II JORNADAS GASTRONOMICAS Y DEL PINCHO "PRODUCTOS DEL CERDO"
Optimización del cálculo por Monte Carlo de la Dosis en ......3. Método Propuesto Para la...
Transcript of Optimización del cálculo por Monte Carlo de la Dosis en ......3. Método Propuesto Para la...
Optimización del cálculo por Monte Carlo de la Dosis en
Radioterapia: Producción de Pares
J. Massa1, R. Wainschenker, J. Doorn
E-mail: [email protected]
Abstract. El cálculo de la dosis en radioterapia es de suma importancia para realizar la
planificación de un tratamiento. La optimización del cálculo de alta precisión es indispensable
para lograr tiempos compatibles con la práctica médica. Es posible optimizar este problema en
varios aspectos: en el modelo físico subyacente, en el método de cálculo o a través de métodos
globales. En este trabajo se presenta una mejora del método de cálculo, específicamente para la
interacción Producción de Pares. La estrategia utilizada se basa en un método de reemplazo
de la función de rechazo por un método que utiliza la inversa de la función de densidad de probabilidades acumuladas. Respecto de la calidad de los resultados, se conservó la calidad de
los modelos tomados como referencia. Los resultados obtenidos consisten en una optimización
en un factor 10 respecto del método de rechazo utilizado en las soluciones tomadas como
referencia.
1. Introducción El objetivo de este trabajo es contribuir a la reducción del tiempo de cálculo por Monte Carlo aplicado
al cálculo de la dosis en radioterapia. Si bien el método se ha desarrollado específicamente para
reducir el tiempo de cálculo de la interacción de fotones con la materia denominada producción de
pares, la estrategia puede utilizarse para el cálculo de otras magnitudes de forma directa aplicando el
método de Monte Carlo en general.
El cálculo de la dosis en radioterapia es de gran relevancia debido a que es una herramienta
esencial en la planificación de tratamientos de radioterapia y el interés por la optimización del cálculo
se origina debido a que actualmente los tiempos de cálculo mediante los métodos más precisos son
demasiado grandes para los condicionamientos de la práctica médica. Este problema de optimización
puede ser tratado desde varios aspectos según diferentes puntos de vista: es posible realizar
optimizaciones sobre el modelo físico principalmente con el fin de evitar el cálculo de ciertas
magnitudes consideradas no relevantes para la solución. Este tipo de optimizaciones debe considerarse
con cuidado ya que pueden acarrear una pérdida de precisión de los resultados si no se consideran con
cuidado las estrategias que permiten cambiar el modelo físico. Pueden realizarse otro tipo de
optimizaciones, sobre la estrategia o algoritmo de cálculo aplicado sobre el modelo físico, éste trabajo
pertenece a esta categoría. Estas optimizaciones intentan obtener un modelo probabilístico directo
entre los números al azar y las magnitudes que se desean calcular.
En este trabajo se obtuvo un método directo de cálculo para la energía del par electrón-positrón
(energía reducida) en la interacción producción de pares, como parte del cálculo general de dosis.
1 INTIA, Fac. Cs. Exactas, UNICEN, Campus, Tandil, Argentina
XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica Mar del Plata, 28 al 30 de septiembre de 2011
El método de cálculo desarrollado toma como base el modelo probabilístico del problema. A través
de la integración de las funciones de densidad de probabilidades que relaciona la energía reducida con
la sección eficaz (probabilidad de interacción), se obtuvo una forma directa para realizar el cálculo.
Se aproximó la inversa de la función de densidad de probabilidades acumuladas mediante
polinomios algebraicos para diferentes energías y finalmente se encontró la relación de los
coeficientes de los polinomios. Con estas relaciones y la energía del fotón incidente se construyó un
nuevo polinomio de ajuste que permite, dado un número al azar, obtener directamente la energía
reducida.
La comparación en tiempo de cálculo de este nuevo método con el utilizado en los programas de
alta precisión tomados como referencia indica que se han logrado reducciones del orden de 9 veces,
manteniendo el error relativo en el cálculo de las magnitudes involucradas por debajo del 1% en el
peor de los casos. Esto es relevante, ya que se intenta que el error general en el cálculo de la dosis no
supere el 3%.
En la sección 2 se presenta una introducción al fenómeno de producción de pares, los modelos
teóricos adecuados para el cálculo de este efecto, junto con el algoritmo clásico de cálculo que utiliza
la función de rechazo. En la sección 3 se presenta el método propuesto de ajuste polinomial, mientras
que en la sección 4 se presentan los resultados hallados relativos a la precisión del cálculo y la
reducción temporal. Finalmente las conclusiones y el trabajo futuro se detallan en la sección 5.
2. Estado del Arte La interacción producción de pares puede verse como la transformación de un fotón en un par
electrón-positrón en el campo Coulombiano de un átomo. En la figura 1, se puede observar un
esquema simplificado de esta interacción.
Figura 1. Esquema de Producción de Pares
La creación de pares es el fenómeno más probable para energías de fotones superiores a las decenas
de MeV. Para crear el par, el fotón debe tener al menos una energía igual a 2moec2. En el caso de
simulaciones para tratamientos de radioterapia tiene sentido su cálculo a partir de los 4 o 5 MeV,
dependiendo también del elemento con el cual se produzca la interacción.
Desde el punto de vista físico, Dirac en 1928 plantea la existencia de este efecto. Los experimentos con cámaras de niebla que se realizaron posteriormente mostraron la aparición de un fenómeno
conocido como producción de triplas, que resultó ser el mismo fenómeno en el caso particular en que
el fotón interactúa con un electrón del átomo en lugar de con el campo del núcleo atómico [1].
2.1 Modelos teóricos para el cálculo de Producción de Pares
Respecto del cálculo del este efecto, Oppenheimer y Plesset establecieron las probabilidades teóricas
del proceso, confirmando la dependencia sobre el cuadrado del número atómico (Z). Posteriormente, Bethe y Heitler realizaron un desarrollo en el cual consideraron con más detalle las correcciones para
altas energías del fotón incidente. Este modelo derivado de la aproximación de Born [2] permite
XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica Mar del Plata, 28 al 30 de septiembre de 2011
calcular las secciones eficaces diferenciales DCS (derivada de la probabilidad de interacción respecto
de la energía reducida) para fotones incidentes de energía E. La Ec. (1) muestra la expresión para este
modelo que incluye además, una corrección similar a la Coulombiana para bajas energías, una
corrección radiativa para altas energías, corrección por formación de triplas y adecuación para el
cálculo por Monte Carlo con función de rechazo [3].
)]()()
2
1(2[
3
2][ 21
22 εφεφεηαε
σ+−+= re
ppCZZr
d
d
(1)
Donde EcmE e /)( 2+= −ε es la energía reducida, 2
er es el cuadrado del radio clásico del electrón,
α la constante de estructura fina, Z el número atómico del elemento, η representa la contribución por
creación de triplas, Cr es el factor de la corrección radiativa, )(1 εφ y )(2 εφ se definen de acuerdo a las
ecuaciones (2) y (3) con 1g , 2g y 0g definidos en las ecuaciones (4), (5) y (6) respectivamente.
)()()( 011 kgbg +=εφ (2)
)()()( 022 kgbg +=εφ
(3)
)]1ln(3)arctan(44[)arctan(6)1ln(23
7 21212
1 bbbbbbbg +−−−−+−= −− (4)
)]1ln(3)arctan(44[2
1)arctan(3)1ln(2
6
11 21212
2 bbbbbbbg +−−+−+−= −− (5)
),()(4)/ln(4 00 ZkFZfccRmg e +−= h (6)
Donde h/cRme es el radio de apantallamiento reducido,
)(Zfces la corrección de alta energía
Coulombiana de Davies, Bethe y Maximon y ),(0 ZkF
es otro factor de ajuste.
El modelo presentado estima con precisión la DCS para altas energías del fotón incidente, pero subestima los valores para bajas energías cerca del límite inferior. Posteriormente se introdujeron otras
mejoras en la expresión que determina la DCS para bajas energías, que permiten estimarlas con mayor
precisión. Estas fueron compiladas en tablas por Hubbel, Gimm y Oberbo utilizando las correcciones
empíricas Coulombianas en el rango de 5 a 50 MeV, así como los cálculos exactos de la aproximación
de Born de Onda Distorsionada para otros rangos [4].
Las mejoras de precisión en la estimación de las secciones eficaces posteriores a la presentada por Motz,Olsen y Koch [2] deben ser consideradas en contexto, ya que la disminución del error se produce
para energías en la zona entre 1,5 y 5 MeV, en la que el efecto de producción de pares es
aproximadamente 1000 veces menos probable que el efecto Compton. Estas correcciones proveen
entonces una reducción del error del orden de 5*10-4. Es por esta razón que en todo lo que sigue se
utiliza el formalismo presentado en las ec. (1) a ec. (6).
En la figura 2 se observa un gráfico de las secciones eficaces de las interacciones de fotones con la materia, donde en la parte derecha se pueden ver las zonas donde las interacciones Compton y
Producción de Pares son importantes.
XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica Mar del Plata, 28 al 30 de septiembre de 2011
Figura 2. Secciones eficaces de interacciones de fotones con la materia.
2.2 Cálculo de Producción de Pares por Monte Carlo
Respecto a los algoritmos de cálculo empleados, en los sistemas de alta precisión utilizados como
referencia PENELOPE [3], GEANT y EGS[5] comparten un modelo propuesto por Baró [6] basado en
la función de rechazo. En este, la expresión que determina la DCS es separada en dos partes, una de
ellas es monótona creciente y se encuentra normalizada por lo que es posible aplicar la función de
densidad de probabilidades acumulada. Sin embargo, parte de la ecuación se utiliza como función de
rechazo para validar los resultados obtenidos en la primera.
Específicamente, la ecuación (1) puede ser escrita de la forma que se muestra en la ecuación (7),
donde )(επ i son monótonas crecientes y normalizadas a 1 y
)(εiUson positivas y normalizadas, por
lo tanto son funciones de rechazo válidas.
)()()()()( 222111 επεεπεε UuUuPpp += (7)
Sobre este modelo se implementó un algoritmo de rechazo cuyos pasos se muestran a continuación:
(i) Sortear un valor entero i (=1,2) de acuerdo a:
21
1)1(uu
up
+= y
21
2)2(uu
up
+=
(ii) Muestrear un valor de ε utilizando )(επ i con las fórmulas de la ecuación (8) en el caso de
i igual a 1 o 2 respectivamente
=
=
−+
−−+=
2
1
)2)(1
2
1(
1
)12)(1
2
1(
2
1 3/1
i
i
kk
k
ξ
ξε (8)
(iii) Generar un nuevo número aleatorio ξ para el uso en la función de rechazo.
(iv) Si )(εξ iU> volver al paso (i)
(v) Retornar ε
Respecto de la eficiencia del cálculo por este método de función rechazo, es del orden del 70% en
energías bajas y crece hasta el 95% en altas energías. Las energías utilizadas para comprobar esta
eficiencia corresponden al rango bajo-medio de esta interacción, como las utilizadas en el cálculo de
dosis en tratamientos de radioterapia.
XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica Mar del Plata, 28 al 30 de septiembre de 2011
3. Método Propuesto Para la optimización del tiempo de cálculo del fenómeno Producción de Pares se ha utilizado una
estrategia que evita el uso de la función de rechazo, a través de la aplicación de un método directo para
acceder a la energía reducida a través de un número al azar, dada la energía del fotón incidente y
conociendo el Z del átomo con el cual se produce la interacción.
La idea general del método consiste en construir una aproximación a la función de densidad de
probabilidades acumulada que facilite su uso en un programa de cálculo. Esta aproximación se
construyó tolerando errores muy por debajo de los provistos por el modelo. En tal sentido se
encontraron seis polinomios algebraicos de ajuste de grado 4 que permiten conocer los coeficientes del
polinomio algebraico de grado 5 de aproximación a la función inversa.
3.1 Obtención de la función inversa
Como modelo de base se utilizó el expresado en la ecuación (1). Si bien se podría obtener la expresión
analítica de la integral de esta ecuación para luego obtener la función inversa, se utilizó esta ecuación
para obtener las integrales numéricas para diferentes valores de energías y números atómicos respecto
de la energía reducida. Esta integral se realizó en forma acumulada ajustando el espaciado de manera
de trabajar con la precisión requerida. De esta manera se pudo obtener una función de densidad de
probabilidades acumulada monótona creciente y normalizada a 1. En la figura 3 se muestra la DCS y
su correspondiente integral acumulada para distintas energías de fotón incidente.
0.0
0.2
0.4
0.6
0.8
1.0
0 0.2 0.4 0.6 0.8 1
Energía Reducida
DC
S y
DCS A
cum
No
rmalizad
as
5 MeV
10 MeV
20 MeV
Figura 3. Funciones DCS para diferentes energías y sus correspondientes funciones de
densidad de probabilidad acumulada.
Si bien con los datos de la integral numérica es posible obtener una tabla inversa aplicando un
método como el de búsqueda binaria de modo de poder utilizar el método de precálculo para dado un
número al azar obtener vía una técnica de interpolación la magnitud deseada, de la forma en que se
aplicó para el efecto fotoeléctrico y Compton [7][8], se optó por otro método que se describe a
continuación.
i) Se obtuvo la energía reducida como función de la densidad de probabilidades acumulada, para
un rango de energías desde 5 a 20 MeV, con una separación de 2.5 MeV, para los elementos
con número atómico desde 1 hasta 20 con presencia significativa en el cuerpo humano. En la
figura 4 se muestran (por simplicidad) algunas de estas funciones para energías de fotón
incidente de 5,15 y 20 MeV.
XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica Mar del Plata, 28 al 30 de septiembre de 2011
ii) Se obtuvo un conjunto de polinomios de ajuste de la inversa de la Probabilidad Acumulada
desde 0 hasta un valor de energía reducida, llamados PIPAE,Z(ξ ).
0
0.2
0.4
0.6
0.8
1
0.0 0.2 0.4 0.6 0.8 1.0
DCS Acum Normalizadas
En
erg
ía R
ed
uci
da
15 MeV Acum
20 MeV Acum
5 MeV Acum
Figura 4. Inversa de las funciones de densidad de probabilidad acumuladas para las energías 5, 15 y
20 MeV.
iii) Se graficaron los coeficientes de estos polinomios de ajuste como función de la inversa de la
energía y del número atómico. Se observa que estos coeficientes de cada grado pueden ser ajustados con suficiente precisión mediante ecuaciones de cuarto grado. Estas ecuaciones, forman los
polinomios de ajuste de coeficientes PACi(E,Z).donde cada uno ajusta el coeficiente de grado i del
polinomio PIPAE,Z(ξ ). Esto puede observarse en la figura 5.
Figura 5. Polinomios de ajuste de coeficientes.
XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica Mar del Plata, 28 al 30 de septiembre de 2011
iv) Se comprobó que con los PACi(E,Z) se pueden reconstruir los polinomios PIPAE,Z(ξ ) de ajuste de
la inversa de la integral acumulada con un error menor al 1% para cualquier energía del fotón
incidente.
3.2 Algoritmo de cálculo utilizando función inversa
Finalmente, a partir de una energía de fotón incidente (E0) y el número atómico del elemento Z0, se
utilizan los coeficientes de ajuste del polinomio PACi(E0,Z0) para calcular los coeficientes del
polinomio PIPA Eo,Zo(ξ ). Con esta ecuación se calcula la energía reducida dado un número al azar
uniformemente distribuido entre 0 y 1.
4. Resultados Los resultados se organizan en tres aspectos: en primer lugar se presentan los coeficientes hallados
para los polinomios de ajuste de la integral inversa y las expresiones que determinan estos
coeficientes. Luego se describe lo concerniente a la precisión de los resultados, mientras que por
último se presentan las optimizaciones logradas en cuanto al tiempo de ejecución y la cantidad de números al azar obtenidos.
4.1 Coeficientes de los polinomios de ajuste de la integral inversa
Los polinomios PIPAE,Z(ξ ) tienen la forma de la ecuación (9), en tanto que los polinomios
PACi(E0,Z0) que permiten determinar los coeficientes ai se muestran en la ecuación (10). La precisión
de los coeficientes ai ha sido seleccionada de forma tal que no se diferencien ante las variaciones en el
número Z.
0
1
1
2
2
3
3
4
4
5
5, *****)( aaaaaaZE +++++= ξξξξξξε (9)
0,
1
1,
2
2,
3
3,
4
4, ****)( iiiiii bEbEbEbEbEa ++++= −−−− (10)
La matriz de los coeficientes de ajuste bi,j se muestra en la tabla 1 para energías entre 5 y 20 MeV y
números atómicos entre 1 y 20 presentes en el tejido humano.
Tabla 1. Valores de coeficientes para energías de 5 a 20 MeV.
a0 a1 a2 a3 a4 a5
b0 0,0071 1,2316 -1,8684 6,3771 -5,6760 2,2595
b1 0,7022 4,3529 -25,8500 -16,7770 -41,0980 16,9700
b2 -2,9128 -39,9890 207,8400 613,3900 322,9500 -137,6500
b3 16,5900 125,6800 -644,9700 -5296,3000 -656,7500 316,6100
b4 -34,2740 -153,0700 758,8900 12922,0000 68,5540 -144,9000
Se destaca nuevamente que la incidencia de la variación de los números atómicos Z que componen la
mayoría de los tejidos del cuerpo humano no altera en forma apreciable los coeficientes de la Tabla 1
para las energías con las que se trabaja en la práctica.
XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica Mar del Plata, 28 al 30 de septiembre de 2011
4.2 Precisión de los resultados.
En figura 6 se observan los errores calculados como la diferencia relativa entre los valores obtenidos
por los polinomios PIPAE,Z(ξ ) y los valores de la inversa de la integral calculados por el modelo
teórico utilizado. Para poder mostrar los errores, se los aumenta en un factor 10 y se observa que en
los peores casos, donde estadísticamente las energías reducidas asociadas son las menos probables, el
error alcanza el 2%. Cabe destacar que en el rango de mayor probabilidad el error se mantiene por
debajo del 1 por mil.
0
0.2
0.4
0.6
0.8
1
0.0 0.2 0.4 0.6 0.8 1.0DCS Acum Normalizadas
En
erg
ía R
ed
uci
da
y s
us
err
ore
s
rela
tiv
os
5 MeV Acum
15 MeV Acum
20 MeV Acum
5 Mev Errores
20 Mev Errores
15 MeV Errores
Figura 6. Errores aumentados en 10. Se observan valores máximos del 2%.
4.3 Cálculo de la optimización temporal.
Con el fin de comparar el tiempo de cálculo de las diferentes alternativas tratadas en este trabajo, se
construyó un programa para el cálculo de las energías reducidas por los métodos de rechazo, el
método propuesto en este trabajo y un método de interpolación sobre las tablas como el utilizado en
los trabajos anteriores para la optimización del cálculo del efecto fotoeléctrico [8].
Se consideró el cálculo de 1*106 valores para disminuir el efecto de la dispersión entre los
diferentes equipos en los que se realizaron las pruebas. Además, la medición de tiempos se realizó
asegurando que la frecuencia principal del microprocesador se mantenga fija durante la ejecución del
programa. Los resultados medidos en tiempo promedio, factor de optimización respecto al método de
rechazo y la cantidad de números al azar utilizados promediados se presentan en la tabla 2.
Tabla 2. Valores de coeficientes.
Interpolación Bilineal
Método de ajuste polinomial Método de rechazo
Tiempo Promedio (s) 0.70 2.83 26.40
Factor de Optimización temporal respecto a
Método de Rechazo 37.2 9.3 1
Cantidad de números al azar promedio 1 1 2
XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica Mar del Plata, 28 al 30 de septiembre de 2011
5. Conclusiones y Trabajo Futuro
• Se desarrolló un método que aproxima la inversa de la función de densidad de
probabilidades acumulada y se la aplicó para el cálculo del efecto de producción de pares.
Esto evita el uso de expresiones complicadas que si bien son conceptualmente válidas, son
innecesarias en el caso de la utilización en un programa de cálculo.
• El método implementado permitió reducir el tiempo de cálculo del efecto Producción de
Pares en un factor de 9.3 veces. Si bien la implicancia que esta reducción tiene en el cálculo
total de la dosis en radioterapia es desconocida aún, debido a que no se dispone del modelo
completo, es acumulable y combinable con otras optimizaciones ya realizadas o a realizar.
• El método hallado permite obtener los valores de energía reducida necesarios para el cálculo
de la interacción producción de pares sin involucrar el manejo del gran volumen de
información que supone el trabajo con tablas para implementar el método de interpolación
bilineal.
5.1 Trabajos Futuros.
Se espera completar este trabajo integrándolo junto con las optimizaciones ya realizadas para los
efectos Fotoeléctrico y Compton [7], entre otras [8].
Además, se planifica realizar el estudio de sensibilidad para la implementación de Interpolación
Bilineal con la idea de evaluar la posible implementación de un modelo mixto según la disponibilidad
de recursos (memoria vs. capacidad de cálculo).
6. Referencias bibliográficas
[1] Hubbell J.H. “Electron-positron pair production by photons: A historical overview”. Radiation
Physics and Chemistry, Vol. 75, pp. 614-623, 2006
[2] Motz J.W., Olsen H.A., Koch H.W. “Pair production by photons”. Rev. Mod Phys., Vol 41, pp.
581-639, 1969
[3] F. Salvat, J. Fernández Varea, J Sempau, “PENELOPE-2008, A Code System for Monte Carlo
Simulation of Electron and Photon Transport,” Workshop Proc., Barcelona, Spain, ISBN: 978-
92-64-99066-1, 2008
[4] Hubbell J.H., Gimm H.,Overo I.. “Pair, triplet, and total atomic cross sections (and mass
attenuation coeffcients) for 1 MeV-100 GeV photons in elements Z = 1 to 100", J. Phys. Chem.
Ref. Vol 9, 1023-1147. 1980
[5] Kawrakow I., Rogers D. “The EGSnrc Code System: Monte Carlo Simulation of Electron and
Photon Transport”, Ionizing Radiation Standards, National Research Council of Canada, Nov 7,
2003, NRCC Report PIRS-701, 2003
[6] Sempau J. et al. “An algorithm for Monte Carlo simulation of couped electron-photon
transport”. Nuclear Instruments and Methods in Physics Research, B. 132, pp 377-390, 1997
[7] Massa J., Wainschenker R., Doorn J., Caselli E., “Time improvement of photoelectric effect
calculation for absorbed dose estimation”, IOP Publishing, Journal of Physics: Conference
Series 90, doi:10.1088/1742-6596/90/1/012048, 2007
[8] Massa, J.M.; Doorn, J.H.; Wainschenker, R.S. “Low-coupled parallel strategy for Monte
Carlo radiation dose calculation” . Engineering in Medicine and Biology Society (EMBC), 2010
Annual International Conference of the IEEE, August 2010, pp. 1771 – 1774, 2010
XVIII Congreso Argentino de Bioingeniería SABI 2011 - VII Jornadas de Ingeniería Clínica Mar del Plata, 28 al 30 de septiembre de 2011