PyMCGPU-IR, a computational Monte Carlo application for occupational dosimetry in interventional radiology procedures

Abstract

(English) Interventional radiology procedures expose both patients and operators to radiation. It is crucial to minimise this exposure and comply with dose limits while ensuring the success of the procedure. Personal protective equipment and dosimetry are essential components in achieving these objectives. However, occupational dosimetry presents challenges due to inhomogeneous radiation fields, which imply that operators should wear multiple dosemeters, although typically a single dosemeter is used in a single location to measure personal dose equivalent. Computational methods offer an alternative for occupational dosimetry, allowing for dose calculation at multiple points. In particular, Monte Carlo codes have long been used for simulating the transport of radiation particles. This thesis focuses on the development and validation of PyMCGPU-IR, an application designed to estimate occupational doses in interventional radiology procedures, operating automatically without user intervention and doing so within short time frames. PyMCGPU-IR is based on the Monte Carlo code MCGPU-IR, which leverages the computational power of GPUs to simulate particle trajectories simultaneously. MCGPU-IR can calculate deposited dose values in voxelized geometries of patients and operators in less than two minutes per event. PyMCGPU-IR extracts procedural information from the RDSR file and the main operator’s position from a tracking camera system, automating the execution of the MCGPU-IR code and providing the desired dose values. The first step of this thesis was the validation of the MCGPU-IR code, comparing its occupational dose results with those of the standard Monte Carlo code PENELOPE. Subsequently, its results were compared with occupational dose values measured with dosemeters, revealing a good agreement. However, scenarios involving shielding showed a tendency of MCGPU-IR to underestimate the occupational dose. PyMCGPU-IR has been evaluated in real clinical scenarios, using phantoms that simulate the bodies of patients and operators, with satisfactory results. However, in real medical interventions, certain information required for PyMCGPU-IR, such as the patient table position, the presence of shielding, or the operator's position, was often unavailable and had to be manually entered into the application based on assumptions. As a result, PyMCGPU-IR still has limitations in fully automating the process in real medical interventions. Nevertheless, once these assumptions are considered, PyMCGPU-IR can calculate personal dose equivalent Hp(10) values in operators with differences compared to experimental measurements, within the accepted tolerance in occupational dosimetry. In addition to calculating Hp(10), PyMCGPU-IR can also calculate organ dose values, effective dose for operators, and skin dose values for patients in less than two minutes per irradiation event. Furthermore, it provides deposited dose values in voxels, facilitating graphical visualisation of dose distribution.

(Català) Els procediments mèdics de radiologia intervencionista exposen tant als pacients com als operadors a radiació. És crucial minimitzar aquesta exposició i complir amb els límits de dosi, assegurant al mateix temps l'èxit del procediment. Els equips de protecció personal i la dosimetria són components essencials per assolir aquests objectius. No obstant això, la dosimetria ocupacional presenta reptes tècnics degut als camps de radiació no homogènia, el que implica que els operadors haurien de portar diversos dosímetres, malgrat això a la pràctica utilitzen un únic dosímetre en una única ubicació per la qual cosa tenen només informació parcial del equivalent de dosi personal.Els mètodes computacionals ofereixen una alternativa per a la dosimetria ocupacional, permetent calcular dosis en més punts. En particular, els codis Monte Carlo s'han utilitzat durant molt de temps per a la simulació del transport de partícules de radiació. Aquesta tesi se centra en el desenvolupament i la validació de PyMCGPU-IR, una aplicació destinada a estimar les dosis ocupacionals en procediments de radiologia intervencionista, executant-se automàticament sense intervenció de l'usuari i realitzant-ho en curts períodes de temps. PyMCGPU-IR es basa en el codi Monte Carlo MCGPU-IR, que aprofita la potència computacional de les GPUs per simular trajectòries de partícules simultàniament. MCGPU-IR pot calcular valors de dosi dipositada en geometries voxelitzades de pacients i operadors en menys de dos minuts per esdeveniment. PyMCGPU-IR extreu informació del procediment de l'arxiu RDSR i la posició de l'operador principal d'un sistema de càmeres de seguiment, automatitzant l'execució del codi MCGPU-IR i proporcionant els valors de dosi desitjats. El primer pas d'aquesta tesi va ser la validació del codi MCGPU-IR, comparant els seus resultats de dosi ocupacional amb els del codi Monte Carlo estàndard PENELOPE. Posteriorment es van comparar els seus resultats amb valors de dosis ocupacionals mesurats amb dosímetres, revelant una bona concordança. No obstant això, els escenaris que impliquen blindatge van mostrar una tendència del MCGPU-IR a subestimar la dosi ocupacional. PyMCGPU-IR ha estat avaluat en escenaris clínics reals, utilitzant maniquins que simulen els cossos de pacients i operadors, amb resultats satisfactoris. No obstant això, en intervencions mèdiques reals, sovint certa informació necessària per a PyMCGPU-IR, com la posició de la taula del pacient, la presència del blindatge o la posició de l'operador, no estava disponible i havia de ser introduïda manualment a l'aplicació, basant-se en suposicions. Com a resultat, PyMCGPU-IR encara presenta limitacions per automatitzar completament el procés en intervencions mèdiques reals. No obstant això, una vegada considerades aquestes suposicions, PyMCGPU-IR pot calcular valors d'equivalent de dosi personal Hp(10) en operadors amb diferències respecte a les mesures experimentals dins de les toleràncies acceptades en dosimetria ocupacional. A més de calcular Hp(10), PyMCGPU-IR també pot calcular valors de dosi en òrgans, dosi efectiva per a operadors i valors de dosi en la pell per a pacients en menys de dos minuts per esdeveniment d'irradiació. Així mateix, proporciona valors de dosi dipositada en voxels, facilitant la visualització gràfica de la distribució de la dosi.

(Español) Los procedimientos médicos de radiología intervencionista exponen tanto a los pacientes como a los operadores a radiación. Es crucial minimizar esta exposición y cumplir con los límites de dosis, asegurando al mismo tiempo el éxito del procedimiento. Los equipos de protección personal y la dosimetría son componentes esenciales para lograr estos objetivos. Sin embargo, la dosimetría ocupacional presenta desafíos debido a los campos de radiación no homogéneos, lo que implica que los operadores deberían llevar varios dosímetros, aunque típicamente utilizan un único dosímetro en una única ubicación para medir el equivalente de dosis personal. Los métodos computacionales ofrecen una alternativa para la dosimetría ocupacional, permitiendo calcular dosis en más puntos. En particular, los códigos Monte Carlo se han utilizado durante tiempo para simulación del transporte de partículas de radiación. Esta tesis se centra en el desarrollo y la validación de PyMCGPU-IR, una aplicación destinada a estimar las dosis ocupacionales en procedimientos de radiología intervencionista, de ejecutarse automáticamente sin intervención del usuario y realizarlo en cortos periodos de tiempo. PyMCGPU-IR se basa en el código Monte Carlo MCGPU-IR, que aprovecha la potencia computacional de las GPUs para simular trayectorias de partículas simultáneamente. MCGPU-IR puede calcular valores de dosis depositada en geometrías voxelizadas de pacientes y operadores en menos de dos minutos por evento. PyMCGPU-IR extrae información del procedimiento del archivo RDSR y la posición del operador principal de un sistema de cámaras de seguimiento, automatizando la ejecución del código MCGPU-IR y proporcionando los valores de dosis deseados. El primer paso de esta tesis fue la validación del código MCGPU-IR, comparando sus resultados en dosis ocupacional con los del código Monte Carlo estándar PENELOPE. Seguidamente se compararon sus resultados con valores de dosis ocupacionales medidos con dosímetros, lo cual reveló una buena concordancia. Sin embargo, los escenarios que implican blindaje delante del punto de cálculo de dosis revelaron una tendencia de MCGPU-IR a subestimar la dosis ocupacional. PyMCGPU-IR ha sido evaluado en escenarios clínicos reales, utilizando maniquíes que simulan los cuerpos de pacientes y operadores, con resultados satisfactorios. Sin embargo, en intervenciones médicas reales, a menudo cierta información necesaria para PyMCGPU-IR, como la posición de la mesa del paciente, la presencia del blindaje o la posición del operador, no estaba disponible y debía ser introducida manualmente en la aplicación, basándose en suposiciones. Como resultado, PyMCGPU-IR aún presenta limitaciones para automatizar completamente el proceso en intervenciones médicas reales. No obstante, vez consideradas estas suposiciones, PyMCGPU-IR puede calcular valores de equivalente de dosis personal Hp(10) en operadores con diferencias respecto a las mediciones experimentales dentro de las tolerancias aceptables en dosimetría ocupacional. Además de calcular Hp(10), PyMCGPU-IR puede también calcular valores de dosis en órganos, dosis efectiva para operadores y valores de dosis en la piel para pacientes en menos de dos minutos por evento de irradiación. Asimismo, proporciona valores de dosis depositada en vóxeles, facilitando la visualización gráfica de la distribución de la dosis