Développement et validation d’un modèle de sources virtuelles adapté à la prédiction d’images EPID pour le contrôle qualité des traitements de RCMI - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2015

Development and validation of a new virtual source model for portal image prediction and treatment quality control

Développement et validation d’un modèle de sources virtuelles adapté à la prédiction d’images EPID pour le contrôle qualité des traitements de RCMI

Résumé

Advanced techniques used in radiotherapy for cancer treatment, such as Intensity-Modulated Radiation Therapy (IMRT), require extensive verification procedures to ensure the correct dose delivery. Electronic Portal Imaging Devices (EPIDs) are widely used for quality assurance in radiotherapy, and also for dosimetric verifications. For this latter application, the images obtained during the treatment session can be compared to a pre-calculated reference image in order to highlight dose delivery errors. The quality control performance depends (1) on the accuracy of the pre-calculated reference image (2) on the ability of the tool used to compare images to detect errors. These two key points were studied during this PhD work. We chose to use a Monte Carlo (MC)-based method developed in the laboratory and based on the DPGLM (Dirichlet process generalized linear model) denoising technique to predict high-resolution reference images. A model of the studied linear accelerator (linac Synergy, Elekta, Crawley, UK) was first developed using the PENELOPE MC codes, and then commissioned using measurements acquired in the Hôpital Nord of Marseille. A 71 Go phase space file (PSF) stored under the flattening filter was then analyzed to build a new kind of virtual source model based on correlated histograms (200 Mo). This new and compact VSM is as much accurate as the PSF to calculate dose distributions in water if histogram sampling is based on adaptive method. The associated EPID modelling in PENELOPE suggests that hypothesis about linac primary source were too simple and should be reconsidered. The use of the VSM to predict high-resolution portal images however led to excellent results. The VSM associated to the linac and EPID MC models were used to detect errors in IMRT treatment plans. A preliminary study was conducted introducing on purpose treatment errors in portal image calculations (primary source parameters, phantom position and morphology changes). The γ-index commonly used in clinical routine appears to be less effective than the χ-index. A future in-depth study will be dedicated to determine error detection threshold according to their nature and to evaluate other comparison test robustness. The developed portal image prediction method associated to robust analysis tools will then constitute an adapted way to assure treatment quality control.
L’essor des nouvelles techniques de traitement en radiothérapie externe a rendu nécessaire la mise en place de nouveaux contrôles qualité (CQ). Il est en effet capital de s’assurer que la dose délivrée au patient est bien conforme à celle qui lui a été prescrite. Les détecteurs EPID, initialement utilisés pour contrôler l’exactitude du positionnement du patient, sont de plus en plus employés pour vérifier la conformité du traitement. L’image qu’ils enregistrent au cours d’une irradiation peut par exemple être comparée à une image de référence, qui correspond à ce qui aurait été mesuré si le traitement s’était déroulé dans les conditions de sa planification. Le succès de ce CQ repose (1) sur la précision avec laquelle on peut prédire l’image EPID (ou portale) de référence et (2) sur les performances de l’outil de comparaison d’image utilisé. Nous avons étudié au cours de cette thèse ces deux points clés. Nous nous sommes tout d’abord tournés vers une méthode de prédiction d’images EPID haute résolution basée sur le couplage de simulations Monte-Carlo (MC) et de la technique de débruitage DGPLM. Pour la mettre en œuvre, nous avons modélisé un accélérateur linéaire d’électrons à usage médical (linac) dans le code MC PENELOPE et optimisé les paramètres de sa source d’électrons primaires pour des calculs de dose dans l’eau. L’analyse d’un fichier d’espace des phases (PSF) de 71 Go stocké sous le cône égalisateur nous a ensuite permis de développer un modèle de sources virtuelles (MSV) représenté par des histogrammes corrélés (environ 200 Mo). Ce nouveau MSV, plus compact que le PSF, est tout aussi précis pour les calculs de dose dans l’eau si son maillage est déterminé selon une méthode adaptative. La modélisation du détecteur EPID dans PENELOPE suggère que les hypothèses faites sur les propriétés de la tâche focale du linac sont trop simplistes et doivent être reconsidérées. L’évaluation du MSV pour la prédiction d’images EPID haute résolution a quant à elle conduit à d’excellents résultats. Une fois la chaine de prédiction de l’image portale de référence validée, nous l’avons utilisée pour détecter des irrégularités dans les traitements de RCMI. Dans une étude préliminaire, nous avons volontairement introduit des erreurs de traitement dans le calcul d’images EPID (dérive du faisceau d’irradiation, modification de la morphologie ou de la position du patient). Le γ-index traditionnellement utilisé en routine s’est avéré moins performant que le χ-index pour les détecter. Une étude plus approfondie aura pour objet de déterminer des seuils de détection d’erreurs en fonction de leur nature et d’éprouver les performances d’autres tests.
Fichier principal
Vignette du fichier
VD2_CHABERT_ISABELLE_11022015.pdf (13.7 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-01325218 , version 1 (02-06-2016)

Identifiants

  • HAL Id : tel-01325218 , version 1

Citer

Isabelle Chabert. Développement et validation d’un modèle de sources virtuelles adapté à la prédiction d’images EPID pour le contrôle qualité des traitements de RCMI. Physique Médicale [physics.med-ph]. Université Paris Sud - Paris XI, 2015. Français. ⟨NNT : 2015PA112016⟩. ⟨tel-01325218⟩
449 Consultations
532 Téléchargements

Partager

Gmail Facebook X LinkedIn More