Modélisation Monte Carlo du CyberKnife M6 et ses applications à la dosimétrie de petits champs de radiothérapie
Notice bibliographique
Résumé
L’appareil de radiochirurgie CyberKnife performe des traitements avancés de radiothérapie qui offrent des avantages nets pour certains types de cancer. Or, cet appareil produit uniquement des petits faisceaux circulaires ce qui complexifie les procédures de dosimétrie en milieu clinique. En effet, en conditions de petits champs, les diverses perturbations au niveau du détecteur peuvent être très grandes. Ainsi, l’utilisation de la méthode Monte Carlo est nécessaire lors de l’étalonnage et la caractérisation de faisceaux. Ces processus, lors desquels des valeurs de dose de référence et relative sont mesurées et entrées dans les systèmes de planification de traitement, assurent l’efficacité des traitements ainsi que la sécurité des patients. Cette thèse porte sur la modélisation Monte Carlo du CyberKnife M6 et étudie diverses applications à la dosimétrie de petits champs de radiothérapie. \n \nEn premier lieu, une nouvelle méthode permettant la correction de la dépendance au débit de dose des diodes au silicium est proposée. Cette dernière est validée puis appliquée à des mesures relatives effectuées au CyberKnife du Centre hospitalier de l’Université de Montréal (CHUM). Les résultats illustrent la correction de l’erreur systématique induite dans les mesures due à la dépendance au débit de dose de la diode considérée. La méthode proposée fournit alors une solution efficace à cette problématique. \n \nEn second lieu, une méthode pour l’optimisation des paramètres sources requis en entrée lors de la modélisation Monte Carlo de faisceaux de radiothérapie est introduite. Cette dernière est basée sur une approche probabiliste portant sur la comparaison de mesures et de simulations pour divers détecteurs, et permet la détermination de l’énergie du faisceau d’électrons incident sur la cible d’un appareil, ainsi que de la largeur à mi-hauteur de sa distribution radiale. La méthode proposée, qui est appliquée au CyberKnife du CHUM, fournit une nouvelle approche permettant l’optimisation d’un modèle Monte Carlo d'un faisceau ainsi que l’estimation des incertitudes sur ses paramètres sources. \n \nEn troisième lieu, le modèle de faisceau du CyberKnife développé est utilisé afin d’estimer l’impact des incertitudes des paramètres sources sur diverses fonctions dosimétriques couramment utilisées en milieu clinique, ainsi que sur des distributions de dose obtenues par simulation de plans de traitement. Les résultats illustrent l’augmentation de l’impact des incertitudes du modèle de faisceau avec la réduction de la taille de champ, et fournissent une nouvelle perspective sur la précision de calcul atteignable pour ce type de calcul de dose Monte Carlo en petits champs. \n \nEn quatrième lieu, les protocoles de dosimétrie TG-51 (version adaptée du manufacturier) et TRS-483 sont respectivement appliqués et comparés pour l’étalonnage du CyberKnife M6 se trouvant au CHUM. Il est observé que le TRS-483 est cohérent avec le TG-51. Des facteurs de correction de la qualité et corrigeant pour les effets de moyenne sur le volume propres au CyberKnife du CHUM sont estimés par simulations Monte Carlo pour une chambre à ionisation Exradin A12. Les résultats illustrent que la valeur générique fournie dans le TRS-483 pourrait être surestimée en comparaison à notre modèle de CyberKnife et que cette surestimation pourrait être due à la composante de moyenne sur le volume.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,015 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».