نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده مهندسی انرژی، دانشگاه صنعتی شریف، صندوق پستی: 14565-1114، تهران - ایران

چکیده

در این مطالعه، ما از نرم­افزار مبتنی بر روش مونت‌کارلو، GATE، برای مدل­سازی سیستم پروتون درمانی اسکن نقطه‌ای (نازل اختصاصی اسکن نقطه‌ای SIEMENS IONTRIS) نصب‌شده در مرکز پروتون و یون سنگین درمانی شانگ‌های  استفاده کردیم. در داخل نازل ، جدا از پنجره‌های ورودی و خروجی و دو محفظه یونی، پرتو از خلأ عبور می­کند  و به این صورت یک پرتو واگرا در خروجی نازل شکل می­گیرد. ما توزیع‌های زاویه‌ای ، فضایی و انرژی فضای فاز پرتو را در خروجی نازل با یک توزیع گوسی کنترل می‌کنیم که توسط هشت پارامتر وابسته به انرژی کنترل می‌شود. پارامترها از پروفایل‌های اندازه­گیری شده و توزیع دز - عمق مشخص شده‌اند. اعتبارسنجی مدل پرتو با مقایسه توزیع دز نسبی اندازه‌گیری شده توسط گروه‌های‌ دیگر و توزیع دز به‌دست‌آمده از شبیه‌سازی باGATE ، با استفاده از مشخصات برنامه‌ریزی از دستگاه برای تعیین موقعیت و انرژی نقطه پرتو انجام شد. نتایج شبیه‌سازی مونت‌کارلو با اندازه‌گیری‌های منحنی دز عمق و طرح‌های گسترش قله براگ توافق خوبی را نشان داد. مقایسه مطلق اختلاف دز جذب‌شده بین مونت‌کارلو و اندازه‌گیری 1± درصد بود. در این کار، روشی برای انطباق مدل شبیه‌سازی مونت‌کارلو برای یک سیستم پرتو پروتون اسکن نقطه‌ای شرح داده شد. توافق خوب بین اندازه‌گیری‌ها توسط گروه‌های‌ دیگر و شبیه‌سازی این تحقیق نشان می‌دهد که مدل‌سازی مونت‌کارلو در این کار یک روش دقیق و معتبر است.

کلیدواژه‌ها

عنوان مقاله [English]

Modeling and validation of proton beam for spot scanning system with GATE software

نویسندگان [English]

  • A. Asadi
  • S.A. Hosseini
  • N. Vosoughi

Department of Energy Engineering, Sharif University of Technology, P.O.Box: 1114-14565, Tehran - Iran

چکیده [English]

In this study, we used the Monte Carlo-based software, GATE, to model the spot scanning proton therapy system (SIEMENS IONTRIS spot scanning dedicated nozzle) installed at the Shanghai Proton and Heavy Ion facility. Within the nozzle, apart from entrance and exit windows and the two ion chambers, the beam traverses through the vacuum, allowing for a convergent beam downstream of the nozzle exit. We model the angular, spatial, and energy distributions of the beam phase space at the nozzle exit with single Gaussians, controlled by eight energy-dependent parameters. The parameters were determined from measured profiles and depth dose distributions. Verification of the beam model was done by comparing measured data and GATE acquired relative dose distributions, using plan specific log files from the machine to specify beam spot positions and energy. The MC simulations showed good agreement with measurements for the depth-dose curve and SOBP plans. The absolute comparison of the absorbed dose difference between the MC and the measurement was ±1%. This work describes a method for adapting a MC simulation model for a spot scanning proton delivery system. The excellent agreement between the measurements and simulations shows that the MC modeling in this work is a precise and reputable method.

کلیدواژه‌ها [English]

  • Proton therapy
  • Monte Carlo
  • Spot scanning
  • GATE
1. J.S. Loeffler, M. Durante, Charged particle therapy--optimization, challenges and future directions. Nature Reviews Clinical Oncology, 10(7), 411-424 (2013).
 
2. E. Pedroni, et al, Initial experience of using an active beam delivery technique at PSI, Strahlentherapie Und Onkologie, 175(2), 18-20 (1999).
 
3. D. Nichiporov, et al, Range shift and dose perturbation with high-density materials in proton beam therapy, Nuclear Instruments & Methods in Physics Research Section B-beam Interactions With Materials and Atoms, 269(22), 2685-2692 (2011).
 
4. A. Bijan, et al, Verification of patient-specific dose distributions in proton therapy using a commercial two-dimensional ion chamber array, Medical Physics, 37(11), 5831-5837 (2010).
 
5. X.R. Zhu, et al, Patient-specific Quality Assurance for Prostate Cancer Patients Receiving Spot Scanning Proton Therapy Using Single-Field Uniform Dose, International Journal of Radiation Oncology Biology Physics, 81(2), 552-559 (2011).
 
6. G. Battistoni, et al, The FLUKA Code: An Accurate Simulation Tool for Particle Therapy, Frontiers in Oncology, 6(2) (2016).
 
7. A. Ferrari, et al, FLUKA: a multi-particle transport code, CERN, Geneva Report No. CERN-2005-10 (2005).
 
8. L.S. Walter, Monte Carlo N-Particle Transport Code System for Multiparticle and High Energy Applications, Version 2.5.d (2003).
 
9. J. Allison, Geant4 developments and applications, IEEE Transactions on Nuclear Science, 53(1), 270-278 (2006).
 
10. J. Perl, TOPAS: an innovative proton Monte Carlo platform for research and clinical applications, Medical Physics, 39(11), 6818-6837 (2012).
 
11. W. Newhauser, et al, Monte Carlo simulations for configuring and testing an analytical proton dose-calculation algorithm, Physics in Medicine & Biology, 52(15), 4569-4584 (2007).
 
12. H. Paganetti, Monte Carlo method to study the proton fluence for treatment planning, Medical Physics, 25(12), 2370-2375 (1998).
 
13. H. Paganetti, Monte Carlo calculations for absolute dosimetry to determine machine outputs for proton therapy fields, Physics in Medicine & Biology, 51(11), 2801-2812 (2006).
 
14. H. Paganetti, et al, Accurate Monte Carlo simulations for nozzle design, commissioning and quality assurance for a proton radiation therapy facility, Medical Physics, 31(7), 2107-2118 (2004).
 
15. K. Parodi, et al, Monte Carlo simulations to support start-up and treatment planning of scanned proton and carbon ion therapy at a synchrotron-based facility, Physics in Medicine & Biology, 57(12), 3759-3784 (2012).
 
16. E. Almhagen, et al, A beam model for focused proton pencil beams, Physica Medica, 52, 27-32 (2018).
 
17. Adam H. Aitkenhead, et al., Automated Monte-Carlo re-calculation of proton therapy plans using Geant4/Gate: implementation and comparison to plan-specific quality assurance measurements, The British Journal of Radiology, 93, 1114 (2020): 20200228.
 
18. L. Grevillot, A Monte Carlo pencil beam scanning model for proton treatment plan simulation using GATE/GEANT4, Physics in Medicine & Biology, 56(16), 5203-5219 (2011).
 
19. H. Shu, Scanned Proton Beam Performance and Calibration of the Shanghai Advanced Proton Therapy Facility, MethodsX, 6, 1933-1943 (2019).
 
20. S. Jan, GATE V6: a major enhancement of the GATE simulation platform enabling modelling of CT and radiotherapy, Physics in Medicine & Biology, 56(4), 881 (2011).
 
21. Geant4-Website 2012b http://geant4.cern.ch/
 
22. I. Pshenichnov, I. Mishustin, W. Greiner, Distributions of positron-emitting nuclei in proton and carbon-ion therapy studied with GEANT4, Physics in Medicine & Biology, 51(23), 6099 (2006).
 
23. E. Seravalli, et al, Monte Carlo calculations of positron emitter yields in proton radiotherapy, Physics in Medicine & Biology, 57(6), 1659 (2012).
 
24. Sheng, Yinxiangzi, et al., Development of a Monte Carlo beam model for raster scanning proton beams and dosimetric comparison, International Journal of Radiation Biology, 96.11, 1435-1442 (2020)