Download Luận văn Áp dụng EGSnrc trong việc tính phân bố liều quanh nguồn phóng xạ dùng trong xạ trị áp sát
MỤC LỤC
TỔNG QUAN.7
CHƯƠNG 1: XẠTRỊÁP SÁT VÀ PHƯƠNG PHÁP TÍNH LIỀU.10
1.1. Giới thiệu tổng quan vềkỹthuật xạtrịáp sát .10
1.1.1.Tổng quan .10
1.1.2. Tình hình phát triển xạtrịáp sát ởViệt Nam .10
1.2. Đặc trưng nguồn bức xạ. .12
1.2.1. Các đại lượng đặc trưng cho độmạnh của nguồn .12
1.2.2. Yêu cầu chung vềnguồn bức xạ.13
1.2.3. Nguồn Ir-192 .14
1.2.4. Nguồn Cs-137.15
1.3. Phương pháp tính suất liều của nguồn xạdùng trong xạtrịáp sát .17
1.3.1. Liều hấp thụD và suất liều hấp thụ D.17
1.3.2. Công thức tính suất liều hấp thụ.17
1.3.3. Yêu cầu về độchính xác trong việc cấp liều cho bệnh nhân.22
CHƯƠNG 2: PHƯƠNG PHÁP MONTE CARLO TRONG VIỆC TÍNH LIỀU. CHƯƠNG TRÌNH EGSnrc .24
2.1. Phương pháp mô phỏng Monte Carlo .24
2.1.1. Giới thiệu tổng quan vềphương pháp Monte Carlo.24
2.1.2. Sựtạo sốngẫu nhiên.25
2.1.3. Quá trình tương tác photon.26
2.2. Mô phỏng Monte Carlo trong vận chuyển Photon.27
2.2.1. Mô phỏng phóng xạsơcấp [4], [18] .27
2.2.2. Chọn loại tương tác [4].28
2.3. Giới thiệu chương trình EGSnrc .29
2.3.1. Giới thiệu chung. .29
2.3.2. DOSRZnrc .31
CHƯƠNG 3: ÁP DỤNG CHƯƠNG TRÌNH EGSnrc CHO CÁC NGUỒN Ir-192 VÀ Cs-137 DÙNG TRONG XẠTRỊÁP SÁT .38
3.1. Thiết lập các thông sốvà cấu trúc hình học cho các nguồn .38
3.1.1. Thành phần cấu tạo và cấu trúc của các nguồn .38
3.1.2. Khai báo các thông sốcho chương trình EGSnrc .40
3.2. Tính giá trịg(r) và DF(r, &theta
các nguồn.46
3.2.1. Kết quảcủa hàm g(r) .46
3.2.2. Kết quảcủa hàm DF(r, &theta .51
3.2.3. Kết luận.55
KẾT LUẬN.57
HƯỚNG PHÁT TRIỂN.58
PHỤLỤC.59
TÀI LIỆU THAM KHẢO.69
Để tải bản DOC Đầy Đủ xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Không giống các phương pháp giải tích khác, việc tính toán Monte Carlo cho những bài toán giống
nhau nói chung sẽ cho các kết quả khác nhau. Sự chính xác của những kết quả phụ thuộc vào số lượng
mô phỏng thống kê được thực hiện. Vì vậy, các tính toán Monte Carlo rất nghiêm ngặt và mất nhiều
thời gian hơn các phương pháp giải tích. Sự phát triển của tốc độ máy tính trong những thập niên vừa
qua đã làm giảm thời gian tính toán xuống một cách đáng kể. Tuy nhiên, mô phỏng Monte Carlo vẫn
còn cần những máy tính mạnh để có thể lập kế hoạch điều trị.
Hạn chế chính của kỹ thuật Monte Carlo là thời gian tính toán và cần hiểu biết thật chi tiết
về đặc trưng của chùm bức xạ chiếu đến. Tuy nhiên, các code Monte Carlo ngày càng được cải tiến và
phát triển, giá thành máy tính ngày càng giảm mà tốc độ tính toán ngày càng nhanh cộng với khả năng
chạy song song trên nhiều máy tính đã làm cho thời gian mô phỏng giảm xuống trong vài giờ. Ngoài
ra, các kỹ thuật làm giảm thăng giáng cũng làm tăng tốc độ tính toán lên hàng chục lần.
Ý tưởng chung của việc phân tích Monte Carlo là tạo ra một mô hình càng giống hệ thống thật
mà ta đang quan tâm càng tốt, và tạo ra sự tương tác trong hệ đó dựa vào xác suất của các biến cố,
bằng việc lấy ngẫu nhiên của các hàm mật độ xác suất (pdf). Khi số sự kiện độc lập (gọi là các ‘lịch
sử’) tăng lên thì chất lượng của các giá trị trung bình của hệ thống cũng tăng lên, nghĩa là sai số giảm
xuống. Hầu hết các hệ phức tạp về nguyên tắc có thể được mô hình hóa, nếu đã biết về sự phân bố của
các sự kiện xảy ra trong hệ thì có thể tạo ra một pdf và lấy mẫu nó một cách ngẫu nhiên để mô phỏng
cho hệ thật sự. Các thành phần chính của mô phỏng Monte Carlo bao gồm [8]:
(i) Các hàm mật độ xác suất (pdf): Hệ vật lý phải được mô tả bởi một bộ pdf.
(ii) Nguồn tạo số ngẫu nhiên: phải có sẵn một nguồn các số ngẫu nhiên phân bố đồng nhất trong
khoảng đơn vị.
(iii) Quy luật lấy mẫu: đưa ra việc lấy mẫu các pdf xác định.
(iv) Ghi (Scoring): kết quả phải được tích lũy vào các bản ghi hay ghi nhận đối với các đại lượng
quan tâm.
(v) Đánh giá sai số: ước lượng các lỗi thống kê (phương sai) như là một hàm các số thử nghiệm
và các đại lượng khác phải được xác định.
(vi) Các kỹ thuật làm giảm thăng giáng: các phương pháp để làm giảm độ thăng giáng trong kết
quả ước tính để làm giảm thời gian tính toán cho mô phỏng Monte Carlo.
(vii) Các thuật toán song song và vector cho phép phương pháp Monte Carlo thực hiện hiệu quả
trên máy tính.
Khi được áp dụng vào bài toán vận chuyển bức xạ trong xạ trị và tính liều, phương pháp Monte
Carlo cung cấp nghiệm bằng số cho phương trình vận chuyển Boltzmann, sử dụng trực tiếp các định
luật vật lý vi mô đối với các tương tác electron-nguyên tử, photon-nguyên tử. Phương pháp mô phỏng
Monte Carlo mô phỏng một cách trung thực các vết hạt riêng biệt, trong trường hợp thống kê, với
những hiểu biết về tiết diện tán xạ và hấp thụ. Các tính chất vĩ mô của trường bức xạ (quãng chạy trung
bình của một photon trong một thể tích không gian cho trước) được tính trung bình trên nhiều lần mô
phỏng các hạt hay các lịch sử riêng biệt.
Việc sử dụng phương pháp Monte Carlo trong xạ trị và tính liều đang ngày càng được sử dụng
nhiều hơn. Kết hợp giữa các lý thuyết hiện đại (như điện động lực lượng tử) và công suất của máy tính
ngày càng được nâng cao đã góp phần đẩy phương pháp Monte Carlo trở thành công cụ chuẩn của các
nhà vật lý y học, đặc biệt là trong nghiên cứu.
2.1.2. Việc tạo số ngẫu nhiên
Một trong những công việc cơ bản của mô phỏng Monte Carlo là tạo ra các số ngẫu nhiên có
phân bố đồng đều, thường trong khoảng [0,1]. Các số này có thể được sử dụng cho việc lấy mẫu của
các phân bố xác suất mô tả những hiện tượng vật lý khác nhau, bao gồm cả sự vận chuyển photon.
Các nghiên cứu yêu cầu sự tạo số ngẫu nhiên ngày càng tăng. Tất cả các nguồn tạo số ngẫu
nhiên (random number generators (RNGs)) đều dựa vào các thuật toán đặc trưng, do đó có khả năng
lập lại. Như vậy, các số chỉ là giả ngẫu nhiên. Các số giả ngẫu nhiên được định nghĩa như là có bề
ngoài giống như sự ngẫu nhiên, nhưng có tính chất đặc trưng riêng, là kiểu có thể lặp lại. Số gần như
ngẫu nhiên được định nghĩa như là một không gian tính toán liên lục (thực sự, sự liên tục này cũng
không hoàn toàn ngẫu nhiên, chúng chỉ đúng trong một mức độ nào đó). Phương pháp Monte Carlo sử
dụng các số ngẫu nhiên để kiểm soát quá trình ra quyết định khi một sự kiện vật lý nào đó có một số
kết quả khả dĩ. RNG luôn là một trong các chương trình con quan trọng trong các mã mô phỏng Monte
Carlo. Dãy các số ngẫu nhiên sử dụng cho mô hình Monte Carlo có các thuộc tính sau [8]:
(i) Các chuỗi không tương quan: các chuỗi số ngẫu nhiên phải không tương quan nhau, đặc biệt
n bộ các số ngẫu nhiên phải độc lập với nhau.
(ii) Có khoảng dài: các nguồn số ngẫu nhiên không nên lặp lại, đặc biệt, sự lặp lại chỉ xảy ra sau
khi đã tạo ra một bộ lớn các số ngẫu nhiên.
(iii) Tính đồng nhất: chuỗi các số ngẫu nhiên phải đồng nhất.
(iv) Tính lặp lại: khi chương trình gỡ lỗi, cần thiết phải lặp lại các tính toán để tìm hiểu xem lỗi
xuất hiện như thế nào. Đặc tính lặp lại cũng giúp ích trong việc vận chuyển chương trình đến
các máy khác.
(v) Tốc độ: tốc độ tạo ra các số ngẫu nhiên càng cao càng tốt.
(vi) Khả năng chạy song song: các nguồn sử dụng trên các máy vector có thể vector hóa, với chi
phí thấp hơn.
Gần đây, các nhà nghiên cứu Monte Carlo đã phát triển dãy số Lagged-Fibonacci [8] với dãy số
rộng hơn, chúng tạo ra số ngẫu nhiên nhanh hơn LCRNG (Linear congruential generators) và có thuộc
tính thống kê rất tốt. Tuy nhiên không được trình bày trong khuôn khổ của luận văn này.
2.1.3. Quá trình tương tác photon
Bài toán tính phân bố liều trong XTAS chủ yếu là đối với nguồn phát photon. Do đó sau đây
chúng tui trình bày các bước về quá trình mô phỏng tương tác của photon với vật chất. Hình 2.1 là sơ
đồ mô tả lịch sử của một photon, kể cả các vết của các hạt thứ cấp. Lịch sử bắt đầu từ vị trí 1 trong
chân trong; photon được chỉ ra bởi vết hình sin, và các electron thứ cấp bởi đường thẳng.
Việc mô phỏng bao gồm các bước sau [21]:
1. Chọn năng lượng photon, hướng, và vị trí bắt đầu việc lấy mẫu từ sự phân bố các photon tới,
và sự vận chuyển photon đến biên đầu tiên.
2. Chọn khoảng cách đến tương tác đầu tiên và sự vận chuyển photon đến điểm tương tác.
3. Chọn các loại tương tác (tán xạ Compton, quang điện, tạo cặp, tán xạ Rayleigh).
4. Chọn hướng, năng lượng, v.v…, của các hạt mới (như các electron Compton bằng việc lấy
mẫu từ tiết diện vi phân Klein-Nishinal; photon đặc trưng; electron Auger).
5. Sự vận chuyển tán xạ photon cho đến khi nó rời khỏi hình học hay nó đạt đến gi...
Download miễn phí Luận văn Áp dụng EGSnrc trong việc tính phân bố liều quanh nguồn phóng xạ dùng trong xạ trị áp sát
MỤC LỤC
TỔNG QUAN.7
CHƯƠNG 1: XẠTRỊÁP SÁT VÀ PHƯƠNG PHÁP TÍNH LIỀU.10
1.1. Giới thiệu tổng quan vềkỹthuật xạtrịáp sát .10
1.1.1.Tổng quan .10
1.1.2. Tình hình phát triển xạtrịáp sát ởViệt Nam .10
1.2. Đặc trưng nguồn bức xạ. .12
1.2.1. Các đại lượng đặc trưng cho độmạnh của nguồn .12
1.2.2. Yêu cầu chung vềnguồn bức xạ.13
1.2.3. Nguồn Ir-192 .14
1.2.4. Nguồn Cs-137.15
1.3. Phương pháp tính suất liều của nguồn xạdùng trong xạtrịáp sát .17
1.3.1. Liều hấp thụD và suất liều hấp thụ D.17
1.3.2. Công thức tính suất liều hấp thụ.17
1.3.3. Yêu cầu về độchính xác trong việc cấp liều cho bệnh nhân.22
CHƯƠNG 2: PHƯƠNG PHÁP MONTE CARLO TRONG VIỆC TÍNH LIỀU. CHƯƠNG TRÌNH EGSnrc .24
2.1. Phương pháp mô phỏng Monte Carlo .24
2.1.1. Giới thiệu tổng quan vềphương pháp Monte Carlo.24
2.1.2. Sựtạo sốngẫu nhiên.25
2.1.3. Quá trình tương tác photon.26
2.2. Mô phỏng Monte Carlo trong vận chuyển Photon.27
2.2.1. Mô phỏng phóng xạsơcấp [4], [18] .27
2.2.2. Chọn loại tương tác [4].28
2.3. Giới thiệu chương trình EGSnrc .29
2.3.1. Giới thiệu chung. .29
2.3.2. DOSRZnrc .31
CHƯƠNG 3: ÁP DỤNG CHƯƠNG TRÌNH EGSnrc CHO CÁC NGUỒN Ir-192 VÀ Cs-137 DÙNG TRONG XẠTRỊÁP SÁT .38
3.1. Thiết lập các thông sốvà cấu trúc hình học cho các nguồn .38
3.1.1. Thành phần cấu tạo và cấu trúc của các nguồn .38
3.1.2. Khai báo các thông sốcho chương trình EGSnrc .40
3.2. Tính giá trịg(r) và DF(r, &theta
các nguồn.46 3.2.1. Kết quảcủa hàm g(r) .46
3.2.2. Kết quảcủa hàm DF(r, &theta
.51 3.2.3. Kết luận.55
KẾT LUẬN.57
HƯỚNG PHÁT TRIỂN.58
PHỤLỤC.59
TÀI LIỆU THAM KHẢO.69
Để tải bản DOC Đầy Đủ xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Tóm tắt nội dung:
thích hợp. Đặc điểm chính của phương pháp là tính ngẫu nhiên.Không giống các phương pháp giải tích khác, việc tính toán Monte Carlo cho những bài toán giống
nhau nói chung sẽ cho các kết quả khác nhau. Sự chính xác của những kết quả phụ thuộc vào số lượng
mô phỏng thống kê được thực hiện. Vì vậy, các tính toán Monte Carlo rất nghiêm ngặt và mất nhiều
thời gian hơn các phương pháp giải tích. Sự phát triển của tốc độ máy tính trong những thập niên vừa
qua đã làm giảm thời gian tính toán xuống một cách đáng kể. Tuy nhiên, mô phỏng Monte Carlo vẫn
còn cần những máy tính mạnh để có thể lập kế hoạch điều trị.
Hạn chế chính của kỹ thuật Monte Carlo là thời gian tính toán và cần hiểu biết thật chi tiết
về đặc trưng của chùm bức xạ chiếu đến. Tuy nhiên, các code Monte Carlo ngày càng được cải tiến và
phát triển, giá thành máy tính ngày càng giảm mà tốc độ tính toán ngày càng nhanh cộng với khả năng
chạy song song trên nhiều máy tính đã làm cho thời gian mô phỏng giảm xuống trong vài giờ. Ngoài
ra, các kỹ thuật làm giảm thăng giáng cũng làm tăng tốc độ tính toán lên hàng chục lần.
Ý tưởng chung của việc phân tích Monte Carlo là tạo ra một mô hình càng giống hệ thống thật
mà ta đang quan tâm càng tốt, và tạo ra sự tương tác trong hệ đó dựa vào xác suất của các biến cố,
bằng việc lấy ngẫu nhiên của các hàm mật độ xác suất (pdf). Khi số sự kiện độc lập (gọi là các ‘lịch
sử’) tăng lên thì chất lượng của các giá trị trung bình của hệ thống cũng tăng lên, nghĩa là sai số giảm
xuống. Hầu hết các hệ phức tạp về nguyên tắc có thể được mô hình hóa, nếu đã biết về sự phân bố của
các sự kiện xảy ra trong hệ thì có thể tạo ra một pdf và lấy mẫu nó một cách ngẫu nhiên để mô phỏng
cho hệ thật sự. Các thành phần chính của mô phỏng Monte Carlo bao gồm [8]:
(i) Các hàm mật độ xác suất (pdf): Hệ vật lý phải được mô tả bởi một bộ pdf.
(ii) Nguồn tạo số ngẫu nhiên: phải có sẵn một nguồn các số ngẫu nhiên phân bố đồng nhất trong
khoảng đơn vị.
(iii) Quy luật lấy mẫu: đưa ra việc lấy mẫu các pdf xác định.
(iv) Ghi (Scoring): kết quả phải được tích lũy vào các bản ghi hay ghi nhận đối với các đại lượng
quan tâm.
(v) Đánh giá sai số: ước lượng các lỗi thống kê (phương sai) như là một hàm các số thử nghiệm
và các đại lượng khác phải được xác định.
(vi) Các kỹ thuật làm giảm thăng giáng: các phương pháp để làm giảm độ thăng giáng trong kết
quả ước tính để làm giảm thời gian tính toán cho mô phỏng Monte Carlo.
(vii) Các thuật toán song song và vector cho phép phương pháp Monte Carlo thực hiện hiệu quả
trên máy tính.
Khi được áp dụng vào bài toán vận chuyển bức xạ trong xạ trị và tính liều, phương pháp Monte
Carlo cung cấp nghiệm bằng số cho phương trình vận chuyển Boltzmann, sử dụng trực tiếp các định
luật vật lý vi mô đối với các tương tác electron-nguyên tử, photon-nguyên tử. Phương pháp mô phỏng
Monte Carlo mô phỏng một cách trung thực các vết hạt riêng biệt, trong trường hợp thống kê, với
những hiểu biết về tiết diện tán xạ và hấp thụ. Các tính chất vĩ mô của trường bức xạ (quãng chạy trung
bình của một photon trong một thể tích không gian cho trước) được tính trung bình trên nhiều lần mô
phỏng các hạt hay các lịch sử riêng biệt.
Việc sử dụng phương pháp Monte Carlo trong xạ trị và tính liều đang ngày càng được sử dụng
nhiều hơn. Kết hợp giữa các lý thuyết hiện đại (như điện động lực lượng tử) và công suất của máy tính
ngày càng được nâng cao đã góp phần đẩy phương pháp Monte Carlo trở thành công cụ chuẩn của các
nhà vật lý y học, đặc biệt là trong nghiên cứu.
2.1.2. Việc tạo số ngẫu nhiên
Một trong những công việc cơ bản của mô phỏng Monte Carlo là tạo ra các số ngẫu nhiên có
phân bố đồng đều, thường trong khoảng [0,1]. Các số này có thể được sử dụng cho việc lấy mẫu của
các phân bố xác suất mô tả những hiện tượng vật lý khác nhau, bao gồm cả sự vận chuyển photon.
Các nghiên cứu yêu cầu sự tạo số ngẫu nhiên ngày càng tăng. Tất cả các nguồn tạo số ngẫu
nhiên (random number generators (RNGs)) đều dựa vào các thuật toán đặc trưng, do đó có khả năng
lập lại. Như vậy, các số chỉ là giả ngẫu nhiên. Các số giả ngẫu nhiên được định nghĩa như là có bề
ngoài giống như sự ngẫu nhiên, nhưng có tính chất đặc trưng riêng, là kiểu có thể lặp lại. Số gần như
ngẫu nhiên được định nghĩa như là một không gian tính toán liên lục (thực sự, sự liên tục này cũng
không hoàn toàn ngẫu nhiên, chúng chỉ đúng trong một mức độ nào đó). Phương pháp Monte Carlo sử
dụng các số ngẫu nhiên để kiểm soát quá trình ra quyết định khi một sự kiện vật lý nào đó có một số
kết quả khả dĩ. RNG luôn là một trong các chương trình con quan trọng trong các mã mô phỏng Monte
Carlo. Dãy các số ngẫu nhiên sử dụng cho mô hình Monte Carlo có các thuộc tính sau [8]:
(i) Các chuỗi không tương quan: các chuỗi số ngẫu nhiên phải không tương quan nhau, đặc biệt
n bộ các số ngẫu nhiên phải độc lập với nhau.
(ii) Có khoảng dài: các nguồn số ngẫu nhiên không nên lặp lại, đặc biệt, sự lặp lại chỉ xảy ra sau
khi đã tạo ra một bộ lớn các số ngẫu nhiên.
(iii) Tính đồng nhất: chuỗi các số ngẫu nhiên phải đồng nhất.
(iv) Tính lặp lại: khi chương trình gỡ lỗi, cần thiết phải lặp lại các tính toán để tìm hiểu xem lỗi
xuất hiện như thế nào. Đặc tính lặp lại cũng giúp ích trong việc vận chuyển chương trình đến
các máy khác.
(v) Tốc độ: tốc độ tạo ra các số ngẫu nhiên càng cao càng tốt.
(vi) Khả năng chạy song song: các nguồn sử dụng trên các máy vector có thể vector hóa, với chi
phí thấp hơn.
Gần đây, các nhà nghiên cứu Monte Carlo đã phát triển dãy số Lagged-Fibonacci [8] với dãy số
rộng hơn, chúng tạo ra số ngẫu nhiên nhanh hơn LCRNG (Linear congruential generators) và có thuộc
tính thống kê rất tốt. Tuy nhiên không được trình bày trong khuôn khổ của luận văn này.
2.1.3. Quá trình tương tác photon
Bài toán tính phân bố liều trong XTAS chủ yếu là đối với nguồn phát photon. Do đó sau đây
chúng tui trình bày các bước về quá trình mô phỏng tương tác của photon với vật chất. Hình 2.1 là sơ
đồ mô tả lịch sử của một photon, kể cả các vết của các hạt thứ cấp. Lịch sử bắt đầu từ vị trí 1 trong
chân trong; photon được chỉ ra bởi vết hình sin, và các electron thứ cấp bởi đường thẳng.
Việc mô phỏng bao gồm các bước sau [21]:
1. Chọn năng lượng photon, hướng, và vị trí bắt đầu việc lấy mẫu từ sự phân bố các photon tới,
và sự vận chuyển photon đến biên đầu tiên.
2. Chọn khoảng cách đến tương tác đầu tiên và sự vận chuyển photon đến điểm tương tác.
3. Chọn các loại tương tác (tán xạ Compton, quang điện, tạo cặp, tán xạ Rayleigh).
4. Chọn hướng, năng lượng, v.v…, của các hạt mới (như các electron Compton bằng việc lấy
mẫu từ tiết diện vi phân Klein-Nishinal; photon đặc trưng; electron Auger).
5. Sự vận chuyển tán xạ photon cho đến khi nó rời khỏi hình học hay nó đạt đến gi...