تعیین دز دریافتی اندام ها در طیف های انرژی ماموگرافی با کد GATE و بررسی کیفیت تصاویر آن

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده فیزیک و مهندسی هسته ای، دانشگاه صنعتی شاهرود، شهرستان شاهرود، استان سمنان، ایران

چکیده

یکی از بهترین روش‌ها برای تشخیص سرطان سینه به خصوص در مراحل اولیه آن، ماموگرافی با پرتو ایکس است. با این وجود مطالعات کمی یافت می‌شود که خطر ابتلا به سرطان را در بافت‌هایی به جز سینه مورد بررسی قرار داده باشند. هدف پژوهش فعلی تعیین دز جذب شده در اندام‌های حساس بدن در حین ماموگرافی است. شبیه‌سازی با استفاده از کد GATE انجام شده است. در مرحله نخست یک تیوب پرتو ایکس برای ایجاد طیف‌های انرژی مناسب ماموگرافی ایجاد شده است. پس از آن به‌منظور بررسی کیفیت تصویر شامل تفکیک‌پذیری فضایی و نسبت کنتراست به نویز (CNR)، یک فانتوم کنترل‌کیفی طراحی شده است . یک فانتوم بزرگسال ORNL با اندام‌های مختلف طراحی و برای محاسبه دز در آن‌ها نیز هندسه سیستم یک دستگاه ماموگرافی دیجیتال در دو نمای اصلی ماموگرافی (CC و MLO) شبیه سازی شده است. در نهایت مشخص شد که دز تابش به بافت‌های بدن مانند رحم که در خارج از زمینه پرتو ایکس اولیه قرار دارند؛ کم (به‎‌طور متوسط 022/0) است. با این حال، بیشترین دز پس از سینه مورد معاینه و تومور، توسط سینه طرف مقابل در حدود 2735/5، در ریه‌ها 48/9، در قلب 7/6 و در معده 5/8 دریافت می‌شود. با توجه به نتایج به دست آمده، در مطالعه ما، انرژی 25 keV به عنوان انرژی بهینه معرفی می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Determining the received dose of the organs in mammography energy spectra with GATE code and images quality evaluation

نویسندگان [English]

  • Fatemeh Nezarat
  • Mohammad Reza Shojaei
Physics Department, Shahroud University of Technology, Semnan, Iran
چکیده [English]

One of the best methods for detecting breast cancer, especially in its early stages, is X-ray mammography. However, few studies have examined the risk of developing cancer in tissues other than the breast. The aim of the current study is to determine the absorbed dose in sensitive body organs during mammography. Simulation was performed using the GATE code. In the first step, an X-ray tube was created to produce suitable energy spectra for mammography. Then, a quality control phantom was designed to assess image quality, including spatial resolution and contrast-to-noise ratio (CNR). An adult ORNL phantom with different organs was designed, and the geometry of a digital mammography device was simulated in two main mammography views (CC and MLO) to calculate the dose in the organs. Finally, it was found that the radiation dose to body tissues such as the uterus, which is outside the primary X-ray field, is low (on average 0.022 μGy). However, the highest dose is received by the contralateral breast, about 2735.5 μGy, in the lungs about 48.9 μGy, in the heart about 7.6 μGy and in the stomach about 5.8 μGy after the examined breast and tumor. Based on the results, in our study, the energy of 25 keV is introduced as the optimal energy.

کلیدواژه‌ها [English]

  • Mammography
  • breast cancer
  • GATE code
  • dosimetry
  • image quality
  1. J. Lu, P. S. Steeg, J. E. Price, S. Krishnamurthy, S. A. Mani, J. Reuben, M. Cristofanilli, G. Dontu, L. Bidaut, V. Valero, G. N. Hortobagyi, D. Yu. Breast cancer metastasis: challenges and opportunities. Cancer Res. 69 (12) (2009) 4951–4953.
  2. S. J. S. Gardezi, A. Elazab, B. Lei, T. Wang. Breast cancer detection and diagnosis using mammographic data: Systematic review. J. Med. Internet Res. 21 (7) (2019) e14464.
  3. J. Harbin. Cancer facts & figures 2022. ACS Atlanta (2022) pp. 10-12.
  4. M. R. Yahyaei, M.R. Shojaei, A.R. Khorasanchi, S. Aghayan. Estimating the Staff Exposure dose to radiation from patients undergoing myocardial perfusion imaging with 99mTc-MIBI. J. Maz. Univ. Med. Sci. 26 (141) (2016) 149–154.
  5. O. Alonzo-Proulx, N. Packard, J. M. Boone, A. Al-Mayah, K. K. Brock, S. Z. Shen, M. J. Yaffe. Validation of a method for measuring the volumetric breast density from digital mammograms. Phys. Med. Biol. 55 (2010) 3027–44.
  6. A. Mohammadi. Absorbed dose assessment of critical organs in mammography. M.Sc. Thesis, University of Shiraz, (2005), 96pp.
  7. A. Bloomquist, H. Bosmans, A. Burch, M. Chevalier, K. Daros, G. Gennaro, J. Heggie, R. Jong, G. Mawdsley, I. D. McLean, P. Mora, N. Pongnapang, R. Rajapakshe, M. Rehani, M. Rickard, M. Yaffe, K. Young. Quality assurance programme for digital mammography. IAEA human health series no. 17. Vienna: IAEA, 2011.
  8. A. Barrett, J. Dobbs, S. Morris, T. Roques. Rradiotherapy planning. 4th ed. CRC Press, London, 2009.
  9. T. Berris, M. Mazonakis, J. Stratakis, A. Tzedakis, A. Fasoulaki, J. Damilakis. Calculation of organ doses from breast cancer radiotherapy: a monte carlo study. J. Appl. Clin. Med. Phys. 14 (1) (2013) 133–146.
  10. J. Huang, W.J. Mackillop. Increased risk of soft tissue sarcoma after radiotherapy in women with breast carcinoma. Cancer 92 (1) (2001) 172–180.
  11. Y. M. Kirova, Y. De Rycke, L. Gambotti, J. -Y. Pierga, B. Asselain, A. Fourquet. Second malignancies after breast cancer: the impact of different treatment modalities. Br. J. Cancer. 98 (5) (2008) 870–874.
  12. Protection, Radiological. ICRP publication 103. ICRP 37 (2.4) (2007) 2.
  13. H. Mohammadi, M. R. Shojaei, J. Soltani-Nabipour. Investigating the effect of voltage fluctuations on the beam quality of X-rays in the range energy of diagnostic radiology. Int. J. Res. Sci. Manag. 8 (4) (2020) 261–266.
  14. S. A. E. Mohamed. Patient radiation dose during mammography procedures. M.Sc. Thesis, Sudan Acad. Sci. (2015) 110pp.
  15. Geant4 Application for Tomographic Emission. Availableat: http://www.opengatecollaboration.org
  16. S. Jan, G. Santin, D. Strul, S. Staelens, K. Assié, D. Autret, S. Avner, R. Barbier, M. Bardiès, P. M. Bloomfield, D. Brasse, V. Breton, P. Bruyndonckx, I. Buvat, A. F. Chatziioannou, Y. Choi, Y. H. Chung, C. Comtat, D. Donnarieix, L. Ferrer, S. J. Glick, C. J. Groiselle, D. Guez, P. F. Honore, S. Kerhoas-Cavata, A. S. Kirov, V. Kohli, M. Koole, M. Krieguer, D. J. van der Laan, F. Lamare, G. Largeron, C. Lartizien, D. Lazaro, M. C. Maas, L. Maigne, F. Mayet, F. Melot, C. Merheb, E. Pennacchio, J. Perez, U. Pietrzyk, F. R. Rannou, M. Rey, D. R. Schaart, C. R. Schmidtlein, L. Simon, T. Y. Song, J. M. Vieira, D. Visvikis, R. Van de Walle, E. Wieërs, C. Morel. Gate: a simulation toolkit for pet and spect. Phys. Med. Biol. 49 (19) (2004) 4543.
  17. D. A. B. Bonifácio, H. M. Murata, M. Moralles. Monte carlo simulation of xray spectra in diagnostic radiology and mammography using geant4. 49 (21) (2005) 4897-917.
  18. A. A. moulavi. Xray spectra calculation for different targetfilter of mammograms using mcnp code. Int. J. Radiat. Res. 3 (3) (2005) 129-133.
  19. U. W. E. Pietrzyk, A. H. Zakhnini, M. Axer, S. Sauerzapf, D. Benoit, M. Gaens. Edugate–basic examples for educative purpose using the gate simulation platform. Z. Med. Phys. 23 (1) (2013) 65–70.
  20. H. Mohammadi, M. R. Shojaei, J. Soltani-Nabipour. Simulation of slotscan imaging system with gate and images quality evaluation. Iran. J. Phys. Res. 21 (3) (2021) 471–478.
  21. F. Pernicka, I. D. McLean. IAEA. Dosimetry in diagnostic radiology: an internacional code of practice. Tech. Rep. Ser. 457 (2007) pp. 1–359.
  22. M. Cristy. Mathematical phantoms for use in reassessment of radiation doses to japanese atomicbomb survivors. tech. rep. Oak Ridge Nat. Lab. 17 (1) (1985) 55.
  23. S. J. Chang, S. Y. Hung, Y. L. Liu, S. H. Jiang. Construction of taiwanese adult reference phantoms for internal dose evaluation. PloS one 11 (9) (2016) e0162359.
  24. M. E. Myronakis, M. Zvelebil, D. G. Darambara, Normalized mean glandular dose computation from mammography using gate: a validation study. Phys. Med. Biol. 58 (7) (2013) 2247.
  25. R. L. Maughan, P. J. Chuba, A. T. Porter, E. BenJosef, D. R. Lucas. The elemental composition of tumors: Kerma data for neutrons. Med. Phys. 24 (8) (1997) 1241–1244.
  26. A. Mira, A. Carton, S. Muller, Y. Payan. A biomechanical breast model evaluated with respect to mri data collected in three different positions. Clin. Biomech. 60 (2018) 191–199.
  27. Image Processing and Analysis in Java. Available at: http://rsbweb.nih.gov/ij
  28. A. Rose. Vision: Human and electronic. in Applied Solid State Physics, Plenum Press: New York, NY, USA, 1970; pp. 79–160.
  29. A. D. Wrixon. New ICRP recommendations. J. Radiol. Prot. 28 (2) (2008) 161.
  30. R. Safitri, L. Miska, E. Yusibani. Simulation on the emergence of metastases in breast cancer radiotherapy patients using monte carlo N-particle (mcnp). AIP. Conf. Proc. 2346 (1) (2021) 050004.
  31. R. M. Ali, A. England, M. F. McEntee, P. Hogg. A method for calculating effective lifetime risk of radiationinduced cancer from screening mammography. Radiography 21 (4) (2015) 298–303.
  32. I. Sechopoulos, S. Suryanarayanan, S. Vedantham, C. J. D’Orsi, A. Karellas. Radiation dose to organs and tissues from mammography: Monte carlo and phantom study. Radiology 246 (2) (2008) 434–443.