تأثیر کاهش اثر ساختگی فلز در برآورد توزیع دوز توسط نرم افزار طراحی درمان ISOgray

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد فیزیک پزشکی، گروه فیزیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، ایران

2 دانشیار مرکز تحقیقات پزشکی هسته ای، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، ایران

3 دانشجوی دکترای تخصصی فیزیک پزشکی، گروه فیزیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، ایران

4 استادیار، مرکز تحقیقات فیزیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، ایران

چکیده

هدف:
در بدن برخی از بیماران مبتلا به سرطان و تحت درمان با اشعه، اجسام خارجی فلزی وجود دارند که عدد اتمی آن ها تفاوت زیادی با عدد اتمی ‌بافت­ های بدن دارد. این امر موجب ایجاد آرتیفکت در تصاویر، اختلاف زیاد در اعداد سی تی و خطا در محاسبات می ­شود. این مطالعه جهت بررسی تاثیر اصلاح آرتیفکت فلز بر تصاویر و مقایسه میزان دوز محاسباتی توسط سیستم طراحی درمان ISOgray با دوز اندازه ­گیری شده انجام گرفته است.
روش بررسی:
برای ایجاد شرایط بروز آرتیفکت فلز در تصاویر CT، فانتومی ‌استوانه ­ای شکل و همگن از جنس پرسپکس تهیه شد. درون آن حفراتی برای قرار دهی دوزیمتر فارمر و میله‌ ها­­ی فلزی از جنس تیتانیوم ایجاد شد. به ترتیب، فانتوم پرسپکس و میله های فلزی نقشی مشابه بدن انسان و پروتز فلزی ایفا می کنند. تصاویر CT از فانتوم در شرایط حضور و عدم حضور فلز تهیه شد. از دو نرم افزار MDT و کنترل سیستم CT برای اصلاح آرتیفکت فلز  استفاده شد. محاسبه دوز در مرکز فانتوم به ازای MU100 در انرژی­ های فوتونی 6 ، 10 و 15  MV توسط سیستم طراحی درمان ISOgray دستگاه شتاب­ دهنده صورت گرفت. نتایج با اندازه ­گیری ­های انجام شده توسط دوزیمتر فارمر مقایسه گردید.
یافته ‌ها:
نتایج نشان می ­دهد که اختلاف قابل ملاحظه­ ای در برآورد دوز میان تصاویر اصلاح شده با دو نرم افزار مذکور در انجام طراحی درمان با ISOgray وجود ندارد. کمترین درصد خطا 0/1% است که مربوط به تصویر اصلاحی توسط نرم افزار MDT، با ضخامت برش  mm3، فلز در فاصله  cm2/5 و انرژی  MV6 می ­باشد. همچنین بیشترین درصد خطا 1/09% است که مربوط به تصویر اصلاح شده توسط نرم­افزار MDT، با ضخامت  mm3، فلز در فاصله  cm2/5 و انرژی  MV15  می ­باشد.
نتیجه‌ گیری:
اصلاح آرتیفکت تصاویر تاثیر زیادی در میزان دوز برآورد شده توسط سیستم طراحی درمان ISOgray ندارد.

کلیدواژه‌ها

موضوعات


  1. Bockisch A, Freudenberg LS, Schmidt D, Kuwert T, editors. Hybrid imaging by SPECT/CT and PET/CT: proven outcomes in cancer imaging. Seminars in nuclear medicine; 2009: Elsevier.
  2. Chapman D, Smith S, Barnett R, Bauman G, Yartsev S. Optimization of tomotherapy treatment planning for patients with bilateral hip prostheses. Radiation Oncology 2014; 9(1): 43.
  3. Glide‐Hurst C, Chen D, Zhong H, Chetty I. Changes realized from extended bit‐depth and metal artifact reduction in CT. Medical physics 2013; 40(6): 061711.
  4. Chen Y, Li Y, Guo H, Hu Y, Luo L, Yin X, et al. CT metal artifact reduction method based on improved image segmentation and sinogram in-painting. Mathematical Problems in Engineering 2012; 2012: 18.
  5. Laguda EJ. Dosimetric Evaluation of Metal Artefact Reduction using Metal Artefact Reduction (MAR) Algorithm and Dual-energy Computed Tomography (CT) Method 2016.
  6. Glover GH, Pelc NJ. An algorithm for the reduction of metal clip artifacts in CT reconstructions. Med Phys. 1981; 8(6):7 99-807.
  7. Li H, Noel C, Chen H, Harold Li H, et al. Clinical evaluation of a commercial orthopedic metal artifact reduction tool for CT simulations in radiation therapy. Medical physics 2012; 39(12): 7507-17.
  8. Huang JY, Kerns JR, Nute JL, Liu X, et al. An evaluation of three commercially available metal artifact reduction methods for CT imaging. Physics in Medicine & Biology 2015; 60(3): 1047.
  9. Jeong S, Kim SH, Hwang EJ, Shin C-i, et al. Usefulness of a metal artifact reduction algorithm for orthopedic implants in abdominal CT: phantom and clinical study results. American Journal of Roentgenology 2015; 204(2): 307-17.
  10. Joemai R, de Bruin PW, Veldkamp WJ, Geleijns J. Metal artifact reduction for CT: Development, implementation, and clinical comparison of a generic and a scanner‐specific technique. Medical physics 2012; 39(2): 1125-32.
  11. Abdoli M, Mehranian A, Ailianou A, Becker M, et al. Assessment of metal artifact reduction methods in pelvic CT. Medical physics 2016; 43(4): 1588-97.
  12. Giantsoudi D, De Man B, Verburg J, Trofimov A, et al. Metal artifacts in computed tomography for radiation therapy planning: dosimetric effects and impact of metal artifact reduction. Physics in Medicine and Biology 2017; 62(8): R49.
  13. Roberts R. How accurate is a CT-based dose calculation on a pencil beam TPS for a patient with a metallic prosthesis? Physics in medicine and biology. 2001; 46(9): N227.
  14. Hasani, Mohammadi, Khairullah, Gholami, Soraya, Nabavi. A Study of the Precise Algorithm of the Radiation Design System in the Prognosis of the Prosthodonal Prosthodonion Using Montecarlo Simulation. Razi Medical Journal. 2016; 23 (147): 64-73. [Persian]
  15. Kwon H, Kim K, Chun Y, Wu H, Carlson J, Park J, et al. Evaluation of a commercial orthopaedic metal artefact reduction tool in radiation therapy of patients with head and neck cancer. The British journal of radiology 2015; 88(1052): 20140536.
  16. Andersson KM, Ahnesjö A, Dahlgren CV. Evaluation of a metal artifact reduction algorithm in CT studies used for proton radiotherapy treatment planning. Journal of Applied Clinical Medical Physics 2014; 15(5): 112-9.
  17. Spadea MF, Verburg J, Baroni G, Seco J. Dosimetric assessment of a novel metal artifact reduction method in CT images. Journal of applied clinical medical physics 2013; 14(1): 299-304.
  18. ReVision Radiology: CT metal artifacts reduction using the Metal Deletion Technique (MDT). Available: http://www.revisionrads.com/. Accessed 20 May; 2018.
  19. Almond PR, Biggs PJ, Coursey BM, Hanson W, et al. AAPM's TG‐51 protocol for clinical reference dosimetry of high‐energy photon and electron beams. Medical physics 1999; 26(9): 1847-70.
  20. Morsbach F, Bickelhaupt S, Wanner GA, Krauss A, et al. Reduction of metal artifacts from hip prostheses on CT images of the pelvis: value of iterative reconstructions. Radiology 2013; 268(1): 237-44.
  21. Peng C, Qiu B, Li M, Guan Y, et al. Gaussian diffusion sinogram inpainting for X-ray CT metal artifact reduction. Biomedical engineering online 2017; 16(1): 1.
  22. Schneider W, Bortfeld T, Schlegel W. Correlation between CT numbers and tissue parameters needed for Monte Carlo simulations of clinical dose distributions. Physics in Medicine & Biology 2000; 45(2): 459.