Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad de Sevilla
”En el arte, nada que merezca la pena se puede hacer
sin genio; en ciencia, incluso una capacidad muy
modesta puede contribuir a un logro supremo“
Bertrand Russell (1872-1970)
También quiero mencionar a todos los que han sido mis compañeros en
el Grupo de Fı́sica Médica y han compartido conmigo trabajo, alegrı́as y di-
V
ficultades: Rafa, Eli, Ignacio, Thierry y Bianey, nuestro último fichaje.
Salguero Castaño, F.J., Leal Plaza, A., Arrans Lara, R., Sanchez-Doblado,
F., Garcia Montaño, E. (2006), ’Collimation features study for modulated
electron radiotherapy planned by Monte Carlo.’, European Workshop Group
on Monte Carlo Treatment Planning Programme and Abstact Book 1.
Lagares Gonzalez, J.I., Leal Plaza, A., Sanchez-Doblado, F., Paiusco, M.,
Cagni, E., Garcia Montaño, E., Arrans Lara, R., Salguero Castaño, F.J.(2006),
’Leaf sequence reduction algorithm for dynamic IMRT analyzed by Monte
Carlo.’, European Workshop Group on Monte Carlo Treatment Planning Program-
me and Abstact Book 1.
Linares Doblado, R., Sánchez-Doblado, F., Heath, E., Salguero Castaño, F.J.,
Lagares González, J.I., Capote Noy, R., Tacke, M., Amies, C., Steiner, A.,
Hristov, D. (2006),’Leakage evaluation of a Siemens MLC prototype by means
of a new CM for BEAMnrc Monte Carlo simulations: SMLC.’, IOMP Procee-
dings WC2006.
Salguero Castaño, F.J., Sánchez-Doblado, F., Leal Plaza, A., Arrans La-
ra, R., Lagares González, J.I., Capote Noy, R., Leidenberger, S., Szegedy, M.
(2005),’Characterization of a new target in a Siemens Primus linac by means
of Monte Carlo simulation.’, Rad Oncol 76, S150-S150.
Salguero Castaño, F.J., Sánchez-Doblado, F., Leal Plaza, A., Linares Do-
blado, R., Arrans Lara, R., Leidenberger, S., Schulze, C., Szegedy, M., Tacke,
M. (2005),’Monte Carlo study on double-focoused leaf end influence in pho-
ton leakage.’, Rad Oncol 76, S44-S44.
Salguero Castaño, F.J., Sánchez-Doblado, F., Leal Plaza, A., Linares Do-
blado, R., Arrans Lara, R., Leidenberger, S., Schulze, C., Szegedy, M., Tacke,
M. (2005),’Leakage evaluation as a function of the tip angle for a non ton-
Salguero Castaño, F.J., Sánchez-Doblado, F., Leal Plaza, A., Linares Do-
blado, R., Hermoso Espinosa, E., Arrans Lara, R., Lagares González, J.I.,
Boule, T.P., Leidenberger, S., Schulze, C., Szegedy, M., Tacke, M. (2005),’So-
me influencing factors of a MLC analyzed by EGSnrc Monte Carlo code.’,
Rad Oncol 76, S151-S151.
Linares Doblado, R., Sánchez-Doblado, F., Heath, E., Salguero Castaño, F.J.,
Lagares González, J.I., Arrans Lara, Leidenberger, S., Schulze, C., Szegedy,
M., Tacke, M. (2005),’Development of new features for multileaf collimator
component modules in BEAMnrc.’, Rad Oncol 76, S151-S151.
Agradecimientos V
1. Introducción 1
1.1. Radioterapia con intensidad modulada . . . . . . . . . . . . . . . . . 3
1.2. Tratamiento de lesiones superficiales . . . . . . . . . . . . . . . . . . . 5
1.2.1. Localizaciones y variaciones morfológicas . . . . . . . . . . . 6
1.2.2. Bolus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.3. Inserciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.4. Sobreimpresiones . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.5. IMRT. Dificultades . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3. Planificación de tratamientos . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.1. Planificación inversa y directa . . . . . . . . . . . . . . . . . . 17
1.3.2. Optimización y secuenciación . . . . . . . . . . . . . . . . . . . 19
1.3.3. Algoritmos de cálculo de dosis . . . . . . . . . . . . . . . . . . 24
1.4. Modulación de haces de electrones . . . . . . . . . . . . . . . . . . . . 28
1.4.1. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.4.2. Aproximaciones a un sistema automatizado . . . . . . . . . . 32
1.5. Sistema de planificación basado en Monte Carlo . . . . . . . . . . . . 33
1.5.1. Método de Monte Carlo . . . . . . . . . . . . . . . . . . . . . . 34
1.5.2. Planificación Monte Carlo en la práctica clı́nica . . . . . . . . . 37
1.6. Hipótesis y objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2. Material y método 45
2.1. Aceleradores y sistemas de colimación . . . . . . . . . . . . . . . . . . 45
2.1.1. Configuración para el uso de haces modulados de electrones . 46
2.2. Dosimetrı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.3. Simulación Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.3.1. Código EGSnrc/BEAMnrc . . . . . . . . . . . . . . . . . . . . 53
2.3.2. Simulación y modelado de los aceleradores . . . . . . . . . . . 56
2.3.3. Dosimetrı́a en condiciones estándar . . . . . . . . . . . . . . . 57
2.3.4. Dosimetrı́a y evaluación en condiciones MERT . . . . . . . . . 60
2.3.5. Dosimetrı́a clı́nica . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.3.6. Verificación experimental del procedimiento . . . . . . . . . . 74
IX
ÍNDICE GENERAL
3. Resultados 97
3.1. Verificación experimental . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.2. Casos clı́nicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.2.1. Paredes costales . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
3.2.2. Mamas no mastectomizadas . . . . . . . . . . . . . . . . . . . 122
3.2.3. Cabeza y cuello . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
4. Discusión 141
5. Conclusiones 151
Bibliografı́a 152
Apéndices 173
I. Glosario 173
1
CAPÍTULO 1. INTRODUCCIÓN
1 Aunque se ha intentado, dentro de lo posible, eliminar del texto todos los anglicismos,
en algunos casos se han conservado por claridad, dada la amplia aceptación de ciertos
términos técnicos.
Una vez que fue posible determinar de forma clara y precisa las posi-
ciones y formas de los volúmenes a tratar (PTV, planning treatment volume)
y a evitar (OAR, organ at risk), los tratamientos radioterápicos fueron evo-
lucionando en complejidad, desde la planificación en 2D, siguiendo por la
conformación en 3D (basado en los datos proporcionados por la TAC) has-
ta, finalmente la IMRT. Las primeras propuestas de utilizar haces no ho-
mogéneos se publicaron a principios de los años 80 (Brahme et al. 1982).
Sin embargo, durante bastantes años, la idea permaneció en un plano rela-
La dosimetrı́a fı́sica ha sido uno de los aspectos que ha tenido que evo-
lucionar para conseguir una implementación extensa de los tratamientos
(a) (b)
Figura 1.1: Ejemplo de un PDD de un haz de electrones de 12MeV (a) y corte transversal
de la distribución de dosis de un campo cuadrado de la misma energı́a (b).
Esta complejidad anatómica hace que las técnicas más avanzadas, y por
Si se trata una pared costal con haces de fotones, tanto si se usa una técni-
ca con pocas incidencias, como una con muchas (como la IMRT), la mayor
parte de la radiación incidirá mediante haces tangenciales, para evitar irra-
diar los pulmones y el corazón. Sin embargo, mediante haces de fotones
tangenciales, la convexidad del pulmón adyacente a la pared costal reci-
be dosis del orden de la recibida por el PTV. Además, la respiración de la
paciente provoca que el PTV se mueva varios centı́metros en dirección per-
pendicular al haz, con lo que es necesario añadir un margen al contorno del
PTV para evitar que este quede subdosificado al entrar y salir del haz. Pe-
ro añadir margen al PTV implica también aumentar el volumen de pulmón
irradiado con altas dosis, aumentando el riesgo de complicaciones.
1.2.2 Bolus
Uno de los elementos que con más frecuencia se usan y desde hace más
tiempo en los tratamientos de electrones, sobre todo en los de pared costal,
es el bolus. Este es un molde de material equivalente al agua, o al tejido,
que se coloca en contacto con la zona a irradiar y que puede cumplir varias
funciones. La primera es la de rellenar huecos e irregularidades de la super-
ficie del paciente, tanto naturales como provocados por una cirugı́a previa
(Feaster et al. 1979), para evitar que las irregularidades generen inhomoge-
neidades en la distribución de la dosis. Al mismo tiempo, añadir material en
el recorrido del haz ser útil para regular la profundidad que alcanza la do-
sis terapéutica (Low et al. 1992, Hyodynmaa et al. 1996), consiguiendo una
mejor conformación. Otra de las aplicaciones de los bolus es el de aumen-
tar la dosis en piel o cerca de ella cuando se utilizan haces de poca energı́a
(≤ 10MeV).
1.2.3 Inserciones
Los primeros aparatos de radioterapia, tanto los que usaban haces de
electrones como los que usaban fotones, colimaban los haces de radiación
1.2.4 Sobreimpresiones
Uno de los usos más extendidos de los haces de electrones es la realiza-
ción de sobreimpresiones complementarias a otros tratamientos.
vante con la cirugı́a. Sin embargo, una irradiación adicional al lecho del tu-
mor puede ayudar a disminuir las probabilidades de recidiva local (Touboul
et al. 1995, Poortmans et al. 2004, Graham & Fourquet 2006). Existen va-
rias técnicas para realizar esta irradiación extra, o sobreimpresión. Se puede
realizar mediante braquiterapia, haces de fotones o de electrones, aunque
lo más frecuente es realizar la sobreimpresión con un haz de electrones ya
que la complejidad del tratamiento es menor (Hayman et al. 2000, Kozak
et al. 2006).
N
D ( x, y, z) = ∑ ω p D p (x, y, z) (1.1)
p =1
sario definir una función objetivo a minimizar, y que, en general, será una
funcional de la dosis, F ( D ( x, y, z)). La elección de esta función es un paso
crı́tico, ya que determinará, no sólo cómo se evalúa la idoneidad del trata-
miento (y por tanto determinará qué soluciones serán consideradas y cuales
no), sino que restringirá el conjunto de algoritmos de optimización que se
podrán utilizar. En un tratamiento normal de IMRT, el número de beamlets
es del orden de varios miles, y se evalúa la dosis depositada en imágenes de
TAC de, normalmente, 256 × 256 pı́xeles (a veces más) y entre 30 y 60 cor-
tes. Por ello, la eficacia del algoritmo utilizado es fundamental para poder
realizar un tratamiento en un tiempo razonable.
F (−
→
ω ) : A(−
→
mı́n ω ) ≥ a, ω p ≥ 0 (1.2)
donde F (−→
ω ) es la función a minimizar, A(− →
ω ) ≥ a representa el conjunto de
restricciones, y ω p ≥ 0 es la restricción fı́sica de que ningún beamlet puede
tener fluencia negativa.
N N
mı́n F = θO ∑ ∑ ω p D p (x, y, z) + θP ∑ ∑ ω p D p (x, y, z) :
( x,y,z)∈O p=1 ( x,y,z)∈P p=1
dmax ≥ D ( x, y, z) ≥ dmin ∀( x, y, z) ∈ P ,
N
α
ωm ≤
N ∑ ωp, m = 1, 2, . . . , N,
p =1
ωp ≥ 0
(1.3)
donde O y P representan los conjuntos de puntos incluidos en los órganos
de riesgo y en el PTV, respectivamente, y θO y θP son factores de impor-
tancia. La primera restricción impone que la dosis en el PTV se encuentre
entre dmax y dmin , la segunda condición establece que ningún haz tenga una
intensidad mayor que α veces la intensidad media de todos los haces (para
obtener una dosis más homogénea fuera del PTV y evitar puntos calientes)
y la última condición es necesaria para evitar obtener intensidades negati-
vas.
Cualquier otro tipo de restricción o función objetivo puede ser usada con
la programación lineal. Este enfoque es rápido y fácil de implementar, pero
tiene el problema de que está restringido a funciones y condiciones de con-
torno lineales, lo que no siempre se adapta bien a los requerimientos fı́sicos
deseados y no siempre se consiguen resultados aceptables con este enfoque.
Además, incluso aunque la solución sea aceptable, ésta siempre se encon-
trará en la frontera definida por las condiciones de contorno, de forma que
se dará la dosis máxima permitida a los órganos de riesgo, la dosis mı́nima
al PTV, etc. (Nash 2000).
F = θP ∑ ( D ( x, y, z) − dP )2 + θO ∑ ( D ( x, y, z))2 (1.4)
( x,y,z)∈P ( x,y,z)∈O
siendo dP la dosis prescrita al PTV. Esta función tiene la ventaja de ser con-
vexa y, por tanto, no existen mı́nimos locales si las condiciones de contorno
son también convexas, lo que la hace adecuada para ser minimizada me-
diante métodos de gradiente. También se minimizan frecuentemente los
volúmenes que reciben dosis fuera de ciertos rangos (por ejemplo, el vo-
lumen del PTV que recibe menos de un 90 % de la dosis prescrita, o el vo-
lumen de un OAR que recibe más de una dosis lı́mite), o funciones basadas
en criterios radiobiológicos, tales como el TCP (tumour control probability,
probabilidad de control tumoral) o el NTCP (normal tissue complication pro-
bability, probabilidad de complicación en el tejido normal). El uso de crite-
rios de dosis-volumen es, probablemente uno de los más intuitivos y, por
tanto, más utilizados, pero su uso, tanto dentro de la función objetivo co-
mo dentro de las restricciones suele causar la aparición de mı́nimos locales
(Deasy 1997) e imposibilita el uso de los algoritmos más rápidos.
Una vez obtenida una serie de mapas de fluencia que reproduzcan una
distribución de dosis aceptable, es necesario obtener un conjunto de seg-
mentos que reproduzcan de la manera más precisa posible estas fluencias.
El proceso por el que se obtienen las posiciones de las láminas de un MLC
que reproducen la fluencia deseada se denomina secuenciación. Aquı́ se ha-
blará exclusivamente de la secuenciación para generar tratamientos de step
and shoot.
(Xia & Verhey 1998, Siochi 1999, Bar et al. 2001, Wu et al. 2001), cada uno con
ventajas e inconvenientes, pero no existe actualmente un algoritmo estándar
o, al menos con una implantación mayoritaria, ya que ninguno de los pro-
puestos hasta la fecha destaca claramente sobre los demás en cualquier si-
tuación (Que 1999). En la mayorı́a de los casos, para secuenciar un mapa
de fluencias se procede a realizar una discretización de los niveles de inten-
sidad. El número de niveles utilizado es importante, porque cuanto mayor
sea, mayor será la precisión de la fluencia realmente utilizada, pero mayor
será también el número de segmentos utilizados y el tiempo de irradiación.
Una vez hecho esto, cada algoritmo agrupa los diferentes beamlets en seg-
mentos imponiendo las restricciones mecánicas propias de cada modelo de
MLC y condiciones propias de cada método para acelerar el proceso y mi-
nimizar el tiempo de tratamiento, número de segmentos, etc.
Es por eso que han ido apareciendo con el tiempo diferentes métodos se-
mianalı́ticos enfocados al cálculo de dosis en aplicaciones radioterápicas. La
mayorı́a de los algoritmos de cálculo de dosis se basan la en corrección de
kernels de dosis. Estos kernels consisten en elementos de dosis precalculados
mediante Monte Carlo o mediante una modelización más o menos precisa
de la interacción del haz con la materia. A medida que se ha aumentado la
capacidad de cálculo de los ordenadores disponibles, ha sido posible pasar
de emplear kernels bidimensionales (de pencil beam), en el que se precalcula
la distribución de dosis en profundidad de un beamlet, a kernels puntuales,
en los que se calcula la distribución de dosis que se genera a partir de la
interacción de la radiación en un punto.
D I J ( P) = D ∗I J ( P)φ I J ( P) (1.5)
1.4.1 Antecedentes
Actualmente existen varias propuestas sobre la manera de aplicación
de tratamientos de MERT (Modulated Electron Radiotherapy Treatment, Tra-
tamiento de radioterapia de electrones modulados). El primer problema a
resolver, y que le diferencia notablemente de la colimación de fotones, con-
siste en conseguir dar al haz la forma deseada. A medida que los electrones
avanzan por un medio, sufren múltiples dispersiones de su trayectoria debi-
do a la interacción de Coulomb con los electrones y núcleos que encuentran
en su camino. De esta manera, a medida que atraviesan cualquier medio
material, van añadiendo una componente de velocidad transversal a su ve-
Existen varias propuestas para solucionar esto cada una con diferentes
ventajas e inconvenientes:
te sistema son menores, con lo que es posible una mejor conformación del
haz. Por supuesto, aplicar helio en la cabeza de un acelerador conlleva to-
da una serie de complejidades técnicas propias del manejo de gases, que
disminuyen la operatividad de este sistema. Serı́a necesario o bien estancar
el acelerador, añadiendo una pared de material que deberı́an atravesar los
electrones (con el aumento de penumbra que ello conllevarı́a), o bien aplicar
un flujo constante de helio, gastando grandes cantidades de él y sin poder
evitar cierta mezcla con el aire. Finalmente, para usar helio entre el acele-
rador y el paciente serı́a necesario colocar un globo hinchable o algún otro
sistema similar que entorpecerı́a también la aplicación clı́nica.
Por otra parte, el uso de los colimadores actuales para MERT no está exen-
to de desventajas. Al haber sido estos diseñados para la colimación de foto-
nes, están situados a una distancia del isocentro del acelerador muy gran-
de para colimar haces de electrones, que se dispersarı́an demasiado antes
de llegar al paciente. Por ello, la aplicación de MERT con un colimador de
electrones hace necesario reducir la distancia fuente-superficie. Además, al
no haber sido diseñado especı́ficamente para colimar electrones es necesa-
rio estudiar de forma detallada las caracterı́sticas geométricas del MLC y
su influencia en las medidas dosimétricas. La rapidez con la que se puede
implementar esta solución y sus ventajas inherentes pueden, sin embargo,
compensar sus inconvenientes.
tuales incorporan una serie de algoritmos que, si bien tienen algunas limita-
ciones en casos determinados, permiten la obtención relativamente rápida
de las distribuciones de dosis. De hecho, los algoritmos de collapsed cone no
se pueden aplicar a haces de electrones y actualmente los TPS utilizados en
la clı́nica sólo utilizan pencil beam, aunque los planificadores más recientes
ya incluyen la posibilidad de realizar cálculos MC con ciertas limitaciones
(Treutwein & Bogner 2007, Edimo et al. 2008). Se trata, pues, de un problema
computacional del que se hablará más adelante. En cuanto a las dificultades
dosimétricas, los radiofı́sicos de hospitales donde se aplican tratamientos
de IMRT ya están familiarizados con todas las complicaciones que conlleva
la dosimetrı́a de campos no protocolizados. Como ya se ha mencionado, la
correcta medición de la dosis mediante cámaras de ionización necesita que
exista equilibrio lateral electrónico, y es difı́cil asegurar la respuesta de los
detectores en condiciones no estándar. En MERT, a todos estos problemas se
añade una mayor dependencia de la respuesta con la energı́a en la mayorı́a
de los detectores y además, un cambio más brusco del espectro energéti-
co con la distancia recorrida en la materia. La pelı́cula ha sido un elemento
esencial en la verificación de los tratamientos de IMRT por su alta resolución
para la medida de la dosimetrı́a relativa. Sin embargo, su uso en dosimetrı́a
de haces de electrones ha sido muy poco estudiado y, aunque los resulta-
dos no son concluyentes, Gerbi & Dimitroyannis (2003) han indicado cierta
dependencia de la respuesta con la energı́a, aunque sin realizar un estudio
exhaustivo. El comportamiento de las pelı́culas radiocrómicas, de aparición
mucho más reciente está aún por determinar, aunque en este trabajo se pre-
sentarán algunos resultados prometedores en este sentido.
hablado. Pero por muy eficiente que sea el algoritmo de optimización, la ca-
lidad de la solución propuesta depende finalmente de la precisión con que
se calcule la dosis. Los diferentes algoritmos de cálculo que se discute en la
sección 1.3 realizan un cálculo rápido y preciso en la mayorı́a de las situa-
ciones, exceptuando aquellas con fuertes inhomogeneidades en la densidad
y de haces de electrones. Para estos casos, la única alternativa hasta el mo-
mento es obtener un cálculo completo de la interacción de la radiación con
la materia, reduciendo al mı́nimo las aproximaciones y simplificaciones. La
realización de este cálculo en geometrı́as de la complejidad e irregularidad
implicadas en la radioterapia con haces modulados exige casi indefectible-
mente el uso de simulaciones mediante el método de Monte Carlo.
recorrido de cada partı́cula y de todas las partı́culas que genera. A este con-
junto de recorrido y partı́culas “hijas” se le denomina historia y el número
de historias simuladas será el que determine la varianza estadı́stica de la so-
lución. A lo largo del recorrido de cada partı́cula se generan números alea-
torios asociados a las probabilidades de los diferentes procesos. Conociendo
las secciones eficaces de cada proceso y las distribuciones de probabilidad
de los resultados de estos procesos, estos números aleatorios determinarán
cuales son los procesos concretos que se considerarán. Cuando el número
de historias simuladas sea lo bastante grande, el valor medio de cada mag-
nitud simulada se aproximará al valor de la magnitud real.
diación que emite el acelerador y puede ser tomado como dato de entrada
en la simulación del haz en el interior del paciente, caracterizado a partir
de imágenes de TAC o resonancia magnética, dando como resultado la dis-
tribución de dosis en el paciente. En las dos partes existe una variación es-
tadı́stica de todas la magnitudes obtenidas, lo cual debe ser tenido en cuenta
a la hora de determinar el número de historias necesarias para conseguir la
precisión requerida en los resultados o al evaluar un tratamiento, ya que las
fluctuaciones estadı́sticas pueden alterar de forma significativa los resulta-
dos si no se ha conseguido una varianza lo suficientemente baja. Además,
la varianza que presenta el espacio de fase (llamada a veces “varianza la-
tente”) representa un lı́mite para la precisión que se puede alcanzar en la
fase de obtención de dosis, ya el uso de un valor muy grande de N en esta
segunda fase implica una reutilización de las partı́culas almacenadas en el
espacio de fase, poniendo de manifiesto los efectos de las fluctuaciones es-
tadı́sticas que tiene e introduciendo un error sistemático en los resultados.
En otras palabras, la “varianza latente” del espacio de fase es la varianza
mı́nima que se puede obtener en las distribuciones de dosis.
sea esta. Esto es importante al considerar la dosis recibida por los órganos
de riesgo que, en general será bastante menor que la dosis de prescripción y,
consecuentemente, estarán afectados por un error relativo mayor, asociado
a una estadı́stica más pobre. La distribución del error de la dosis también
debe ser tenida en cuenta cuando se determinen las dosis absolutas, ya que
si se toma como referencia un sólo vóxel, la dosis máxima, la dosis mı́nima,
o algún criterio parecido, el error estadı́stico puede falsear los resultados.
Análogamente, en los órganos denominados, desde un punto de vista ra-
diobiológico, “en serie”, donde es importante determinar cual es la dosis
máxima que recibe, se deben tomar las medidas necesarias para que la des-
viación estándar sea lo suficientemente baja en todo el volumen. El tamaño
de vóxel es también un elemento que debe ser cuidadosamente elegido. Un
tamaño de vóxel muy pequeño implica un mayor volumen de información
respecto a la constitución del paciente (y por consiguiente mayor lentitud y
mayor ocupación de los medios de almacenamiento), pero además, al llegar
una proporción menor de partı́culas por historia a cada vóxel, es necesa-
rio aumentar el número de historias simuladas para mantener la desviación
estándar, por lo que aumenta el tiempo de simulación. Si el vóxel es muy
grande, se pierde resolución espacial y precisión en la dosis cerca de in-
terfases e inhomogeneidades. La variación estadı́stica también afecta a la
forma de los histogramas dosis-volumen (DVH, dose-volume histogram) que
son una de las herramientas más usadas para evaluar la idoneidad de un
tratamiento (Jiang et al. 2000, Sempau & Bielajew 2000).
et al. 2004)). Una vez halladas las intensidades de los beamlets, se realiza la
secuenciación, en la que se generan diferentes segmentos para reproducir
los mapas de fluencia buscados. En el caso de haces de electrones, ignorar
la dispersión de partı́culas en las láminas, o la generación de fotones de
bremsstrahlung producirı́a discrepancias clı́nicamente intolerables, y MC se
hace fundamental para calcular la interacción de la radiación con el MLC.
O BJETIVOS
45
CAPÍTULO 2. MATERIAL Y MÉTODO
Figura 2.1: Acelerador Primus de SiemensTM del Hospital Universitario Virgen Macarena
utilizado en la realización de este trabajo.
(a) (b)
Figura 2.3: Esquema que muestra la geometrı́a del acelerador y la camilla del paciente
para aplicar un tratamiento de MERT con un SSD de 60cm con un ángulo de incidencia
arbitrario α, para lo cual es necesario desplazar la camilla una distancia d x en dirección
horizontal y dy en vertical, desde su posición normal para una irradiación a 100cm.
2.2 Dosimetrı́a
En el transcurso de este trabajo fue necesario realizar medidas dosimétri-
cas con tres objetivos fundamentales:
1. Obtener los datos necesarios para modelizar de forma precisa los ha-
(b)
(c)
(a) (d)
(e) (f)
Figura 2.4: Imágenes de los diversos medios de medición de dosis empleados en la dosi-
metrı́a experimental de este trabajo: array de cámaras PTW 2-D Array seven29 (a), cámaras
de ionización cilı́ndricas CC01 (b) y CC04 (c), cámaras plano-paralelas PPC40 (d) y NACP
(f) y diodo semiconductor EFD3G (e).
et al. 1998), cuya respuesta tiene una menor dependencia con la energı́a del
haz (Fan-Chi et al. 2007), por lo que se utilizó en la verificación de uno de
los tratamientos MERT, como se expondrá más adelante.
I (i, j)
I ′ (i, j) = (2.1)
CF (i, j)
Figura 2.5: Esquema explicativo de las consideraciones geométricas que tiene en cuenta el
módulo VARMLC, parte del paquete BEAMnrc. Tomado de Rogers et al. 2002.
Figura 2.6: Imagen del cluster de ordenadores utilizado para la realización de los cálculos
MC necesarios para este trabajo. La sala en la que está ubicado pertenece al departamento
de Fisiologı́a Médica y Biofı́sica, de la Universidad de Sevilla.
Figura 2.7: Ajuste obtenido entre medidas experimentales (—) y datos obtenidos por MC
(•) para PDDs y perfiles a diferentes profundidades al simular los aceleradores de Sevilla
(columna de la izquierda) y Valencia (columna de la derecha) para todas las energı́as dis-
ponibles. Las mediciones se corresponden a campos de 10 × 10cm2 con un SSD de 100cm
utilizando aplicador de electrones.
Figura 2.8: Espectros de los haces de electrones iniciales a la salida de la guı́a de ondas que
reproducen las medidas experimentales para el acelerador de Sevilla (- - -) y Valencia (—).
Tabla 2.2: Dosis relativa de la cola de bremsstrahlung en un campo 9,0 × 9,0cm2 con
SSD=60cm medida experimentalmente y simulada por MC, y la diferencia entre ambos. En
Sevilla se usó un diodo semiconductor y en Valencia, una cámara de ionización. Se observa
la tendencia del semiconductor a infravalorar la dosis depositada por fotones.
Sevilla Valencia
Exp. Exp.
(diodo) MC dif (cámara) MC dif
6MeV 0,11 0,21 +0,10 6MeV 0,30 0,26 -0,04
9MeV 0,24 0,66 +0,42 9MeV 0,70 0,56 -0,14
12MeV 0,35 1,00 +0,65 12MeV 1,00 0,99 -0,01
15MeV 0,74 2,71 +1,97 15MeV 3,30 2,67 -0,53
18MeV 1,00 4,44 +3,44 18MeV 3,40 5,10 -1,80
(a) (b)
Rango del 90 % (R90 ) Profundidad, más allá del máximo del PDD, en la que
se deposita un 90 % de la dosis máxima. Junto con las dosis del 85 y del
80 %, son las que suelen considerarse como dosis con efecto terapéuti-
co.
donde | dD
dz |max es la pendiente máxima de la caı́da del PDD, R p , el
rango práctico, Dm la dosis máxima absorbida y Dx la dosis del fondo
de bremsstrahlung.
(a) (b)
(c) (d)
Figura 2.11: Comparación entre los PDDs obtenidos mediante MC para campos de 0,6 ×
0,6cm2 (a), 3,0 × 3,0cm2 (b), 5,4 × 5,4cm2 (c) y 9,0 × 9,0cm2 (d) colimados mediante un
xMLC (—) y un eMLC (- - -).
Energı́a
(MeV) %Ds %Dx R90 R50 Rp G
6 81,5 (80,5) 0,1 (0,1) 1,7 (1,7) 2,3 (2,3) 3,7 (2,9) 2,6 (2,5)
9 91,1 (84,8) 0,2 (0,3) 2,5 (2,5) 3,5 (3,5) 4,7 (4,7) 2,4 (2,2)
(b) 12 93,1 (87,2) 0,5 (0,6) 2,7 (2,9) 4,5 (4,5) 5,9 (5,9) 2,0 (2,2)
15 91,3 (87,2) 1,5 (1,9) 2,9 (3,5) 5,3 (5,3) 7,7 (7,3) 1,7 (2,0)
18 90,2 (87,2) 2,8 (3,8) 3,5 (4,1) 6,3 (6,3) 8,9 (8,5) 1,6 (1,8)
21 91,8 (90,6) 2,7 (3,8) 3,5 (4,1) 6,5 (6,7) 9,1 (8,1) 1,7 (2,4)
Energı́a
(MeV) %Ds %Dx R90 R50 Rp G
6 75,0 (76,2) 0,1 (0,1) 1,9 (1,7) 2,3 (2,3) 3,1 (2,9) 2,7 (2,5)
9 78,6 (82,4) 0,2 (0,3) 2,9 (2,9) 3,7 (3,7) 4,7 (4,7) 2,9 (2,9)
(c) 12 82,7 (86,2) 0,4 (0,6) 3,7 (3,7) 4,9 (4,9) 5,9 (5,9) 2,9 (3,0)
15 86,8 (89,2) 1,5 (2,1) 4,5 (4,5) 6,1 (6,3) 7,7 (7,5) 2,6 (3,0)
18 85,7 (88,5) 3,1 (3,9) 5,1 (4,9) 7,5 (7,7) 9,7 (9,5) 2,4 (2,5)
21 85,8 (89,8) 2,9 (4,0) 5,1 (5,5) 8,1 (8,1) 10,5 (10,1) 2,2 (2,5)
Energı́a
(MeV) %Ds %Dx R90 R50 Rp G
6 72,7 (73,8) 0,1 (0,1) 1,9 (1,7) 2,3 (2,3) 3,1 (2,9) 2,8 (2,5)
9 78,1 (78,6) 0,3 (0,3) 2,9 (2,9) 3,7 (3,7) 4,7 (4,5) 2,9 (2,8)
(d) 12 83,4 (79,8) 0,5 (0,6) 3,9 (3,7) 4,9 (4,7) 5,9 (5,7) 3,0 (3,1)
15 88,2 (86,2) 1,7 (2,2) 4,9 (4,7) 6,3 (6,3) 7,7 (7,5) 3,0 (3,1)
18 88,3 (86,7) 3,3 (4,0) 5,5 (5,5) 7,9 (7,9) 9,7 (9,5) 2,9 (3,1)
21 89,9 (89,0) 3,3 (4,3) 5,9 (5,9) 8,5 (8,5) 10,5 (9,9) 2,7 (3,4)
(a) (b)
(c) (d)
Figura 2.12: Comparación entre los perfiles obtenidos mediante MC para campos de 3,0 ×
3,0cm2 (a, b) y 9,0 × 9,0cm2 (c, d) colimados mediante un xMLC (a, c) y un eMLC (b, d).
de una lámina a menos de una cierta distancia tendrá una alta probabilidad
de colisionar con ella, aunque su dirección inicial no la dirija contra la pro-
pia lámina. Ası́, se produce una zona de “sombra” en la que se reduce de
forma importante la fluencia de electrones, pero no la de fotones (fig. 2.13).
necesario que la apertura real de las láminas sea tan pequeña para obtener
el mismo tamaño de campo. Este efecto debe ser un factor a tener en cuenta
durante la planificación de tratamientos.
(a) (b)
Figura 2.14: Dependencia del tamaño de la penumbra a la profundidad del máximo con
la energı́a del haz y el tamaño del campo para el xMLC (a) y el eMLC (b). La penumbra se
define como la distancia entre la dosis del 80 % y la del 20 % de la dosis central. Se toma
como referencia para el tamaño de la penumbra el del campo correspondiente.
(a) (b)
(c) (d)
(a) (b)
Figura 2.16: Fracción de la dosis en el eje central de un campo cuadrado de 9,0 × 9,0cm2
debido a electrones dispersados o generados en las láminas del xMLC (a) y del eMLC (b).
mayor fuera la energı́a del haz, tal y como se observa. En el caso del xMLC,
sin embargo, la contribución más importante a esta dosis serı́a la de electro-
nes dispersados. La dispersión serı́a menos probable al aumentar la energı́a,
ya que el recorrido libre medio de los electrones en aire serı́a mayor.
(a) (b)
M−m
F= · 100 % (2.3)
M+m
siendo M y m las dosis máxima y mı́nima a lo largo de la zona central
delimitada por el 80 % del tamaño del FWHM del perfil transversal. Dado
que las zonas de unión de los segmentos utilizados se encuentran a lo largo
de los ejes centrales del campo cuadrado, se tomó como referencia un eje
diagonal, de forma que se considerara adecuadamente las fluctuaciones de
dosis provocadas por estas zonas.
(a) (b)
Figura 2.20: Campos usados para recubrir el caso experimental propuesto. Los campos (a)
y (b) son de 9 MeV con 33 y 35 MU respectivamente, mientras que (c) se irradió dos veces,
una con 12 MeV y 15 MU, y otra con 18 MeV y 17 MU.
(a) (b)
(c) (d)
Figura 2.21: Isodosis para el tratamiento del caso teórico propuesto, obtenidas mediante
MC (—) y experimentalmente con el array de cámaras (- - -), a las profundidades de 1,05cm
(a), 1,95cm (b) y 3,95cm (c). La resolución tanto de las isodosis obtenidas por MC como
experimentalmente es de 0,5 × 0,5cm2 . El DVH resultante (d) fue obtenido a partir de una
simulación de MC con una resolución espacial en la deposición de dosis de 0,3 × 0,3 ×
0,3cm3 .
cas, cada una de las cuales toma los resultados de la anterior como entrada
(fig. 2.22).
NOAR
F (−
→
ω ) = f PTV (−
→
ω)+ ∑ f i (−
→
ω)
i =1
(
V (dk < D presc ) > Vmin
f PTV = ∑ (dk − D presc )2 ∀ k :
k∈ PTV V (dk > D presc ) > Vmax (2.4)
V (dk > D1 ) > V1
Nlim
f i = ∑ ∑ ( d k − D j )2 ∀ k : V (dk > D2 ) > V2
k∈OARi j=1 .
..
G = g1 + ω · g2 :
Nsegmentos
!2
Nbeamlets
g1 = ∑ Φi − ∑ φi,j
(2.5)
i =1 j =1
Nsegmentos
nicontorno
g2 = ∑ niabiertos
i =1
Figura 2.24: Mapas de fluencia obtenidos para un caso de ejemplo tras la primera op-
timización (a, b, c) y fluencias obtenidas a partir de los espacios de fase de los segmentos
obtenidos como resultado tras la secuenciación (d, e, f), antes de realizar la segunda opti-
mización. Los espacios de fase se obtuvieron a la salida del MLC, excepto el haz con lámina
degradadora, que se obtuvo a la distancia de esta.
Se define k como el factor por el que hay que multiplicar la dosis ex-
perimental (en Gy/MU) para obtener la dosis MC (en Gy/historia).
Nphsp será el número de historias con el que se han obtenido los espa-
cios de fase de cada segmento (el mismo número para todos) y Nrecycl
el número de veces que se ha reutilizado cada partı́cula para obtener
la dosis en el paciente.
Dre f
k= (historias/MU ) (2.6)
dre f
ωi · D presc
Mi = (2.8)
d MC · k j
Esta ecuación es la que transformará los pesos estadı́sticos, calculados
a partir del sistema de planificación descrito, al número de MU que le co-
rresponde a cada segmento, con lo que el tratamiento queda listo para ser
irradiado.
d x = 40 · sen(α)
(2.9)
dy = 40 · cos(α)
donde α es el ángulo de incidencia y d x y dy están expresadas en centı́metros.
El ángulo aumenta al girar el gantry en sentido horario observando desde
los pies del paciente.
sibilidad de usar MERT para otros casos). El primer grupo consta de casos
en los que la mama se ha extirpado totalmente o en su mayor parte y es
necesario irradiar la pared costal. En el segundo se han incluido casos de
glándulas mamarias completas o con cirugı́a conservadora, mientras que
en el tercer grupo se engloba un conjunto más heterogéneo de casos de tu-
mores superficiales o poco profundos localizados en el área de la cabeza y
el cuello.
97
CAPÍTULO 3. RESULTADOS
Figura 3.1: Dosis relativas obtenidas mediante un array de cámaras de PTW (primera
columna) y mediante la simulación de las mismas condiciones por MC (segunda columna)
del tratamiento PC1. Las mediciones se han realizado a 0,5cm, 1,5cm y 2,0cm. Cada pı́xel
representa el tamaño de una cámara del array.
Figura 3.2: Relación para cada cámara de ionización entre la dosis medida experimental-
mente, y la obtenida por MC, para cada profundidad de medida. En azul se representa la
recta de mejor ajuste para cada caso.
Tabla 3.1: Parámetros de las rectas de mejor ajuste para los puntos de correlación entre
medidas experimentales y de MC para las cámaras de ionización. Un ajuste perfecto se
corresponderı́a a una pendiente igual a 1, ordenada nula y R2 = 1.
Profundidad de medida Pendiente Ordenada en origen R2
0,5cm 1,0232 ± 0,0033 0,0137 ± 0,0017 0,9927
1,5cm 1,0677 ± 0,0041 0,0130 ± 0,0041 0,9892
2,0cm 1,1891 ± 0,0057 0,0067 ± 0,0036 0,9834
(a) (b)
(c)
Figura 3.3: Isodosis (en cGy) obtenidas al irradiar un maniquı́ de agua sólida con los
segmentos que conforman la solución del caso PC1 a profundidades de 0,5cm (a), 1,5cm (b)
y 2,0cm (c).
de diferencias (fig. 3.4) y matrices de valores gamma (fig. 3.5) con suficiente
resolución es posible y se pueden usar para evaluar la calidad de los cálcu-
los. Sin embargo, existen limitaciones, ya que la pelı́cula se satura al recibir
(a) (b)
(c)
Figura 3.4: Mapas de diferencias relativas (en porcentaje) entre las matrices de dosis obte-
nidas mediante medición de pelı́cula y cálculo de MC a profundidades de 0,5cm (a), 1,5cm
(b) y 2,0cm (c) para el caso PC1 irradiado sobre un maniquı́ de agua sólida.
(a) (b)
(c)
Figura 3.5: Mapas gamma entre las matrices de dosis obtenidas mediante medición de
pelı́cula y cálculo de MC a profundidades de 0,5cm (a), 1,5cm (b) y 2,0cm (c) correspon-
diente al caso PC1 irradiado sobre un maniquı́ de agua sólida. Los valores gamma se han
obtenido con un criterio de 2mm y el 2 % de dosis.
te una mayor dosis (alrededor de las coordenadas [80, 100]), con un error
de aproximadamente el 4,5 % a 1,5cm de profundidad. Esta zona coincide
también con la de mayor gradiente. Al analizar la matriz gamma (obtenida
usando un criterio del 2 % de error en la dosis y 2mm de desplazamiento)
se puede observar que la región en la que existen mayores discrepancias
coincide con la detectada en la matriz de diferencias, pero las diferencias
se suavizan. Esto puede ser indicativo de que las discrepancias se deben
fundamentalmente a errores de posicionamiento de la pelı́cula menores de
2mm. Las discrepancias resultantes son lo bastante reducidas como para
considerar que existe una buena coincidencia entre MC y pelı́cula. Las zonas
con valores gamma mayores que 1 restante pueden tener diferentes causas:
errores de cálculo; dependencia residual de la respuesta de la pelı́cula con
la energı́a; o errores de posicionamiento de las láminas.
Para planificar el primer caso (PC1, figura 3.6, primera fila) se eligió un
ángulo de irradiación de 35◦ , ya que es con el que la superficie de la pa-
ciente se presenta más aproximadamente perpendicular al haz. Al no ser el
Figura 3.6: Cortes de TAC de los casos de pared costal (PC) planificados (PC1, primera
fila; PC2, en la segunda; PC3, tercera; PC4, en la cuarta fila y PC5 en la última), con el
PTV señalado en rojo. La primera columna se corresponde a un corte cercano a la cabeza, la
segunda es un corte central y la tercera es la más cercana a los pies.
(a) (b)
(c)
Figura 3.7: Mapas de fluencia obtenidos después de la primera optimización del caso PC1
(a y b) y el DVH resultante al final de esta primera etapa correspondiente a la solución con
beamlets optimizados (c). Los mapas de fluencia están normalizados al máximo. Cada celda
se corresponde con un beamlet.
con tres haces de electrones de 6 y 9MeV conformado cada uno por un blo-
que de cerrobendTM (fig. 3.10) con un SSD de 100cm.
Figura 3.8: Conjunto de segmentos obtenidos como solución para el tratamiento de MERT
del caso PC1. De izquierda a derecha y de arriba a abajo, los cuatro primeros segmentos
corresponden a una energı́a de 6MeV, siendo el resto de 9MeV. El número de unidades
monitor que se corresponden a cada uno es, respectivamente de 30, 39, 28, 24, 23, 28, 28,
29, 26, 28, 26, 25, 20 MU.
(a) (b)
(c)
Figura 3.9: Distribución de isodosis obtenida como solución del caso PC1 en dos cortes
diferentes (a y b). Están representadas las isodosis correspondientes a 20, 40, 45 y 50Gy. El
DVH final, tras la segunda optimización (c, linea continua) se compara con el obtenido tras
la primera, correspondiente a beamlets (c, linea discontinua).
bida por el pulmón (un volumen del 21,7 % frente al 14,8 % que recibe más
de 20Gy).
(a) (b)
Figura 3.11: Comparación entre los DVHs calculados por el TPS y MC para el trata-
miento PC1 realizado con bloques de cerrobendTM y SSD de 100cm (a). Comparación entre
el DVH del tratamiento MERT del paciente PC1 con el del tratamiento convencional simu-
lado con MC (b).
(a) (b)
(c)
Figura 3.12: Distribución de isodosis obtenida como solución del caso PC2 en dos cortes
diferentes (a y b). Están representadas las isodosis de 20, 40, 45, 50 y 55Gy. El DVH resul-
tante (c, linea continua) se compara con el obtenido tras la primera optimización (c, linea
discontinua).
Figura 3.13: Comparativa entre los DVH obtenidos para la paciente PC2 con el tratamien-
to convencional de bloques según el TPS (linea continua), el mismo tratamiento calculado
mediante MC (discontinua) y el tratamiento MERT propuesto (puntos).
(a) (b)
(c)
Figura 3.14: Distribución de isodosis obtenida como solución del caso PC3 en dos cortes
diferentes (a y b). Están representadas las isodosis de 20, 40, 45, 50 y 55Gy. El DVH resul-
tante (c, linea continua) se compara con el obtenido tras la primera optimización (c, linea
discontinua).
El último caso de pared costal estudiado se eligió por haber sido tratado
aplicando un bolus, debido a la extrema delgadez de la pared después de
haberse extirpado el pecho. Para emular el efecto del bolus, se empleó la
lámina degradadora, explicada más arriba, en combinación con el haz de
6MeV. Este haz degradado se usó junto con otro de 12MeV para tratar las
zonas de mayor grosor.
(a) (b)
(c)
Figura 3.16: Distribución de isodosis obtenida como solución del caso PC4 en dos cortes
diferentes (a y b). Están representadas las isodosis correspondientes a 20, 40, 45, 50 y 55Gy.
El DVH resultante después de la segunda optimización (c, linea continua) se compara con
el obtenido tras la optimización de beamlets (c, linea discontinua).
Figura 3.17: Comparativa entre los DVH obtenidos para la paciente PC4 con el tratamien-
to convencional de bloques según el TPS (linea continua), el mismo tratamiento calculado
mediante MC (lı́nea discontinua) y el tratamiento MERT propuesto (lı́nea de puntos).
(a) (b)
(c)
Figura 3.18: Distribución de isodosis obtenida como solución del caso PC5 en dos cortes
diferentes (a y b). Están representadas las isodosis correspondientes a 20, 40, 45, 50 y 55Gy.
El DVH resultante después de la segunda optimización (c, linea continua) se compara con
el obtenido tras la optimización de beamlets (c, linea discontinua).
Figura 3.19: Comparativa entre los DVH obtenidos para la paciente PC5 con el trata-
miento convencional de bloques según el TPS (linea azul), el mismo tratamiento calculado
mediante MC considerando un bolus mı́nimo de 0,8cm (lı́nea de puntos) y máximo de 1,3cm
(lı́nea discontinua). La lı́nea continua representa el tratamiento MERT propuesto.
(a) (b)
(c)
Figura 3.20: Distribución de isodosis obtenida como solución del caso MC1 en dos cortes
diferentes (a y b). Están representadas las isodosis del 40 %, 80 %, 90 %, 100 % y 110 % de
la dosis de prescripción (50,4Gy). La figura c muestra el DVH resultante.
Figura 3.21: Comparativa para el caso MC1 entre el tratamiento de IMRT calculado por
el TPS convencional (lı́nea continua), el mismo calculado mediante MC (lı́nea discontinua)
y el tratamiento de MERT (lı́nea de puntos).
En el segundo caso (MC2) se optó por usar una única incidencia (de 35◦ )
con energı́as de 12MeV y 21MeV, resultando seis segmentos de la primera,
(a) (b)
(c)
Figura 3.22: Distribución de isodosis obtenida como solución MERT del caso MC2 en dos
cortes diferentes (a y b). Están representadas las isodosis del 40 %, 80 %, 90 %, 100 % y
110 % de la dosis de prescripción (50,4Gy). La figura c muestra el DVH resultante tras la
segunda optimización.
con entre 14MU y 27MU y cinco de la segunda, con entre 8MU y 16MU.
El resultado de este tratamiento (fig. 3.22) produce una conformación algo
mejor del PTV, con el 90 % del volumen cubierto por la isodosis de 50,9Gy
Figura 3.23: Comparativa para el caso MC2 entre el tratamiento de IMRT calculado por
el TPS convencional (lı́nea continua), el mismo calculado mediante MC (lı́nea discontinua)
y el tratamiento de MERT (lı́nea de puntos).
(d)
Figura 3.24: Distribución de isodosis obtenida como solución del caso CC1 (parótida) en
tres cortes diferentes (a, b y c). Se representan las isodosis correspondientes a 20, 40, 45, 50
y 55Gy. El DVH resultante tras la segunda optimización(d, linea continua) se compara con
el obtenido tras la primera optimización de los beamlets (d, linea discontinua).
(d)
Figura 3.26: Distribución de isodosis obtenida como solución del caso CC2 (parótida) en
tres cortes diferentes (a, b y c). Se representan las isodosis correspondientes a 20, 40, 45,
50 y 55Gy. El DVH resultante tras la optimización de los segmentos (d, linea continua) se
compara con el obtenido tras la primera optimización (d, linea discontinua).
por lo que los únicos datos disponibles son los que proporcionó el planifi-
cador. Como se puede comprobar (fig. 3.27), la homogeneidad del PTV es
Figura 3.27: Comparativa entre los DVH obtenidos para la paciente CC2 con el tratamien-
to convencional de fotones según el TPS (linea discontinua), y el de intensidad modulada
de electrones propuesto (linea continua).
(d)
Figura 3.28: Distribución de isodosis obtenida como solución del caso CC3 (tumor en el
oido) en tres cortes diferentes (a, b y c). Se representan las isodosis correspondientes a 26,
44, 60, 66 y 72Gy. El DVH resultante tras la segunda optimización (d, linea continua) se
compara con el obtenido tras la optimización de beamlets (d, linea discontinua).
Este tratamiento se pudo comparar con los datos del TPS del tratamiento
convencional que realmente se aplicó (fig. 3.29). Éste consistió en dos haces
Figura 3.29: Comparativa entre los DVH obtenidos para la paciente CC3 con el trata-
miento convencional de fotones según el TPS (linea discontinua), y el tratamiento MERT
(linea continua).
de fotones de 6MV a 60◦ y 150◦ grados con cuña dinámica (lo que impi-
dió que se pudiera simular mediante MC). El volumen del PTV que reci-
be entre 33,0Gy y 72,0Gy es menor que al usar electrones, produciendo un
volumen frı́o que puede ser resuelto aplicando MERT. La médula, por su
parte, es irradiada según el planificador en menor medida por debajo de
1,4Gy, aunque la dosis máxima es algo mayor, 17,1Gy. Sin embargo, el pe-
queño volumen que según el planificador recibe más de 8,3Gy (por debajo
del 1 %), hace dudoso los datos a partir de dicho punto, debido a los erro-
res de cálculo esperables en un planificador convencional. Otros volúmenes
importantes, tales como la mandı́bula, el músculo masetero y el ojo derecho
reciben dosis muy superiores al aplicar el tratamiento convencional, des-
tacando especialmente el ojo, que frente a una dosis máxima de 1,2Gy al
aplicar MERT, recibe, durante el tratamiento convencional hasta 21,6Gy (un
1700 % más), que prácticamente garantiza la aparición de cataratas en el fu-
turo y genera un riesgo elevado de ceguera por daños en la retina.
médula, recibe según la simulación menos de 0,3Gy, pero, dado que la in-
certidumbre aumenta al disminuir la dosis, este es sólo un valor estimativo,
que se puede considerar clı́nicamente irrelevante. Los globos oculares reci-
ben como máximo 10,9Gy, el derecho, y 7,5Gy, el izquierdo. La situación de
la hipófisis es la misma que la de la médula, recibiendo una dosis despre-
ciable. En pliegue salpingofarı́ngeo recibe un máximo de 7,0Gy, y el 90 % de
su volumen recibe menos de 2,8Gy (fig. 3.30).
(d)
Figura 3.30: Distribución de isodosis obtenida como solución del caso CC4 (tumor naso-
farı́ngeo) en tres cortes diferentes (a, b y c). Se representan las isodosis correspondientes a
18, 36, 40,5, 45 y 49,5Gy. El DVH resultante del tratamiento final (d, linea continua) se
compara con el obtenido tras la fase de primera optimización (d, linea discontinua).
(a)
(b)
Figura 3.31: Comparativa entre los DVH del tratamiento convencional de fotones ad-
ministrado al paciente CC4 según el TPS (a, linea discontinua) y según la simulación de
MC (a, continua). DVHs correspondientes al tratamiento convencional de fotones (b, linea
discontinua), y el tratamiento MERT (b, linea continua).
141
CAPÍTULO 4. DISCUSIÓN
sos en los que fue posible calcular mediante MC la dosis de los tratamientos
estándar. Estos algoritmos son los utilizados en la mayorı́a de los trabajos
publicados sobre tratamientos de radioterapia, y con los que se ha podido
comparar los resultados de MERT, basados en MC.
del volumen del pulmón que recibe dosis altas. Serı́a necesario, sin embar-
go, evaluar cuantitativamente el cambio entre la dosis teórica calculada y la
real que recibe la paciente a lo largo de todo el tratamiento, debido, sobre
todo, al movimiento de respiración de la paciente (George et al. 2003, Zhang
et al. 2006, Seco et al. 2008).
La ventaja añadida del uso del MLC, que permite una conformación au-
tomática de segmentos, es la posibilidad de irradiar tratamientos más com-
plejos en menos tiempo, suprimiendo el gasto de tiempo y dinero que impli-
ca el uso de bloques de cerrobendTM y permite una mayor reproducibilidad
del tratamiento entre sesiones.
Figura 4.2: Comparativa entre diferentes técnicas de irradiación de paredes costales to-
mada de Pierce et al. En rojo se superponen los resultados obtenidos para los tratamientos
de MERT realizados en este trabajo. Std. Tangts.= Irradiación con haces tangenciales
de fotones. 30/70 P/E= Combinación de 30 % de haces de fotones y 70 % de elec-
trones. PWTF= Partial Wide Tangent Fields. 20/80 P/E= Combinación de 20 % de
haces de fotones y 80 % de electrones. RHS= Reverse Hockey Stick. Electron= Haces
colimados con cerrobendTM .
Por otro lado, los casos de tumores superficiales en cabeza y cuello han
sido, aún dentro de la heterogeneidad de este grupo, los que han mostrado
mayores posibilidades de mejora al usar MERT frente a otras técnicas.
Este tipo de casos son los más susceptibles de ser utilizados para las pri-
meras pruebas clı́nicas en pacientes reales.
Por último, el rango de dosis, aunque es suficiente para los casos que
151
CAPÍTULO 5. CONCLUSIONES
Ahnesjo, A., Saxner, M. & Trepp, A. (1992), ‘A pencil beam model for photon
dose calculation.’, Med Phys 19(2), 263–73.
Ahunbay, E. E., Chen, G. P., Thatcher, S., Jursinic, P. A., White, J., Albano,
K. & Li, X. A. (2007), ‘Direct aperture optimization-based intensity-
modulated radiotherapy for whole breast irradiation.’, Int J Radiat On-
col Biol Phys 67(4), 1248–58.
Al-Yahya, K., Hristov, D., Verhaegen, F. & Seuntjens, J. (2005), ‘Monte Carlo
based modulated electron beam treatment planning using a few-leaf
electron collimator–feasibility study.’, Phys Med Biol 50(5), 847–57.
Alber, M., Broggi, S., De Wagter, C., Eichwurzel, I., Engstrom, P., Fiorino,
C., Georg, D., Hartmann, G., Knoos, T., Leal, A., Marijnissen, H., Mijn-
heer, B., Paiusco, B., Sanchez-Doblado, F., Schmidt, R., Tomsej, M. &
Welleweerd, H. (2008), ‘Guidelines for the verification of IMRT’, ES-
TRO. Mounierlaan 83-12 - 1200 Brussels (Belgium).
153
BIBLIOGRAFÍA
Bahr, G. K., Kereiakes, J. G., Horwitz, H., Finney, R., Galvin, J. & Goode, K.
(1968), ‘The method of linear programming applied to radiation treat-
ment planning.’, Radiology 91(4), 686–93.
Bar, W., Alber, M. & Nusslin, F. (2001), ‘A variable fluence step clustering
and segmentation algorithm for step and shoot IMRT.’, Phys Med Biol
46(7), 1997–2007.
Bond, J. E., Nath, R. & Schulz, R. J. (1978), ‘Monte Carlo calculation of the
wall correction factors for ionization chambers and Aeq for 60Co gam-
ma rays.’, Med Phys 5(5), 422–5.
Brun, R., Bruyant, F., McPherson A. C. & Zanarini, P. (1985), GEANT3 Users
Guide, CERN.
Capote, R., Sanchez-Doblado, F., Leal, A., Lagares, J. I., Arrans, R. & Hart-
mann, G. H. (2004), ‘An EGSnrc Monte Carlo study of the microioniza-
tion chamber for reference dosimetry of narrow irregular IMRT beam-
lets.’, Med Phys 31(9), 2416–22.
Carrasco, P., Jornet, N., Duch, M. A., Panettieri, V., Weber, L., Eudaldo, T.,
Ginjaume, M. & Ribas, M. (2007), ‘Comparison of dose calculation al-
gorithms in slab phantoms with cortical bone equivalent heterogenei-
ties.’, Med Phys 34(8), 3323–33.
Chetty, I. J., Curran, B., Cygler, J. E., DeMarco, J. J., Ezzell, G., Faddegon,
B. A., Kawrakow, I., Keall, P. J., Liu, H., Ma, C. M., Rogers, D. W., Seunt-
jens, J., Sheikh-Bagheri, D. & Siebers, J. V. (2007), ‘Report of the AAPM
Task Group No. 105: issues associated with clinical implementation of
Monte Carlo-based photon and electron external beam treatment plan-
ning.’, Med Phys 34(12), 4818–53.
Coolens, C., Evans, P. M., Seco, J., Webb, S., Blackall, J. M., Rietzel, E. &
Chen, G. T. (2006), ‘The susceptibility of IMRT dose distributions to
intrafraction organ motion: an investigation into smoothing filters de-
rived from four dimensional computed tomography data.’, Med Phys
33(8), 2809–18.
Damen, E. M., Brugmans, M. J., van der Horst, A., Bos, L., Lebesque, J. V.,
Mijnheer, B. J., McShan, D. L., Fraass, B. A. & Kessler, M. L. (2001),
‘Planning, computer optimization, and dosimetric verification of a seg-
mented irradiation technique for prostate cancer.’, Int J Radiat Oncol
Biol Phys 49(4), 1183–95.
Deng, J., Pawlicki, T., Chen, Y., Li, J., Jiang, S. B. & Ma, C. M. (2001), ‘The
MLC tongue-and-groove effect on IMRT dose distributions.’, Phys Med
Biol 46(4), 1039–60.
Dogan, N., Leybovich, L. B., King, S., Sethi, A. & Emami, B. (2002), ‘Im-
provement of treatment plans developed with intensity-modulated ra-
diation therapy for concave-shaped head and neck tumors.’, Radiology
223(1), 57–64.
du Plessis, F. C., Leal, A., Stathakis, S., Xiong, W. & Ma, C. M. (2006), ‘Cha-
racterization of megavoltage electron beams delivered through a pho-
ton multi-leaf collimator (pMLC).’, Phys Med Biol 51(8), 2113–29.
Emami, B., Lyman, J., Brown, A., Coia, L., Goitein, M., Munzenrider, J. E.,
Shank, B., Solin, L. J. & Wesson, M. (1991), ‘Tolerance of normal tissue
to therapeutic irradiation.’, Int J Radiat Oncol Biol Phys 21(1), 109–22.
Engelsman, M., Damen, E. M., Koken, P. W., van ’t Veld, A. A., van Ingen,
K. M. & Mijnheer, B. J. (2001), ‘Impact of simple tissue inhomogeneity
Fan-Chi, S., Yaxi, L., Stathakis, S., Chengyu, S., Esquivel, C. & Papanikolaou,
N. (2007), ‘Dosimetric characteristics of GAFCHROMIC EBT film res-
ponding to therapeutic electron beams’, Applied Radiation and Isotopes
65(10), 1187–1192.
Ferlay, J., Autier, P., Boniol, M., Heanue, M., Colombet, M. & Boyle, P. (2007),
‘Estimates of the cancer incidence and mortality in Europe in 2006.’,
Ann Oncol 18(3), 581–92.
Fippel, M. (1999), ‘Fast Monte Carlo dose calculation for photon beams ba-
sed on the VMC electron algorithm.’, Med Phys 26(8), 1466–75.
Fippel, M. & Nusslin, F. (2001), ‘[Verification of a fast Monte Carlo dose cal-
culation algorithm by EGSnrc using the statistical separation method]’,
Z Med Phys 11(3), 152–60.
Frazier, R. C., Vicini, F. A., Sharpe, M. B., Yan, D., Fayad, J., Baglan, K. L.,
Kestin, L. L., Remouchamps, V. M., Martinez, A. A. & Wong, J. W.
(2004), ‘Impact of breathing motion on whole breast radiotherapy: a
dosimetric analysis using active breathing control.’, Int J Radiat Oncol
Biol Phys 58(4), 1041–7.
Galvin, J. M., Smith, A. R., Moeller, R. D., Goodman, R. L., Powlis, W. D.,
Rubenstein, J., Solin, L. J., Michael, B., Needham, M., Huntzinger, C. J.
& et al. (1992), ‘Evaluation of multileaf collimator design for a photon
beam.’, Int J Radiat Oncol Biol Phys 23(4), 789–801.
George, R., Keall, P. J., Kini, V. R., Vedam, S. S., Siebers, J. V., Wu, Q., Lauter-
bach, M. H., Arthur, D. W. & Mohan, R. (2003), ‘Quantifying the effect
of intrafraction motion during breast IMRT planning and dose deli-
very.’, Med Phys 30(4), 552–62.
Gierga, D. P., Chen, G. T., Kung, J. H., Betke, M., Lombardi, J. & Willett,
C. G. (2004), ‘Quantification of respiration-induced abdominal tumor
motion and its impact on IMRT dose distributions.’, Int J Radiat Oncol
Biol Phys 58(5), 1584–95.
Graff, P., Lapeyre, M., Desandes, E., Ortholan, C., Bensadoun, R. J., Alfonsi,
M., Maingon, P., Giraud, P., Bourhis, J., Marchesi, V., Mege, A. & Peif-
fert, D. (2007), ‘Impact of intensity-modulated radiotherapy on health-
related quality of life for head and neck cancer patients: matched-pair
comparison with conventional radiotherapy.’, Int J Radiat Oncol Biol
Phys 67(5), 1309–17.
Hayman, J. A., Hillner, B. E., Harris, J. R., Pierce, L. J. & Weeks, J. C. (2000),
‘Cost-effectiveness of adding an electron-beam boost to tangential ra-
diation therapy in patients with negative margins after conservative
surgery for early-stage breast cancer.’, J Clin Oncol 18(2), 287–95.
Hong, L., Hunt, M., Chui, C., Spirou, S., Forster, K., Lee, H., Yahalom, J.,
Kutcher, G. J. & McCormick, B. (1999), ‘Intensity-modulated tangen-
tial beam irradiation of the intact breast.’, Int J Radiat Oncol Biol Phys
44(5), 1155–64.
Hristov, D., Stavrev, P., Sham, E. & Fallone, B. G. (2002), ‘On the implementa-
tion of dose-volume objectives in gradient algorithms for inverse treat-
ment planning.’, Med Phys 29(5), 848–56.
Jiang, S. B., Pawlicki, T. & Ma, C. M. (2000), ‘Removing the effect of statis-
tical uncertainty on dose-volume histograms from Monte Carlo dose
calculations.’, Phys Med Biol 45(8), 2151–61.
Jin, L., Ma, C. M., Fan, J., Eldib, A., Price, R. A., Chen, L., Wang, L., Chi, Z.,
Xu, Q., Sherif, M. & Li, J. S. (2008), ‘Dosimetric verification of modula-
ted electron radiotherapy delivered using a photon multileaf collima-
tor for intact breasts.’, Phys Med Biol 53(21), 6009–6025.
Kallman, P., Lind, B., Eklof, A. & Brahme, A. (1988), ‘Shaping of arbitrary
dose distributions by dynamic multileaf collimation.’, Phys Med Biol
33(11), 1291–300.
Kapur, A., Ma, C.-M. & Boyer, A. L., eds (2000), 2000 Monte Carlo simulations
for multileaf collimator leaves: design and dosimetry, Proc. Chicago 2000
World Congress on Medical Physics and Biomedical Engineering.
Keall, P. J., Mageras, G. S., Balter, J. M., Emery, R. S., Forster, K. M., Jiang,
S. B., Kapatoes, J. M., Low, D. A., Murphy, M. J., Murray, B. R., Ramsey,
C. R., Van Herk, M. B., Vedam, S. S., Wong, J. W. & Yorke, E. (2006),
Knoos, T., Ahnesjo, A., Nilsson, P. & Weber, L. (1995), ‘Limitations of a pencil
beam approach to photon dose calculations in lung tissue.’, Phys Med
Biol 40(9), 1411–20.
Kong, M. & Holloway, L. (2007), ‘An investigation of central axis depth dose
distribution perturbation due to an air gap between patient and bolus
for electron beams.’, Australas Phys Eng Sci Med 30(2), 111–9.
Langer, M., Brown, R., Urie, M., Leong, J., Stracher, M. & Shapiro, J. (1990),
‘Large scale optimization of beam weights under dose-volume restric-
tions.’, Int J Radiat Oncol Biol Phys 18(4), 887–93.
Leal, A., Ma, C., du Plessis, F., Lagares, J., Li, J., Quin, L., Xiong, W., Stat-
hakis, S., Luo, W. & Chen, Z. (2005), ‘Energy and intensity modulated
electron radiation therapy using a Monte Carlo optimization procedu-
re’, Med Phys 32(6), 2070–2070.
Leal, A., Sanchez-Doblado, E., Rincon, M., Perucha, M., Arrans, R., Rosello,
J., Camacho, I., Sierra, M. & Carrasco, E. (2001), ‘Distributed processing
for CPU time optimisation in Monte Carlo simulation’, Physca Medica
17, 81 – 83.
Leal, A., Sanchez-Doblado, F., Arrans, R., Perucha, M., Rincon, M., Carras-
co, E. & Bernal, C. (2004), ‘Monte Carlo simulation of complex radiot-
herapy treatments’, Computing in Science and Engineering 6(4), 60 – 68.
Leal, A., Sanchez-Doblado, F., Arrans, R., Rosello, J., Pavon, E. C. & Lagares,
J. I. (2003), ‘Routine IMRT verification by means of an automated Mon-
te Carlo simulation system.’, Int J Radiat Oncol Biol Phys 56(1), 58–68.
Lee, M. C., Jiang, S. B. & Ma, C. M. (2000), ‘Monte Carlo and experimental
investigations of multileaf collimated electron beams for modulated
electron radiation therapy.’, Med Phys 27(12), 2708–18.
Lief, E., Larsson, A. & Humm, J. (1996), ‘Electron dose profile shaping by
modulation of a scanning elementary beam’, Medical Physics 23(1), 33–
44.
Litzenberg, D., Fraass, B. & McShan, D. a. (2001), ‘An apparatus for appl-
ying strong longitudinal magnetic fields to clinical photon and electron
beams’, Physics in Medicine and Biology 46(5), N105–N115.
Ma, C., Ding, M. & Li, J. a. (2003), ‘A comparative dosimetric study on tan-
gential photon beams, intensity-modulated radiation therapy (imrt)
and modulated electron radiotherapy (mert) for breast cancer treat-
ment’, Physics in Medicine and Biology 48(7), 909–924.
Ma, C. M., Price, Jr, R. A., Li, J. S., Chen, L., Wang, L., Fourkal, E., Qin, L.
& Yang, J. (2004), ‘Monitor unit calculation for Monte Carlo treatment
planning.’, Phys Med Biol 49(9), 1671–87.
McKenzie, A. L., van Herk, M. & Mijnheer, B. (2000), ‘The width of margins
in radiotherapy treatment plans.’, Phys Med Biol 45(11), 3331–42.
Metropolis, N. & Ulam, S. (1949), ‘The Monte Carlo method.’, J Am Stat Assoc
44(247), 335–41.
Mohan, R., Chui, C. & Lidofsky, L. (1985), ‘Energy and angular distributions
of photons from medical linear accelerators.’, Med Phys 12(5), 592–7.
Mohan, R., Chui, C. & Lidofsky, L. (1986), ‘Differential pencil beam dose
computation model for photons.’, Med Phys 13(1), 64–73.
Nardi, E., Barnea, G. & Ma, C. (2004), ‘Electron beam therapy with coil-
generated magnetic fields’, Medical Physics 31(6), 1494–1503.
Nath, R., Biggs, P. J., Bova, F. J., Ling, C. C., Purdy, J. A., van de Geijn, J.
& Weinhous, M. S. (1994), ‘AAPM code of practice for radiotherapy
accelerators: report of AAPM Radiation Therapy Task Group No. 45.’,
Med Phys 21(7), 1093–121.
Nelson, W. R., Hirayama, H. & Rogers, W. O. (1985), The EGS4 code system,
Technical Report SLAC-265, Stanford Linear Accelerator, Stanford, CA.
Nisbet, A., Beange, I., Vollmar, H. S., Irvine, C., Morgan, A. & Thwaites,
D. I. (2004), ‘Dosimetric verification of a commercial collapsed cone
algorithm in simulated clinical situations.’, Radiother Oncol 73(1), 79–
88.
Olofsson, L., Karlsson, M. & Karlsson, M. (2005b), ‘Photon and electron co-
llimator effects on electron output and abutting segments in energy
modulated electron therapy’, Medical Physics 32(10), 3178–3184.
Ostapiak, O. Z., Zhu, Y. & Van Dyk, J. (1997), ‘Refinements of the finite-
size pencil beam model of three-dimensional photon dose calculation.’,
Med Phys 24(5), 743–50.
Parkin, D. M., Bray, F., Ferlay, J. & Pisani, P. (2005), ‘Global cancer statistics,
2002.’, CA Cancer J Clin 55(2), 74–108.
Partridge, M., Trapp, J. V., Adams, E. J., Leach, M. O., Webb, S. & Seco,
J. (2006), ‘An investigation of dose calculation accuracy in intensity-
modulated radiotherapy of sites in the head & neck.’, Phys Med
22(3), 97–104.
Pena, J., Sanchez-Doblado, F., Capote, R., Terron, J. A. & Gomez, F. (2006),
‘Monte Carlo correction factors for a Farmer 0.6 cm3 ion chamber dose
measurement in the build-up region of the 6 MV clinical beam.’, Phys
Med Biol 51(6), 1523–32.
Pierce, L. J., Butler, J. B., Martel, M. K., Normolle, D. P., Koelling, T., Marsh,
R. B., Lichter, A. S. & Fraass, B. A. (2002), ‘Postmastectomy radiothe-
rapy of the chest wall: dosimetric comparison of common techniques.’,
Int J Radiat Oncol Biol Phys 52(5), 1220–30.
Pohar, S., Gay, H., Rosenbaum, P., Klish, D., Bogart, J., Sagerman, R., Hsu, J.
& Kellman, R. (2005), ‘Malignant parotid tumors: presentation, clinica-
l/pathologic prognostic factors, and treatment outcomes.’, Int J Radiat
Oncol Biol Phys 61(1), 112–8.
Polednik, M., Abo Madyan, Y., Schneider, F., Wolff, D., Bannach, B., Lambre-
cht, U., Wallin, A., Cwiekala, M., Maurer, K., Reif, F., Lohr, F. & Wenz, F.
(2007), ‘Evaluation of calculation algorithms implemented in different
commercial planning systems on an anthropomorphic breast phantom
using film dosimetry.’, Strahlenther Onkol 183(12), 667–72.
Poortmans, P., Bartelink, H., Horiot, J. C., Struikmans, H., Van den Bo-
gaert, W., Fourquet, A., Jager, J., Hoogenraad, W., Rodrigus, P., Warlam-
Rodenhuis, C., Collette, L. & Pierart, M. (2004), ‘The influence of the
boost technique on local control in breast conserving treatment in
the EORTC ’boost versus no boost’ randomised trial.’, Radiother Oncol
72(1), 25–33.
Popple, R. A., Weinber, R., Antolak, J. A., Ye, S. J., Pareek, P. N., Duan, J.,
Shen, S. & Brezovich, I. A. (2006), ‘Comprehensive evaluation of a com-
mercial macro Monte Carlo electron dose calculation implementation
using a standard verification data set.’, Med Phys 33(6), 1540–51.
Ravindran, B. P., Singh, I. R., Brindha, S. & Sathyan, S. (2002), ‘Manual multi-
leaf collimator for electron beam shaping–a feasibility study.’, Phys Med
Biol 47(24), 4389–96.
Rosen, I. I., Lam, K. S., Lane, R. G., Langer, M. & Morrill, S. M. (1995), ‘Com-
parison of simulated annealing algorithms for conformal therapy treat-
ment planning.’, Int J Radiat Oncol Biol Phys 33(5), 1091–9.
Rosen, I. I., Lane, R. G., Morrill, S. M. & Belli, J. A. (1991), ‘Treatment plan
optimization using linear programming.’, Med Phys 18(2), 141–52.
Sanchez-Doblado, F., Andreo, P., Capote, R., Leal, A., Perucha, M., Arrans,
R., Nunez, L., Mainegra, E., Lagares, J. I. & Carrasco, E. (2003), ‘Ioniza-
tion chamber dosimetry of small photon fields: a Monte Carlo study on
Sanchez-Doblado, F., Capote, R., Leal, A., Rosello, J. V., Lagares, J. I., Arrans,
R. & Hartmann, G. H. (2005a), ‘Micro ionization chamber dosimetry
in IMRT verification: clinical implications of dosimetric errors in the
PTV.’, Radiother Oncol 75(3), 342–8.
Sanchez-Doblado, F., Capote, R., Leal, A., Rosello, J. V., Lagares, J. I., Arrans,
R. & Hartmann, G. H. (2005b), ‘Microionization chamber for reference
dosimetry in IMRT verification: clinical implications on OAR dosime-
tric errors.’, Phys Med Biol 50(5), 959–70.
Sanchez-Doblado, F., Hartmann, G. H., Pena, J., Capote, R., Paiusco, M.,
Rhein, B., Leal, A. & Lagares, J. I. (2007), ‘Uncertainty estimation
in intensity-modulated radiotherapy absolute dosimetry verification.’,
Int J Radiat Oncol Biol Phys 68(1), 301–10.
Seco, J., Sharp, G. C., Wu, Z., Gierga, D., Buettner, F. & Paganetti, H. (2008),
‘Dosimetric impact of motion in free-breathing and gated lung radiot-
herapy: a 4D Monte Carlo study of intrafraction and interfraction ef-
fects.’, Med Phys 35(1), 356–66.
Touboul, E., Belkacemi, Y., Lefranc, J. P., Uzan, S., Ozsahin, M., Korbas, D.,
Buffat, L., Balosso, J., Pene, F., Blondon, J. & et al. (1995), ‘Early breast
cancer: influence of type of boost (electrons vs iridium-192 implant)
on local control and cosmesis after conservative surgery and radiation
therapy.’, Radiother Oncol 34(2), 105–13.
Vanderstraeten, B., Chin, P. W., Fix, M., Leal, A., Mora, G., Reynaert, N., Se-
co, J., Soukup, M., Spezi, E., De Neve, W. & Thierens, H. (2007), ‘Con-
version of CT numbers into tissue parameters for Monte Carlo dose
calculations: a multi-centre study.’, Phys Med Biol 52(3), 539–62.
Vanderstraeten, B., Reynaert, N., Paelinck, L., Madani, I., De Wagter, C.,
De Gersem, W., De Neve, W. & Thierens, H. (2006), ‘Accuracy of pa-
Wang, L., Yorke, E. & Chui, C. S. (2001), ‘Monte Carlo evaluation of tissue in-
homogeneity effects in the treatment of the head and neck.’, Int J Radiat
Oncol Biol Phys 50(5), 1339–49.
Wu, X., Zhu, Y., Dai, J. & Wang, Z. (2000), ‘Selection and determination of
beam weights based on genetic algorithms for conformal radiotherapy
treatment planning.’, Phys Med Biol 45(9), 2547–58.
Wu, Y., Yan, D., Sharpe, M. B., Miller, B. & Wong, J. W. (2001), ‘Implementing
multiple static field delivery for intensity modulated beams.’, Med Phys
28(11), 2188–97.
Zhang, G., Jiang, Z., Shepard, D., Zhang, B. & Yu, C. (2006), ‘Direct aperture
optimization of breast IMRT and the dosimetric impact of respiration
motion.’, Phys Med Biol 51(20), N357–69.
Zhang, X., Liu, H., Wang, X., Dong, L., Wu, Q. & Mohan, R. (2004), ‘Speed
and convergence properties of gradient algorithms for optimization of
IMRT.’, Med Phys 31(5), 1141–52.
173
APÉNDICE I. GLOSARIO
OAR Organ At Risk. Órgano sano al que debe evitarse que reciba radiación
por encima de cierto lı́mite.
PSD Phase Space Data. Fichero de salida del código BEAMnrc que contiene
todos los parámetros de las partı́culas que atraviesan un plano elegido.
PTV Planning Target Volume. Volumen que se pretende tratar con radiación
hasta depositar en él una cierta dosis de prescripción.
177
APÉNDICE II. SCRIPT DE CONVERSIÓN DE ESTRUCTURAS DE DICOM A MCTP
9 % ’ i n f o ’ e s un v e c t o r d e e s t r u c t u r a s . Cada miembro d e l v e c t o r e s l a
10 % e s t r u c t u r a o b t e n i d a d e l a l e c t u r a d e un c o r t e DICOM con l a f u n c i ó n
11 % dicominfo .
12 % Sugerencia :
13 % Para l e e r i n f o c o n v i e n e h a c e r l o de l a forma
14 %
15 % f o r i =1: numero de cortes ,
16 % i n f o ( i ) = d i c o m i n f o ( [ ’ P r i m e r a p a r t e d e l n o m b r e d e l f i c h e r o ’ , num2str ( i − 1) , ’
final del nombre del fichero ’]) ;
17 % end
18 %
19 % ’ ST ’ e s una e s t r u c t u r a o b t e n i d a a l l e e r e l f i c h e r o d e e s t r u c t u r a s con
20 % dicominfo .
21 %
22 % ’ st num ’ e s l a p o s i c i ó n , en e l f i c h e r o d e e s t r u c t u r a s , d e l ó r g a n o que s e q u i e r e
obtener .
23 %
24 % ’ org num ’ e s l a p o s i c i ó n que s e l e q u i e r e a s i g n a r en l a m a t r i z a l ó r g a n o .
25 %
26 % ’ n c o r t e s ’ e s e l numero d e c o r t e s d e CT en e l que a p a r e c e l a e s t r u c t u r a . Se
27 % p u e d e s a b e r m e d i a n t e ST . R O I C o n t o u r S e q u e n c e . Item XXX . C o n t o u r S e q u e n c e
28 %
29 % ’ m a t r i z ’ e s e l nombre d e l a m a t r i z que r e c i b i r á l a e s t r u c t u r a ( Sı́ , o t r a vez ,
sorry )
30 %
31 % ’ r e d u c c i ó n ’ e s e l f a c t o r p o r e l que s e q u i e r e r e d u c i r l a r e s o l u c i ó n que
32 % t i e n e e l CT ( 2 p a r a p a s a r d e 512 x512 a 256 x256 , e t c . . . )
33
34 ancho=i n f o ( 1 ) . Width/r e d u c c i o n
35 a l t o =i n f o ( 1 ) . Height/r e d u c c i o n
36 profundo= s i z e ( info , 2 )
37
38 x0=i n f o ( 1 ) . ImagePositionPatient ( 1 ) ;
39 y0=i n f o ( 1 ) . ImagePositionPatient ( 2 ) ;
40 dx=i n f o ( 1 ) . PixelSpacing ( 1 ) ∗ reduccion ;
41 dy=i n f o ( 1 ) . PixelSpacing ( 2 ) ∗ reduccion ;
42
43 f o r i = 1 : profundo ,
44 for j =1: n cortes ,
45 tmp=[ i n f o ( i ) . SOPInstanceUID ( end − 3:end ) ==ST . ROIContourSequence . ( [ ’ I t e m ’ ,
num2str ( st num ) ] ) . ContourSequence . ( [ ’ I t e m ’ , num2str ( j ) ] ) .
ContourImageSequence . I t e m 1 . ReferencedSOPInstanceUID ( end − 3:end ) ] ;
46 tmp2=tmp ( 1 ) . ∗ tmp ( 2 ) . ∗ tmp ( 3 ) . ∗ tmp ( 4 ) ;
47 i f tmp2==1 ,
48 [ i , j , 2 ˆ ( org num − 1) ]
49 s t x =ST . ROIContourSequence . ( [ ’ I t e m ’ , num2str ( st num ) ] ) . ContourSequence
. ( [ ’ I t e m ’ , num2str ( j ) ] ) . ContourData ( 1 : 3 : end ) ;
50 s t y =ST . ROIContourSequence . ( [ ’ I t e m ’ , num2str ( st num ) ] ) . ContourSequence
. ( [ ’ I t e m ’ , num2str ( j ) ] ) . ContourData ( 2 : 3 : end ) ;
51 minx= c e i l ( min ( ( s t x −x0 ) /dx ) ) ;
En este script se hace uso, a su vez, de otro script propio (’is inside con-
tour’). Los volúmenes de interés están definidos en un fichero DICOM me-
diante una serie de puntos que definen el contorno, en cada plano, de dicho
volumen. Para determinar si un vóxel determinado se encuentra dentro o
fuera de un volumen dado, se determinan los vectores que unen este vóxel
con cada uno de los puntos que definen el volumen. Se obtienen los ángu-
los que forma cada vector con el siguiente, y si la suma todos los ángulos es
360◦ (al ser un número finito de puntos, en realidad la suma tendrá un valor
cercano, pero no exactamente igual a 360◦ ), significa que el vóxel se encuen-
tra dentro del volumen y el script devuelve el valor 1. Si la suma es 0◦ (o un
valor aproximado por considerarse un número finito de puntos), es exterior
y se devuelve el valor 0. Se podrı́a considerar como una analogı́a de la ley
de Gauss del flujo eléctrico, en la que el vóxel contiene una carga eléctrica.
Si el flujo total a través del volumen es 0, la carga se encuentra fuera. Si no
es 0, se encuentra en el interior.
1 f u n c t i o n i s = i s i n s i d e c o n t o u r ( x , y , cx , cy )
2
3 suma = 0 ;
4 a l f a 0 =0;
5 a l f a 1 =0;
6 a l f a 2 =0;
7
8 Kx=cx ;
9 Kx ( s i z e ( cx , 1 ) +1)=cx ( 1 ) ;
10 Ky=cy ;
11 Ky ( s i z e ( cy , 1 ) +1)=cy ( 1 ) ;
12
13 format long g ;
14 mod0= s q r t ( ( Kx ( 1 )−x ) ˆ 2 + (Ky ( 1 )−y ) ˆ 2 ) ;
15
16 f o r i = 1 : s i z e ( cx ) ,
17 %P a r a h a l l a r e l s e n y e l c o s d e l a n g u l o con v e r t i c e en e l p u n t o
18 %a n a l i z a d o y e x t r e m o s e l p u n t o i d e l a e s t r u c t u r a y e l i +1 , s e r e c u r r e
19 %a l p r o d u c t o e s c a l a r y a l v e c t o r i a l
20 prod1 =(Kx ( i )−x ) . ∗ ( Kx ( i +1)−x ) +(Ky ( i )−y ) . ∗ ( Ky ( i +1)−y ) ;
21 prod2 =(Kx ( i )−x ) . ∗ ( Ky ( i +1)−y ) −(Kx ( i +1)−x ) . ∗ ( Ky ( i )−y ) ;
22 mod0= s q r t ( ( Kx ( i +1)−x ) ˆ 2 + (Ky ( i +1)−y ) ˆ 2 ) ;
23 mod1= s q r t ( ( Kx ( i )−x ) ˆ 2 + (Ky ( i )−y ) ˆ 2 ) ;
24 a l f a 1 = 1 8 0 . ∗ acos ( prod1 . / ( mod1 . ∗ mod0 ) ) . / pi ;
25 %E l r a n g o d e l a n g u l o p a r a l a f u n c i o n a c o s e s [ 0 , 1 8 0 ] , m i e n t r a s que p a r a
26 %l a f u n c i o n a s i n e s [ − 9 0 , 9 0 ] , q u e r e m o s e l r a n g o [ − 180 ,180]
27 i f prod2<0
28 a l f a 1=− a l f a 1 ;
29 end
30 suma=suma+ a l f a 1 ;
31 end
32 %S i p a r a r e c o r r e r l a e s t r u c t u r a d e s d e e l p u n t o d e v i s t a d e l p u n t o ha h a b i d o
33 %que r e a l i z a r un g i r o c o m p l e t o ( 3 6 0 o ) e l p u n t o e s t a d e n t r o d e l a e s t r u c t u r a ,
34 %s i no , e s t a f u e r a .
35 i f abs ( suma ) >359
36 i s =1;
37 else
38 i s =0;
39 end
181
APÉNDICE III. MODIFICACIONES REALIZADAS AL CÓDIGO DOSXYZNRC: BEAMDOSE
1. Nombre input
2. -1
3. /home/mcbeam/egsnrc/phantoms/nombre phantom.egs4phant
4. 32,1
5. 0.7, 0.01, 0
6. 0, 0, 0,
8. /home/mcbeam/egsnrc/beamdose/Incidencia 01.egs4blc
9. /home/mcbeam/egsnrc/beamdose/Incidencia 02.egs4blc
11. /home/mcbeam/egsnrc/beamdose/beamlets6MeV/
12. 1
13. /home/mcbeam/egsnrc/beamdose/beamlets12MeV/
14. 1
16. #########################
18.
35.
37. #########################
Lı́nea 2 NMED.
Valor 0 para la lectura de un fichero “.egs4phant”. Valor > 1 para un
phantom definido en el “.input” con NMED medios diferentes. Con va-
lor −1 se lee un fichero “.egs4phant” con información de volúmenes
de interés.
Lı́nea 7 iqin, isource, xiso, yiso, ziso, theta, phi, dsource, phicol, i dbs, r dbs,
ssd dbs, z dbs, Nports.
El valor de ’isource’ se establece en 10. La dirección definida por ’the-
ta’, ’phi’ y ’phicol’ será la que el código tomará como punto de partida
para efectuar las rotaciones de gantry, mesa y colimador especificados
en el fichero “.egs4blc”. Nports indica el número de incidencias.
9. I J X Y WEIGHT
187
APÉNDICE IV. CÓDIGO FUENTE DEL SECUENCIADOR PARA ELECTRONES
1. Comentario
2. 1000
3. 51
4. 3
5. port01.map
6. 1.3
7. port02.map
8. 1.4
9. port03.map
10. 1.2
1 / ∗ ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
2 ∗ C o p y r i g h t (C) 2007 by Fco . J a v i e r S a l g u e r o C a s t a ñ o ; A n t o n i o L e a l P l a z a ∗
3 ∗ javi@us . es ; alplaza@us . es ∗
4 ∗ ∗
5 ∗ T h i s program i s f r e e s o f t w a r e ; you can r e d i s t r i b u t e i t and / o r m o d i f y ∗
6 ∗ i t u n d e r t h e t e r m s o f t h e GNU G e n e r a l P u b l i c L i c e n s e a s p u b l i s h e d by ∗
7 ∗ the Free Software Foundation ; e i t h e r v ersi o n 2 o f the License , or ∗
8 ∗ ( a t y o u r o p t i o n ) any l a t e r v e r s i o n . ∗
9 ∗ ∗
10 ∗ T h i s program i s d i s t r i b u t e d i n t h e h o p e t h a t i t w i l l b e u s e f u l , ∗
11 ∗ b u t WITHOUT ANY WARRANTY; w i t h o u t e v e n t h e i m p l i e d w a r r a n t y o f ∗
12 ∗ MERCHANTABILITY o r FITNESS FOR A PARTICULAR PURPOSE . S e e t h e ∗
13 ∗ GNU G e n e r a l P u b l i c L i c e n s e f o r more d e t a i l s . ∗
14 ∗ ∗
15 ∗ You s h o u l d h a v e r e c e i v e d a c o p y o f t h e GNU G e n e r a l P u b l i c L i c e n s e ∗
16 ∗ a l o n g w i t h t h i s program ; i f not , w r i t e t o t h e ∗
17 ∗ Free Software Foundation , Inc . , ∗
18 ∗ 59 Temple P l a c e − S u i t e 3 3 0 , B o s t o n , MA 02111 − 1307 , USA . ∗
19 ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ ∗ /
20
21
22 # i f d e f HAVE CONFIG H
23 # include <c o n f i g . h>
24 # endif
25
26 # include <iostream>
27 # include <fstream>
28 # include <c s t d l i b >
29 # include <c s t r i n g >
30 # include <cctype>
31 # include <s t r i n g >
32 # include <v e c t o r>
33 # include <cmath>
34 # include <iomanip>
35
36
37 # define MAPSIZE 41
38 # define NLEAVES 29
39
40 / / V a l o r m áximo que p u e d e d e v o l v e r l a f u n c i ó n r a n d ( ) , 2 ˆ 3 1
41 # define NRAN 2147483648
42 / / F a c t o r que mide l a i m p o r t a n c i a d e l n o d e campos en l a f u n c i ó n d e p e n a l i z a c i ó n
43 / / # d e f i n e FIELD FACTOR 0 . 0 0 5
44 / / V a l o r d e l e q u i v a l e n t e a l a c o n s t a n t e d e Boltzmann
45 # define kB 0 . 0 1
46 / / P e s o d e un b e a m l e t en e l b o r d e
47 # define BORDE 0 . 5
48 / / Margen p a r a l a c o n f i g u r a c i ó n i n i c i a l .
49 # define FACTOR 1 . 3
50
51 using namespace s t d ;
52
53 c l a s s annealing
54 {
55 private :
56 / / V a r i a b l e s de l a c l a s e
57 v e c t o r<bool∗∗> campo ; / / Vector de m a t r i c e s de 1 ’ s y 0 ’ s
con l a f o r m a d e l o s campos .
58 v e c t o r<bool∗∗> campo tmp ; / / Copia d e l v e c t o r de m a t r i c e s de
campos .
59 f l o a t o b j e t i v e m a t r i x [NLEAVES ] [ MAPSIZE ] ; / / Matriz o b j e t i v o .
190 {
191 int ext ; / / No d e b e a m l e t s que ocupan l a s l á m i n a s e x t e r n a s , ( p e n s a d o
p a r a e l MLC d e T o s h i b a ) .
192 e x t =(MAPSIZE−NLEAVES) / 2 ;
193 max flu = 0 ;
194 t o t f l u =0;
195 Norm= 0 ;
196 / / P a r a g e n e r a r n úmeros a l e a t o r i o s s e u s a l a f u n c i ó n random d e C++. Puede s e r
conveniente usar otra .
197 srand ( s e m i l l a ) ;
198 f o r ( i n t i = e x t ; i<MAPSIZE−e x t ; i ++)
199 f o r ( i n t j = 0 ; j <MAPSIZE ; j ++)
200 {
201 o b j e t i v e m a t r i x [ i −e x t ] [ j ]= s t a t i c c a s t <f l o a t >( s t a t i c c a s t <i n t >(
f l u e n c i a [ i ] [ j ] ) ) ; / / La m a t r i z o b j e t i v o s e r e d o n d e a a n úmeros
enteros .
202 t o t f l u += o b j e t i v e m a t r i x [ i −e x t ] [ j ] ;
203 i f ( o b j e t i v e m a t r i x [ i −e x t ] [ j ]>max flu ) max flu= o b j e t i v e m a t r i x [ i −
ext ] [ j ] ;
204 i f ( f l u e n c i a [ i ] [ j ] >0) Norm++;
205 }
206 cout<<” F l u e n c i a máxima=”<<max flu<<endl ;
207 cout<<” Beamlets con f l u e n c i a =”<<Norm<<endl ;
208 N campos = 0 ;
209 N max= c e i l ( nmax∗ max flu ) ;
210 f o r ( i n t i = 0 ; i<N max ; i ++)
211 {
212 t o t a l . push back ( 0 ) ;
213 f r o n t e r a . push back ( 0 ) ;
214 p r e v t o t a l . push back ( 0 ) ;
215 p r e v f r o n t e r a . push back ( 0 ) ;
216 }
217
218 }
219
220 annealing : : ˜ annealing ( )
221 {
222 / / L i b e r a c i ó n d e l a memoria o c u p a d a p o r l a s m a t r i c e s d e l o s campos .
223 f o r ( i n t i = 0 ; i<campo . s i z e ( ) ; i ++) f o r ( i n t j = 0 ; j <NLEAVES ; j ++) d e l e t e [ ] campo [ i ] [
j ];
224 f o r ( i n t i = 0 ; i<campo . s i z e ( ) ; i ++) d e l e t e [ ] campo [ i ] ;
225 campo . c l e a r ( ) ;
226
227 i f ( campo tmp . s i z e ( ) >0)
228 {
229 f o r ( i n t i = 0 ; i<campo tmp . s i z e ( ) ; i ++) f o r ( i n t j = 0 ; j <NLEAVES ; j ++)
d e l e t e [ ] campo tmp [ i ] [ j ] ;
230 f o r ( i n t i = 0 ; i<campo tmp . s i z e ( ) ; i ++) d e l e t e [ ] campo tmp [ i ] ;
231 campo tmp . c l e a r ( ) ;
232 }
233 }
234
235 double a n n e a l i n g : : nrand ( void )
236 {
237 r e t u r n s t a t i c c a s t <double >(rand ( ) ) /NRAN;
238 }
239
240 void a n n e a l i n g : : nuevo campo ( void )
241 {
242 bool ∗∗ tmp ;
243 bool opened = 0 ;
244 int init1 , init2 ;
245 f l o a t value tmp , value max ;
246
247 value max = 0 ;
248 N campos ++;
249 tmp=new bool ∗ [NLEAVES ] ;
250 i f ( tmp==0)
251 {
252 cout<<” E r r o r asignando l a memoria”<<endl ;
253 exit (1) ;
254 }
255 campo . push back ( tmp ) ;
256 f o r ( i n t i = 0 ; i<NLEAVES ; i ++)
257 {
258 campo [ N campos − 1][ i ]=new bool [ MAPSIZE ] ;
259 i f ( campo [ N campos − 1][ i ] = = 0 )
260 {
261 cout<<” E r r o r asignando l a memoria en ”<<N campos−1<<” , ”<<i<<endl ;
262 exit (1) ;
263 }
264 }
265 / / P u e s t a a 0 d e l a nueva m a t r i z .
266 f o r ( i n t i = 0 ; i<NLEAVES ; i ++) f o r ( i n t j = 0 ; j <MAPSIZE ; j ++) campo [ N campos − 1][ i ] [ j ] = 0 ;
267 / / Es n e c e s a r i o que h a y a un b e a m l e t a b i e r t o . Se a b r e un b e a m l e t que t e n g a f l u e n c i a
en l a f u n c i ó n o b j e t i v o .
268 while ( ! opened )
269 {
270 i n i t 1 = s t a t i c c a s t <i n t >(NLEAVES∗nrand ( ) ) ;
271 i n i t 2 = s t a t i c c a s t <i n t >(MAPSIZE∗nrand ( ) ) ;
272 i f ( o b j e t i v e m a t r i x [ i n i t 1 ] [ i n i t 2 ] >0)
273 {
274 campo [ N campos − 1][ i n i t 1 ] [ i n i t 2 ] = 1 ;
275 opened = 1 ;
276 }
277 }
278 }
279
280 void a n n e a l i n g : : copia campos ( v e c t o r<bool∗∗> &campo1 , v e c t o r<bool∗∗> &campo2 )
281 {
597 Dobj = 0 ;
598
599 / / F u n c i ó n d e p e n a l i z a c i ó n . F = ( 1 /Nˆ 2 ) Sum [ ( Dij −Dobj ) ˆ 2 ]
600 / / A e s t a f u n c i ó n s e l e a ñ a d e un p a r á m e t r o que p e n a l i z a e l n úmero d e campos ,
e s p e c i a l m e n t e s i s o n p e q u e ñ o s .
601
602 f o r ( i n t i =max ( x − 1 ,0) ; i<min ( x +2 ,NLEAVES) ; i ++)
603 {
604 f o r ( i n t j =max ( y − 1 ,0) ; j <min ( y +2 ,MAPSIZE ) ; j ++)
605 {
606 f o r ( i n t k = 0 ; k<N campos ; k++)
607 {
608 i f ( campo [ k ] [ i ] [ j ] )
609 {
610 t o t a l [k]++;
611 i f ( i ==0 | | i ==NLEAVES−1 | | j ==0 | | j ==MAPSIZE− 1)
612 {
613 frontera [ k]+=4;
614 r e s u l t t m p +=BORDE∗ s t a t i c c a s t <double >(
campo [ k ] [ i ] [ j ] ) ; / / Un b e a m l e t en e l
b o r d e d e l campo t e n d r á menos f l u e n c i a
de l a c a l c u l a d a .
615 } e l s e i f ( ! campo [ k ] [ i − 1][ j ] | | ! campo [ k ] [ i + 1 ] [ j ] | |
! campo [ k ] [ i ] [ j − 1] | | ! campo [ k ] [ i ] [ j + 1 ] )
616 {
617 i f ( ! campo [ k ] [ i − 1][ j ] ) frontera [k]++;
618 i f ( ! campo [ k ] [ i + 1 ] [ j ] ) frontera [k]++;
619 i f ( ! campo [ k ] [ i ] [ j + 1 ] ) frontera [k]++;
620 i f ( ! campo [ k ] [ i ] [ j − 1]) frontera [k]++;
621 r e s u l t t m p +=BORDE∗ s t a t i c c a s t <double >(
campo [ k ] [ i ] [ j ] ) ; / / Un b e a m l e t en e l
b o r d e d e l campo t e n d r á menos f l u e n c i a
de l a c a l c u l a d a .
622 }else
623 {
624 r e s u l t t m p += s t a t i c c a s t <double >(campo [ k ] [ i
][ j ]) ;
625 }
626 }
627 }
628 r e s u l t t m p −=s t a t i c c a s t <double >( o b j e t i v e m a t r i x [ i ] [ j ] ) ;
629 D1+= r e s u l t t m p ∗ r e s u l t t m p ;
630 result tmp =0;
631 }
632 }
633
634 f o r ( i n t i =max ( x − 1 ,0) ; i<min ( x +2 ,NLEAVES) ; i ++)
635 {
636 f o r ( i n t j =max ( y − 1 ,0) ; j <min ( y +2 ,MAPSIZE ) ; j ++)
637 {
674 {
675 cout<<”Numero n e g a t i v o . El campo ”<<i<<” t i e n e ”<<t o t a l [ i ]<<”
beamlets . ”<<endl ;
676 exit (1) ;
677 }
678 i f ( nonzero >0) e2=e2/nonzero ;
679 }
680
681 void a n n e a l i n g : : open beamlet ( i n t f i e l d )
682 {
683 v e c t o r<i n t> xpopen , ypopen ; / / C o o r d e n a d a s d e l o s b e a m l e t s que e s p o s i b l e a b r i r
.
684 int index to open ; / / Í n d i c e d e l b e a m l e t que s e a b r i r á .
685
686 / / Se r e c o r r e c a d a f i l a d e i z q u i e r d a a d e r e c h a , y s e c o m p r u e b a s i e l b e a m l e t
s i g u i e n t e a uno c e r r a d o e s t á a b i e r t o . S i no , s e c o m p r u e b a s i l o s d e l a s f i l a s
a d y a c e n t e s l o e s t á n .
687 f o r ( i n t i = 0 ; i<NLEAVES ; i ++)
688 {
689 f o r ( i n t j = 0 ; j <MAPSIZE− 1; j ++)
690 {
691 i f ( campo [ f i e l d ] [ i ] [ j ] ) break ;
692 e l s e i f ( campo [ f i e l d ] [ i ] [ j + 1 ] )
693 {
694 xpopen . push back ( i ) ;
695 ypopen . push back ( j ) ;
696 break ;
697 } e l s e i f ( campo [ f i e l d ] [ max ( 0 , i − 1) ] [ j ] | | campo [ f i e l d ] [ min ( i
+1 ,NLEAVES− 1) ] [ j ] )
698 {
699 f o r ( i n t k= j + 1 ; k<MAPSIZE ; k++)
700 {
701 i f ( campo [ f i e l d ] [ i ] [ k ] ) break ;
702 i f ( k==MAPSIZE− 1)
703 {
704 xpopen . push back ( i ) ;
705 ypopen . push back ( j ) ;
706 }
707 }
708 }
709 }
710 / / Ahora s e r e c o r r e l a f i l a en d i r e c c i ó n c o n t r a r i a .
711 f o r ( i n t j =MAPSIZE− 1; j >0; j −−)
712 {
713 i f ( campo [ f i e l d ] [ i ] [ j ] ) break ;
714 e l s e i f ( campo [ f i e l d ] [ i ] [ j − 1])
715 {
716 xpopen . push back ( i ) ;
717 ypopen . push back ( j ) ;
718 break ;
719 }
720 }
721 }
722
723 i f ( xpopen . s i z e ( ) >0)
724 {
725 i n d e x t o o p e n = s t a t i c c a s t <i n t >(nrand ( ) ∗xpopen . s i z e ( ) ) ;
726 xindex=xpopen [ i n d e x t o o p e n ] ;
727 yindex=ypopen [ i n d e x t o o p e n ] ;
728 campo [ f i e l d ] [ xindex ] [ yindex ] = 1 ;
729 }else
730 {
731 / / S i no e x i s t e ning ún b e a m l e t a b i e r t o , s e a b r e uno a l a z a r .
732 xindex= s t a t i c c a s t <i n t >( f l o o r (NLEAVES∗nrand ( ) ) ) ;
733 yindex= s t a t i c c a s t <i n t >( f l o o r (MAPSIZE∗nrand ( ) ) ) ;
734 campo [ f i e l d ] [ xindex ] [ yindex ] = 1 ;
735 }
736 zindex= f i e l d ;
737
738 }
739
740 void a n n e a l i n g : : c l o s e b e a m l e t ( i n t f i e l d )
741 {
742 v e c t o r<i n t> xpclose , y p c l o s e ; / / C o o r d e n a d a s d e l o s b e a m l e t s que e s p o s i b l e
cerrar .
743 int index to close ; / / B e a m l e t que s e c i e r r a .
744
745 f o r ( i n t i = 0 ; i<NLEAVES ; i ++)
746 {
747 f o r ( i n t j = 0 ; j <MAPSIZE− 1; j ++)
748 {
749 i f ( campo [ f i e l d ] [ i ] [ j ] )
750 {
751 i f ( campo [ f i e l d ] [ i ] [ j + 1 ] )
752 {
753 i f ( ( campo [ f i e l d ] [ max ( 0 , i − 1) ] [ j ] && ! campo [ f i e l d ] [
max ( 0 , i − 1) ] [ j + 1 ] ) | | ( campo [ f i e l d ] [ min (NLEAVES
− 1, i +1) ] [ j ] && ! campo [ f i e l d ] [ min (NLEAVES− 1, i
+1) ] [ j + 1 ] ) ) break ; / / El b e a m l e t e s e l
v é r t i c e d e una L .
754 else
755 {
756 x p c l o s e . push back ( i ) ;
757 y p c l o s e . push back ( j ) ;
758 break ;
759 }
760 }else
761 {
762 i f ( i ==0 | | i ==NLEAVES− 1)
763 {
806 }
807 }
808 break ;
809 }
810 }
811 }
812 i f ( x p c l o s e . s i z e ( ) >0)
813 {
814 i n d e x t o c l o s e = s t a t i c c a s t <i n t >(nrand ( ) ∗ x p c l o s e . s i z e ( ) ) ;
815 xindex= x p c l o s e [ i n d e x t o c l o s e ] ;
816 yindex= y p c l o s e [ i n d e x t o c l o s e ] ;
817 campo [ f i e l d ] [ xindex ] [ yindex ] = 0 ;
818 zindex= f i e l d ;
819 }
820 }
821
822 i n t a n n e a l i n g : : w r i t e r e s u l t ( s t r i n g nombre )
823 {
824 string outfile ;
825 bool done ;
826 f l o a t bankA , bankB ;
827 / / P á r á m e t r o s e s p e c ı́ f i c o s p a r a e l MLC d e T o s h i b a
828 c o n s t f l o a t i n i t p o s = − 5.9368; / / C o o r d e n a d a d e l b o r d e d e l MLC.
829 const f l o a t s t e p s i z e = 0 . 2 8 9 6 ; / / Tama ño d e un b e a m l e t a l a a l t u r a d e l MLC.
830 const int ext beamlets =6; / / No d e b e a m l e t s que no s o n c u b i e r t o s p o r l a s
l á m i n a s n o r m a l e s − 1.
831
832 o u t f i l e =nombre+” . sequence ” ;
833
834 / / Apertura d e l f i c h e r o de s a l i d a
835 out . open ( o u t f i l e . c s t r ( ) , i o s : : out ) ;
836 i f ( ! out . good ( ) )
837 {
838 cout<<” E r r o r abriendo e l f i c h e r o de s a l i d a ”<<endl ;
839 exit (1) ;
840 }
841
842 out<<”\ t R e s u l t a d o d e l mapa ”<<nombre<<endl ;
843 out<<” ∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗ ”<<endl ;
844 out<<”Numero de campos : ”<<N campos<<endl ;
845 / / M a t r i c e s d e m á s c a r a
846 f o r ( i n t k = 0 ; k<N campos ; k++)
847 {
848 out<<”Campo ”<<k+1<<endl ;
849 f o r ( i n t i = 0 ; i<NLEAVES ; i ++)
850 {
851 f o r ( i n t j = 0 ; j <MAPSIZE ; j ++)
852 {
853 out<<campo [ k ] [ i ] [ j ]<<” ” ;
854 }
855 out<<endl ;
856 }
857 out<<” xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx ”<<endl ;
858 }
859
860 out<<” ”;
861 f o r ( i n t i = 0 ; i<NLEAVES ; i ++) out<<setw ( 3 )<<i + 1 ;
862 out<<endl ;
863 f o r ( i n t i = 0 ; i<NLEAVES ; i ++)
864 {
865 out<<setw ( 3 )<<i + 1 ;
866 f o r ( i n t j = 0 ; j <MAPSIZE ; j ++)
867 {
868 f l o a t tmp= s t a t i c c a s t <f l o a t >( o b j e t i v e m a t r i x [ i ] [ j ] ) ;
869 f o r ( i n t k = 0 ; k<N campos ; k++)
870 i f ( ( i >0 && ! campo [ k ] [ i − 1][ j ] ) | | ( i<NLEAVES−1 && ! campo [ k ] [ i
+ 1 ] [ j ] ) | | ( j >0 && ! campo [ k ] [ i ] [ j − 1]) | | ( j <MAPSIZE−1 && !
campo [ k ] [ i ] [ j + 1 ] ) )
871 tmp−=(BORDE∗campo [ k ] [ i ] [ j ] ) ;
872 else
873 tmp−=(campo [ k ] [ i ] [ j ] ) ;
874 out<<setw ( 3 )<<tmp ;
875 }
876 out<<endl ;
877 }
878 out<<”\ nValor f i n a l de l a f u n c i ó n de p e n a l i z a c i ó n =”<<p e n a l t y ( )<<endl ;
879
880 out<<” P o s i c i o n e s de l a s laminas d e l MLC”<<endl ;
881 f o r ( i n t k = 0 ; k<N campos ; k++)
882 {
883 out<<”Campo ”<<k+1<<endl ;
884 f o r ( i n t i =NLEAVES− 1; i >=0; i −−)
885 {
886 done = 0 ;
887 f o r ( i n t j = 0 ; j <MAPSIZE ; j ++)
888 i f ( campo [ k ] [ i ] [ j ] )
889 {
890 bankA= i n i t p o s +( j ) ∗ s t e p s i z e ;
891 done = 1 ;
892 break ;
893 }
894 i f ( done ) / / S i hay a l g ú n b e a m l e t a b i e r t o en e s t a f i l a
895 {
896 f o r ( i n t j =MAPSIZE− 1; j >=0; j −−)
897 i f ( campo [ k ] [ i ] [ j ] )
898 {
899 bankB= i n i t p o s +( j +1) ∗ s t e p s i z e ;
900 break ;
901 }