Calculs Monte Carlo en transport d'énergie pour le calcul de la dose en radiothérapie sur plateforme graphique hautement parallèle
Notice bibliographique
Résumé
REMERCIEMENTSÀ Philippe et Benoît, superviseurs et collaborateurs de longue date.À Bas, qui a su m'accueillir et me montrer le charme des Pays-Bas.À Hugo, pour les prouesses mathématiques et les discussions.À Marie-Pier, qui a enduré des soirées et des matins de fin de semaine de travail.À Christopher, qui a relu les articles de cette thèse et qui sait maintenant que Compton est fantastique.À mes parents qui m'ont permis de manger malgré tout. R ÉSUM ÉLe calcul de dose est au centre de la planification de traitement.Ce calcul de dose doit être 1) assez précis pour que le physicien médical et le radio-oncologue puissent prendre une décision basée sur des résultats près de la réalité et 2) assez rapide pour permettre une utilisation routinière du calcul de dose.Le compromis entre ces deux facteurs en opposition a donné lieu à la création de plusieurs algorithmes de calcul de dose, des plus approximatifs et rapides aux plus exacts et lents.Le plus exact de ces algorithmes est la méthode de Monte Carlo puisqu'il se base sur des principes physiques fondamentaux.Depuis 2007, une nouvelle plateforme de calcul gagne de la popularité dans la communauté du calcul scientifique : le processeur graphique (GPU).La plateforme existe depuis plus longtemps que 2007 et certains calculs scientifiques étaient déjà effectués sur le GPU.L'année 2007 marque par contre l'arrivée du langage de programmation CUDA qui permet de faire abstraction du contexte graphique pour programmer le GPU.Le GPU est une plateforme de calcul massivement parallèle et adaptée aux algorithmes avec données parallèles.Cette thèse vise à savoir comment maximiser l'utilisation d'une plateforme GPU en vue d'améliorer la vitesse d'exécution de la simulation de Monte Carlo en transport d'énergie pour le calcul de la dose en radiothérapie.Pour répondre à cette question, la plateforme GPUMCD a été développée.GPUMCD implémente une simulation de Monte Carlo couplée photon-électron et s'exécute complètement sur le GPU.Le premier objectif de cette thèse est d'évaluer cette méthode pour un calcul en radiothérapie externe.Des sources monoénergétiques simples et des fantômes en couches sont utilisés.Une comparaison aux plateforme EGSnrc et DPM est effectuée.GPUMCD reste à l'intérieur de critères gamma 2%-2mm de EGSnrc tout en étant au moins 1200× plus rapide qu'EGSnrc et 250× plus rapide que DPM.Le deuxième objectif consiste en l'évaluation de la plateforme pour un calcul en curiethérapie interne.Des sources complexes basées sur la géométrie et le spectre énergétique de sources réelles sont utilisées à l'intérieur d'une géométrie de type TG-43.Des différences de moins de 4% sont trouvées lors d'une comparaison à la plateforme BrachyDose ainsi qu'aux données v consensus du TG-43.Le troisième objectif vise l'utilisation de GPUMCD comme engin de calcul pour le MRI-Linac.Pour ce faire, la prise en considération de l'effet du champ magnétique sur les particules doit être ajoutée.Il a été démontré que GPUMCD se situe à l'intérieur de critères gamma 2%-2mm de deux expériences visant à mettre en évidence l'influence du champ magnétique sur les distributions de dose.Les résultats suggèrent que le GPU est une plateforme matérielle intéressante pour le calcul de dose par simulation de Monte Carlo et que la plateforme logicielle GPUMCD permet de faire un calcul rapide et exact.vi
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».