بررسی تفاوت اساسی در نرمال‌سازی دوز بین کدهای مونت‌کارلو GATE و MCNP

  • صفحه اول
  • بررسی تفاوت اساسی در نرمال‌سازی دوز بین کدهای مونت‌کارلو GATE و MCNP
image

بررسی تفاوت اساسی در نرمال‌سازی دوز بین کدهای مونت‌کارلو GATE و MCNP

 

چکیده

مقدمه: کدهای مونت‌کارلو ابزاری قدرتمند برای شبیه‌سازی انتقال تابش و محاسبه دوز در کاربردهای پزشکی و پرتودرمانی هستند. دو کد پرکاربرد در این حوزه، GATE (Geant4 Application for Tomographic Emission) و MCNP (Monte Carlo N-Particle) می‌باشند. با وجود شباهت‌های فراوان در نتایج این دو کد، یک تفاوت بنیادین در روش نرمال‌سازی دوز خروجی آنها وجود دارد که آگاهی از آن برای کاربران حیاتی است.

هدف: این مقاله به بررسی و تبیین تفاوت اساسی در نرمال‌سازی دوز بین دو کد GATE و MCNP می‌پردازد و روش صحیح تبدیل دوز خام شبیه‌سازی‌شده به دوز واقعی را برای هر کد ارائه می‌دهد.

روش‌شناسی: با بررسی مستندات رسمی هر دو کد و تحلیل داده‌های تجربی حاصل از شبیه‌سازی یک سی‌تی‌اسکن با تعداد ذرات متفاوت (۱e7 و ۲e7)، رفتار خروجی دوز در هر کد مورد مقایسه قرار گرفته است.

یافته‌ها: در MCNP، تمامی Tallyها به‌صورت پیش‌فرض به ازای هر ذره منبع (per source particle) نرمال‌سازی می‌شوند و خروجی مستقل از تعداد ذرات شبیه‌سازی‌شده است. در مقابل، GATE دوز را به ازای کل تاریخچه‌های شبیه‌سازی‌شده محاسبه می‌کند و خروجی وابسته به تعداد ذرات اولیه است. داده‌های تجربی نشان می‌دهد که افزایش تعداد ذرات از ۱e7 به ۲e7 در GATE، دوز خروجی را دقیقاً به همان نسبت (۲ برابر) افزایش می‌دهد، در حالی‌که در MCNP چنین وابستگی‌ای وجود ندارد.

نتیجه‌گیری: برای استفاده صحیح از خروجی GATE در محاسبات دوز واقعی، باید دوز خروجی را در تعداد کل ذرات ساطع‌شده در چشمه‌ی واقعی ضرب کرده و بر تعداد ذرات شبیه‌سازی‌شده تقسیم کرد. این در حالی است که خروجی MCNP مستقیماً قابل استفاده است. آگاهی از این تفاوت، از خطاهای فاحش در تخمین دوز جلوگیری می‌کند.

واژگان کلیدی: GATE، MCNP، نرمال‌سازی دوز، شبیه‌سازی مونت‌کارلو، دزیمتری، پرتوهای یون‌ساز

۱. مقدمه

شبیه‌سازی مونت‌کارلو به‌عنوان دقیق‌ترین روش برای محاسبه توزیع دوز ناشی از تابش‌های یون‌ساز شناخته می‌شود. در میان کدهای موجود، GATE و MCNP دو ابزار پرکاربرد در حوزه پزشکی هسته‌ای، پرتودرمانی و دزیمتری هستند. مطالعات متعدد نشان داده‌اند که نتایج این دو کد با دقت قابل‌قبولی (اغلب کمتر از ۳-۵٪ اختلاف) همخوانی دارند.

با این حال، یک تفاوت بنیادین در روش نرمال‌سازی دوز خروجی این دو کد وجود دارد که عدم آگاهی از آن می‌تواند منجر به خطاهای چندین مرتبه‌ای در تخمین دوز واقعی شود. این مقاله به بررسی این تفاوت و ارائه دستورالعمل عملی برای هر کد می‌پردازد.


۲. روش‌شناسی نرمال‌سازی در MCNP

در کد MCNP، تمامی Tallyها (شامل Tally نوع F6 برای دوز جذبی) به‌صورت پیش‌فرض به ازای هر ذره منبع (per source particle) نرمال‌سازی می‌شوند. این بدان معناست که:

  • خروجی دوز مستقل از تعداد کل ذرات شبیه‌سازی‌شده است.

  • دوز محاسبه‌شده، دوز به ازای هر ذره‌ی اولیه را نشان می‌دهد.

  • برای محاسبه دوز کل، کافی است خروجی را در تعداد کل ذرات چشمه‌ی واقعی ضرب کنیم.

Dreal=DMCNP×Nreal

که در آن:

  • DMCNP: دوز خروجی MCNP (به ازای هر ذره)

  • Nreal: تعداد کل ذرات ساطع‌شده در چشمه‌ی واقعی

۳. روش‌شناسی نرمال‌سازی در GATE

در کد GATE، برخلاف MCNP، خروجی دوز به ازای کل تاریخچه‌های شبیه‌سازی‌شده محاسبه می‌شود و به‌صورت خودکار بر تعداد ذرات اولیه تقسیم نمی‌شود. این تفاوت اساسی بدین معناست که:

  • خروجی دوز به تعداد ذرات شبیه‌سازی‌شده وابسته است.

  • با افزایش تعداد ذرات، دوز خروجی به همان نسبت افزایش می‌یابد.

  • برای محاسبه دوز واقعی، باید یک نرمال‌سازی دستی انجام داد.

Dreal=DGATE×NrealNGATE

که در آن:

  • DGATE: دوز خروجی GATE (برای کل ذرات شبیه‌سازی‌شده)

  • NGATE: تعداد ذرات شبیه‌سازی‌شده در GATE

  • Nreal: تعداد کل ذرات ساطع‌شده در چشمه‌ی واقعی

۴. بررسی تجربی: مقایسه خروجی GATE با دو تعداد ذره متفاوت

برای تأیید تجربی این تفاوت، دو شبیه‌سازی با کد GATE برای یک سی‌تی‌اسکن با تعداد ذرات متفاوت (۱e7 و ۲e7) انجام شد. نتایج برای چند اندام نمونه در جدول زیر ارائه شده است:

 
اندام (ID) دوز با ۱e7 (Gy) دوز با ۲e7 (Gy) نسبت دوزها نسبت ذرات
۱ (ریه) ۳.۶۷e-10 ۷.۴۲e-10 ۲.۰۲ ۲
۲ ۴.۱۲e-10 ۸.۱۹e-10 ۱.۹۹ ۲
۶ ۱.۹۴e-09 ۳.۹۹e-09 ۲.۰۶ ۲
۱۸ ۱.۶۶e-09 ۳.۳۸e-09 ۲.۰۴ ۲
۳۳ ۲.۸۳e-09 ۵.۶۳e-09 ۱.۹۹ ۲
۵۷ ۳.۶۷e-10 ۷.۳۵e-10 ۲.۰۰ ۲
۷۴ ۲.۰۳e-09 ۴.۰۶e-09 ۲.۰۰ ۲

میانگین نسبت دوزها ≈ ۱.۹۹ با انحراف معیار ≈ ۰.۰۴

تحلیل نتایج

داده‌های فوق به‌وضوح نشان می‌دهند که:

  1. رابطه مستقیم و خطی بین تعداد ذرات شبیه‌سازی‌شده و دوز خروجی در GATE وجود دارد.

  2. افزایش تعداد ذرات از ۱e7 به ۲e7، دوز خروجی را تقریباً دقیقاً به همان نسبت (۲ برابر) افزایش داده است.

  3. انحرافات جزئی از نسبت دقیق ۲ (حدود ۱-۶٪) ناشی از نویز آماری ذاتی در شبیه‌سازی‌های مونت‌کارلو است.

این یافته‌ها با مستندات GATE مبنی بر اینکه خروجی دوز به تعداد ذرات اولیه وابسته است، کاملاً همخوانی دارد.

۵. بحث و نتیجه‌گیری

۵.۱. خلاصه تفاوت‌ها

 
ویژگی MCNP GATE
نرمال‌سازی پیش‌فرض به ازای هر ذره منبع به ازای کل ذرات شبیه‌سازی
وابستگی به تعداد ذرات خیر بله (رابطه خطی مستقیم)
نیاز به نرمال‌سازی دستی خیر بله
فرمول تبدیل به دوز واقعی D×Nreal D×NrealNGATE

۵.۲. اهمیت عملی

این تفاوت زمانی اهمیت حیاتی پیدا می‌کند که بخواهیم دوز خروجی شبیه‌سازی را با دوز واقعی یک اسکن سی‌تی یا درمان پرتویی مقایسه کنیم. در GATE، اگر تعداد ذرات شبیه‌سازی‌شده (مثلاً ۱e7) بسیار کمتر از تعداد ذرات واقعی در یک اسکن (مثلاً ۱e11) باشد، دوز خروجی چندین مرتبه کوچکتر از مقدار واقعی خواهد بود.

۵.۳. توصیه‌های عملی

برای کاربران GATE:

  1. همواره تعداد ذرات شبیه‌سازی‌شده را ثبت کنید.

  2. تعداد ذرات واقعی چشمه را بر اساس پارامترهای فیزیکی (مانند mAs در سی‌تی‌اسکن) محاسبه کنید.

  3. ضریب نرمال‌سازی Nreal/NGATE را محاسبه و به دوز خروجی اعمال کنید.

برای کاربران MCNP:

  1. خروجی Tallyها مستقیماً قابل استفاده هستند.

  2. تنها کافی است خروجی را در تعداد کل ذرات واقعی چشمه ضرب کنید.

۶. سپاس‌گزاری

نویسندگان از آکادمی پرتویار و مرکز تحقیقات فیزیک پزشکی برای حمایت از این پژوهش سپاسگزارند.

۷. مراجع

  1. GATE User's Documentation - Dose Actors and Normalization [7†L16-L18]

  2. MCNP Manual - Tally Normalization [8†L15-L16]

  3. Comparison of GATE and MCNP for Medical Physics Applications [10†L31-L34]

  4. OpenGATE Collaboration - Dose Normalization Discussions [7†L10-L14]