置误差.
• 这比传统方法有了显著的改进,传统方法的最大误差为4.3毫米.

结论:

• 将ANN与康普顿成像集成,可以提高碳离子治疗中在线范围监测的精度.
• 开发的方法显示出对粒子治疗中的临床应用有前途.
• 这种方法为辐射瘤学中剂量验证提供了更高的准确性和可靠性.