SlideShare ist ein Scribd-Unternehmen logo
1 von 11
Implementação da IMRT no CAT3D 
Dentro de um sistema de planejamento da IMRT existem diversas etapas que constituem 
processos de optimização. 
• Optimização do mapas de fluxo de energia. 
• Segmentação óptima para Step & Shot. 
• Estrategia óptima de velocidade e percursos para Sliding Window. 
• Optimização da topografia para moduladores sólidos. 
• Optimização do número e ângulos de campos.
Objetivo: 
Apresentar as ideias básicas do módulo de optimização de fluxo do 
CAT3D pois dessa forma estamos melhor preparados para entender 
e manipular os parámetros do programa na prática clínica.
Formulação do modelo de distribuição de dose a partir de “Beamlets” 
ou Pencil Beam finitos. 
Plano axial com seções do PTV 
(cóncavo) e OARs. 
Alguns pontos de controle como 
ilustração, a densidade de pontos 
de controle é muito maior. 
Ilustração da contribuição de dose 
de uma série de “beamlets” sobre 
os pontos de controle. Todos os 
beamlets com igual peso (não 
modulados) 
Resultado de integrar as 
contribuições de todos os 
beamlets. Com todos os pesos 
iguais, isto é, campo sem 
modulação de intensidade.. 
O cálculo da contribuição de dose por parte de um beamlet a um ponto de controle 
pode realizar-se com diversos algoritmos: Monte Carlo, CCC ou Pencil Beam de seção 
finita. Os resultados que mostraremos utilizam o modelo de Pencil Beam divergente e 
finito.
Com os beamlets do modelo anterior, a dose depositada em qualquer ponto pode ser calculada como 
a soma das contribuições de todos os beamlets para o ponto de interesse. 
Se identificarmos cada beamlet pelo índice m e cada voxel de controle de dose pelo índice n, podemos 
calcular e armazenar a fracção da energia recebida por cada voxel de controle desde cada beamlet 
como: 
Wnm - fracção da energía do beamlet m ao voxel de controle n. 
Os conjuntos dos valores Wnm podem ser tratados como matriz . 
Assim, podemos calcular a dose em qualquer voxel de controle como: 
퐷푛 = 
푀 
푗=1 
푊푛푗 ∗ 퐼 푗 
Onde M é o número total de beamlets no tratamento. Ij é a energía inicial recebida pelo beamlet 
j-esimo em um plano de referencia.
O modelo de dose matricial apresentado permite calcular a dose administrada a todos os voxels de controle de 
forma muito rápida. A alteração dos mapas de fluxo não modifica os elementos da matriz do sistema, apenas se 
altera o vector Ij . 
Como avaliar a qualidade de um plano, dentro do universo de soluções possiveis ? 
Precisamos de uma métrica que expresse a distancia entre a distribuição de dose desejada pelo médico e a 
distribuição de dose atingida por um plano qualquer do universo de soluções possíveis. 
Esta métrica, na nomenclatura dos problemas matemáticos de optimização, se denomina 
“função objetivo”. 
Na IMRT o normal é criar uma função objetivo que diminui quando ficamos mais perto do plano ideal desejado 
pelo medico.
Exemplo simples de Função Objetivo articulada. 
Fobj = rα EPTV + rβ EOAR + rμ EOHT 
onde : 
EPTV = 1/N Σ (Dci - Dpi)2 
i 
EOAR = 1/N Σ [ ( Dci > Dpi) ? (Dci - Dpi)2 : 0.0 ] 
EOHT = 1/N Σ [ ( Dci > Dpi) ? (Dci - Dpi)2 : 0.0 ] 
Restrições físicas do problema : 
Valores da fluencia relativa não podem ser negativos. Na práctica as fluencias 
estão limitadas pois a modulação da intensidade enfrenta limitações físicas. 
Cada solução no universo de mapas de fluxo possiveis gera o cómputo 
completo da função objetivo, incluindo a multiplicação da matriz antes 
apresentada, e uma verificação das restrições.
Esta não é a única forma de implementar a função objetivo. Outros autores não utilizam o modelo de 
penalização quadrática por voxel de controle. Em lugar disto penalizam o desvio de uma proposta 
baseada no histograma dose-volume (DVH). 
O CAT3D implementa uma forma de função objetivo baseada em penalização quadrática por voxel de 
controle. 
As retrições físicas são consideradas no CAT3D na forma de uma penalização do gradiente de fluxo. É 
conhecido que regiões de alto gradiente criam problemas para todos os métodos de entrega da dose 
(delivery), sejam moduladores ou MLC. 
Na medida que a função objetivo se torna mais complexa, o problema de optimização global fica menos 
garantido, pois criamos concavidades na topologia da função a ser minimizada e o optimizador pode 
travar em mínimos locais. O CAT3D procura sair de mínimos locais com um algoritmo mixto de 
optimização que utiliza um método baseado em derivadas parciais seguido de perturbações aleatorias, 
ao estilo de “simulated annealing” (ideia que tomamos da nossa experiencia com Maximização da 
Informação Mútua, para fusão). 
Temos planos futuros para implementar outra função objetivo baseada em DVH, de modo que o 
usuario possa testar as duas formas e ficar com a melhor para cada caso.
Qual é o custo de calcular a distribuição da dose para <m> pontos de controle em um plano com <n> 
beamlets ? 
d1 
d2 
d3 
. 
. 
. 
dm 
W11 w12 w13 . . . w1n 
W21 w22 w23 . . . W2n 
W31 w32 w33 . . . w3n 
. 
. 
. 
wm1 wm2 wm3 . . . wmn 
I1 
I2 
I3 
. 
. 
. 
In 
= • 
do modelo matricial teremos como mínimo : 
multiplicações : m * n 
adições : m * (n -1) 
memory read : (m * n) + n 
memory write : m 
Por que investigamos em algoritmos e implementações para minimizar o tempo de cálculo ? 
- O planejamento de IMRT ainda é um processo de “tentativa e erro” no qual vários parâmetros devem ser ajustados até atingir um 
plano clinicamente satisfatório. Sem um programa rápido não é possível conseguir um ambiente interativo para planificação inversa 
(Crooks, Xing; I.J. Radiat. Oncol. Biol Phys. 2002). 
- Outros parâmetros podem ser investigados automaticamente se a optimização para modulação de intensidade for 
suficientemente rápida. Por exemplo, a seleção do número e angulação dos campos ( Gaede, Wong, Rasmussen; “An algorithm for 
systematic selection of beam directions for IMRT”, Med. Phys. 31 (2) 2004 ).
Como optimizamos no CAT3D o cálculo da distribuicão da dose ? 
- Processamento paralelo, conhecido como multithread. O CAT3D utiliza a tecnologia OpenMP, 
presente no compilador INTEL C++ . 
- Processamento vectorial baseado nas tecnologia SSEx ou AVX. O Compilador da INTEL (*) é 
considerado o melhor neste sentido, capaz de fazer vectorização automática. No CAT3D utilizamos até 
a tecnologia SSE3 para evitar problemas de compatibilidade com clientes que não tem PCs de última 
geração, mas em algum momento vamos a quebrar esta compatibilidade para tirar proveito da AVX 
(Advanced Vector Extensions) que ja foi lançada ao mercado em 2011, com os processadores “Sandy 
Bridge” , por tanto não é tão nova hoje (2014). 
- Utilizar em forma óptima as memorias cache (L1 a L3). A matriz do modelo é muito maior que a 
capacidade da L3, por isso necesitamos uma estrategia que maximize os “cache hits”. Podem-se 
empregar bibliotecas como MKL de Intel ou cuBLAS e CULA da Nvidia. No CAT3D foi implementada 
uma rotina de multiplicação matriz por vector aprimorada neste sentido, sem utilização de biblioteca 
externa para isso. 
(*) o CAT3D é compilado com o Intel Parallel Composer 2014, para C++ e C99.
Recomendações para uma estação de trabalho destinada a IMRT com o CAT3D : 
- Memoria RAM de 8 GB ou maior. Memoria o mais rápida possivel. 
- Sistema operacional de 64 bits para que cada instância do CAT3D consiga utilizar 
até 4 GB. PTVs de grande volume geram matrizes entre 1 e 3 GB ! 
- Processador i7 de quatro núcleos físicos e oito threads ou melhor. Já existem i7 
de 6 núcleos e processadores Xeon de até 10 núcleos e 20 threads. 
PC para IMRT. i7, 12 threads 
16 GB de RAM. OS de 64 bits. 
Todos os núcleos a 100% de carga 
na optimização.
Muito Obrigado! 
mevis.com.br 
www.facebook.com/MevisInformaticaMedica 
www.linkedin.com/company/mevis-inform-tica-m-dica-ltda-www.

Weitere ähnliche Inhalte

Was ist angesagt?

Curso CAT3D 2018. Introdução e Novidades
Curso CAT3D 2018. Introdução e NovidadesCurso CAT3D 2018. Introdução e Novidades
Curso CAT3D 2018. Introdução e NovidadesArmando Alaminos Bouza
 
Curso MNPS 2017. Registro e Fusão de imagens. Image Registration and Fusion
Curso MNPS 2017. Registro e Fusão de imagens. Image Registration and FusionCurso MNPS 2017. Registro e Fusão de imagens. Image Registration and Fusion
Curso MNPS 2017. Registro e Fusão de imagens. Image Registration and FusionArmando Alaminos Bouza
 
Curso MNPS 2017: Radiocirurgia. Stereotactic Radiosurgery
Curso MNPS 2017: Radiocirurgia.  Stereotactic RadiosurgeryCurso MNPS 2017: Radiocirurgia.  Stereotactic Radiosurgery
Curso MNPS 2017: Radiocirurgia. Stereotactic RadiosurgeryArmando Alaminos Bouza
 
Curso MNPS 2016. Registro e Fusão de Imagens
Curso MNPS 2016. Registro e Fusão de ImagensCurso MNPS 2016. Registro e Fusão de Imagens
Curso MNPS 2016. Registro e Fusão de ImagensArmando Alaminos Bouza
 
Curso MNPS 2016. Segmentação e ROIs.
Curso MNPS 2016. Segmentação e ROIs.Curso MNPS 2016. Segmentação e ROIs.
Curso MNPS 2016. Segmentação e ROIs.Armando Alaminos Bouza
 
Curso MNPS 2017: Functional Neurosurgery Planning
Curso MNPS 2017: Functional Neurosurgery PlanningCurso MNPS 2017: Functional Neurosurgery Planning
Curso MNPS 2017: Functional Neurosurgery PlanningArmando Alaminos Bouza
 
Curso MNPS 2017: Segmentação e ROIs. Image Segmentation and ROIs
Curso MNPS 2017: Segmentação e ROIs.  Image Segmentation and ROIsCurso MNPS 2017: Segmentação e ROIs.  Image Segmentation and ROIs
Curso MNPS 2017: Segmentação e ROIs. Image Segmentation and ROIsArmando Alaminos Bouza
 
MNPS 2019. Registro e Fusão de imagens
MNPS 2019. Registro e Fusão de imagensMNPS 2019. Registro e Fusão de imagens
MNPS 2019. Registro e Fusão de imagensArmando Alaminos Bouza
 
Mnps 2016. Resumo das Novidades de 2015 a 2016.
Mnps 2016. Resumo das Novidades de 2015 a 2016.Mnps 2016. Resumo das Novidades de 2015 a 2016.
Mnps 2016. Resumo das Novidades de 2015 a 2016.Armando Alaminos Bouza
 
Curso MNPS 2018. Registro e Fusão de Imagens
Curso MNPS 2018. Registro e Fusão de ImagensCurso MNPS 2018. Registro e Fusão de Imagens
Curso MNPS 2018. Registro e Fusão de ImagensArmando Alaminos Bouza
 
Curso MNPS 2019. Functional Neurosurgery
Curso MNPS 2019. Functional NeurosurgeryCurso MNPS 2019. Functional Neurosurgery
Curso MNPS 2019. Functional NeurosurgeryArmando Alaminos Bouza
 
MNPS-2015:Novidades no registro e fusão de imagens
MNPS-2015:Novidades no registro e fusão de imagensMNPS-2015:Novidades no registro e fusão de imagens
MNPS-2015:Novidades no registro e fusão de imagensArmando Alaminos Bouza
 
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.Armando Alaminos Bouza
 
Curso CAT3D 2015 - Resumo das noviades entre 2014 e 2015
Curso CAT3D 2015 - Resumo das noviades entre 2014 e 2015Curso CAT3D 2015 - Resumo das noviades entre 2014 e 2015
Curso CAT3D 2015 - Resumo das noviades entre 2014 e 2015Armando Alaminos Bouza
 

Was ist angesagt? (20)

Curso CAT3D 2018. Introdução e Novidades
Curso CAT3D 2018. Introdução e NovidadesCurso CAT3D 2018. Introdução e Novidades
Curso CAT3D 2018. Introdução e Novidades
 
Curso CAT3D 2018 Segmentação e ROIs
Curso CAT3D 2018 Segmentação e ROIsCurso CAT3D 2018 Segmentação e ROIs
Curso CAT3D 2018 Segmentação e ROIs
 
Curso MNPS 2017. Registro e Fusão de imagens. Image Registration and Fusion
Curso MNPS 2017. Registro e Fusão de imagens. Image Registration and FusionCurso MNPS 2017. Registro e Fusão de imagens. Image Registration and Fusion
Curso MNPS 2017. Registro e Fusão de imagens. Image Registration and Fusion
 
Curso MNPS 2017: Radiocirurgia. Stereotactic Radiosurgery
Curso MNPS 2017: Radiocirurgia.  Stereotactic RadiosurgeryCurso MNPS 2017: Radiocirurgia.  Stereotactic Radiosurgery
Curso MNPS 2017: Radiocirurgia. Stereotactic Radiosurgery
 
Curso MNPS 2016. Registro e Fusão de Imagens
Curso MNPS 2016. Registro e Fusão de ImagensCurso MNPS 2016. Registro e Fusão de Imagens
Curso MNPS 2016. Registro e Fusão de Imagens
 
Curso MNPS 2018: Radiocirurgia.
Curso MNPS 2018: Radiocirurgia.Curso MNPS 2018: Radiocirurgia.
Curso MNPS 2018: Radiocirurgia.
 
Curso MNPS 2016. Segmentação e ROIs.
Curso MNPS 2016. Segmentação e ROIs.Curso MNPS 2016. Segmentação e ROIs.
Curso MNPS 2016. Segmentação e ROIs.
 
Curso MNPS 2017: Functional Neurosurgery Planning
Curso MNPS 2017: Functional Neurosurgery PlanningCurso MNPS 2017: Functional Neurosurgery Planning
Curso MNPS 2017: Functional Neurosurgery Planning
 
Curso MNPS 2017: Segmentação e ROIs. Image Segmentation and ROIs
Curso MNPS 2017: Segmentação e ROIs.  Image Segmentation and ROIsCurso MNPS 2017: Segmentação e ROIs.  Image Segmentation and ROIs
Curso MNPS 2017: Segmentação e ROIs. Image Segmentation and ROIs
 
MNPS 2019. Registro e Fusão de imagens
MNPS 2019. Registro e Fusão de imagensMNPS 2019. Registro e Fusão de imagens
MNPS 2019. Registro e Fusão de imagens
 
Mnps 2016. Resumo das Novidades de 2015 a 2016.
Mnps 2016. Resumo das Novidades de 2015 a 2016.Mnps 2016. Resumo das Novidades de 2015 a 2016.
Mnps 2016. Resumo das Novidades de 2015 a 2016.
 
Curso MNPS 2018. Registro e Fusão de Imagens
Curso MNPS 2018. Registro e Fusão de ImagensCurso MNPS 2018. Registro e Fusão de Imagens
Curso MNPS 2018. Registro e Fusão de Imagens
 
Mnps curso 2014_2. Aula 2
Mnps curso 2014_2. Aula 2Mnps curso 2014_2. Aula 2
Mnps curso 2014_2. Aula 2
 
Curso MNPS 2019. Segmentação e ROIs
Curso MNPS 2019. Segmentação e ROIsCurso MNPS 2019. Segmentação e ROIs
Curso MNPS 2019. Segmentação e ROIs
 
Curso MNPS 2019. Radiosurgery
Curso MNPS 2019. RadiosurgeryCurso MNPS 2019. Radiosurgery
Curso MNPS 2019. Radiosurgery
 
Curso MNPS 2019. Functional Neurosurgery
Curso MNPS 2019. Functional NeurosurgeryCurso MNPS 2019. Functional Neurosurgery
Curso MNPS 2019. Functional Neurosurgery
 
MNPS-2015:Novidades no registro e fusão de imagens
MNPS-2015:Novidades no registro e fusão de imagensMNPS-2015:Novidades no registro e fusão de imagens
MNPS-2015:Novidades no registro e fusão de imagens
 
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.
 
Mnps curso 2014_3. Aula 3
Mnps curso 2014_3. Aula 3Mnps curso 2014_3. Aula 3
Mnps curso 2014_3. Aula 3
 
Curso CAT3D 2015 - Resumo das noviades entre 2014 e 2015
Curso CAT3D 2015 - Resumo das noviades entre 2014 e 2015Curso CAT3D 2015 - Resumo das noviades entre 2014 e 2015
Curso CAT3D 2015 - Resumo das noviades entre 2014 e 2015
 

Ähnlich wie IMRT no CAT3D

Aula 1 - Estudando o problema a ser resolvido
Aula 1 - Estudando o problema a ser resolvidoAula 1 - Estudando o problema a ser resolvido
Aula 1 - Estudando o problema a ser resolvidoEduardo de Lucena Falcão
 
SysSorting Professional
SysSorting ProfessionalSysSorting Professional
SysSorting ProfessionalMichel Alves
 
CONTROLE MPC MULTIVARIÁVEL COM RESTRIÇÕES USANDO FUNÇÕES DE LAGUERRE
CONTROLE MPC MULTIVARIÁVEL COM RESTRIÇÕES USANDO FUNÇÕES DE LAGUERRECONTROLE MPC MULTIVARIÁVEL COM RESTRIÇÕES USANDO FUNÇÕES DE LAGUERRE
CONTROLE MPC MULTIVARIÁVEL COM RESTRIÇÕES USANDO FUNÇÕES DE LAGUERREUFPA
 
Estudo e Avaliação do Problema de Otimização da Multiplicação de Cadeias de M...
Estudo e Avaliação do Problema de Otimização da Multiplicação de Cadeias de M...Estudo e Avaliação do Problema de Otimização da Multiplicação de Cadeias de M...
Estudo e Avaliação do Problema de Otimização da Multiplicação de Cadeias de M...Eduardo de Lucena Falcão
 
II EPI - Estudo e Avaliação do Problema de Otimização da Multiplicação de Cad...
II EPI - Estudo e Avaliação do Problema de Otimização da Multiplicação de Cad...II EPI - Estudo e Avaliação do Problema de Otimização da Multiplicação de Cad...
II EPI - Estudo e Avaliação do Problema de Otimização da Multiplicação de Cad...Eduardo de Lucena Falcão
 
Curso MNPS 2016. Planejamento de Radiocirurgia
Curso MNPS 2016. Planejamento de RadiocirurgiaCurso MNPS 2016. Planejamento de Radiocirurgia
Curso MNPS 2016. Planejamento de RadiocirurgiaArmando Alaminos Bouza
 
[Pereira, IC'2013] Uma nova abordagem para detecção e extracao de paralelismo...
[Pereira, IC'2013] Uma nova abordagem para detecção e extracao de paralelismo...[Pereira, IC'2013] Uma nova abordagem para detecção e extracao de paralelismo...
[Pereira, IC'2013] Uma nova abordagem para detecção e extracao de paralelismo...Marcio Machado Pereira
 
Programação Dinâmica
Programação DinâmicaProgramação Dinâmica
Programação DinâmicaOrlando Junior
 
O problema do transporte aplicado à grafos
O problema do transporte aplicado à grafosO problema do transporte aplicado à grafos
O problema do transporte aplicado à grafosEduardo Souza
 
Introdução ao Comissionamento do TPS CAT3D
Introdução ao Comissionamento do TPS CAT3DIntrodução ao Comissionamento do TPS CAT3D
Introdução ao Comissionamento do TPS CAT3DArmando Alaminos Bouza
 
Programação para engenharia - aspectos teóricos e computacionais
Programação para engenharia - aspectos teóricos e computacionaisProgramação para engenharia - aspectos teóricos e computacionais
Programação para engenharia - aspectos teóricos e computacionaisAlexandre Grossi
 

Ähnlich wie IMRT no CAT3D (20)

Aula 1 - Estudando o problema a ser resolvido
Aula 1 - Estudando o problema a ser resolvidoAula 1 - Estudando o problema a ser resolvido
Aula 1 - Estudando o problema a ser resolvido
 
Analise Algoritmos
Analise AlgoritmosAnalise Algoritmos
Analise Algoritmos
 
416
416416
416
 
Apresentação cfd
Apresentação cfdApresentação cfd
Apresentação cfd
 
SysSorting Professional
SysSorting ProfessionalSysSorting Professional
SysSorting Professional
 
CONTROLE MPC MULTIVARIÁVEL COM RESTRIÇÕES USANDO FUNÇÕES DE LAGUERRE
CONTROLE MPC MULTIVARIÁVEL COM RESTRIÇÕES USANDO FUNÇÕES DE LAGUERRECONTROLE MPC MULTIVARIÁVEL COM RESTRIÇÕES USANDO FUNÇÕES DE LAGUERRE
CONTROLE MPC MULTIVARIÁVEL COM RESTRIÇÕES USANDO FUNÇÕES DE LAGUERRE
 
Formação do pld
Formação do pldFormação do pld
Formação do pld
 
Estudo e Avaliação do Problema de Otimização da Multiplicação de Cadeias de M...
Estudo e Avaliação do Problema de Otimização da Multiplicação de Cadeias de M...Estudo e Avaliação do Problema de Otimização da Multiplicação de Cadeias de M...
Estudo e Avaliação do Problema de Otimização da Multiplicação de Cadeias de M...
 
00177
0017700177
00177
 
[Pereira IC'2011] Otimizacoes no LLVM
[Pereira IC'2011] Otimizacoes no LLVM[Pereira IC'2011] Otimizacoes no LLVM
[Pereira IC'2011] Otimizacoes no LLVM
 
II EPI - Estudo e Avaliação do Problema de Otimização da Multiplicação de Cad...
II EPI - Estudo e Avaliação do Problema de Otimização da Multiplicação de Cad...II EPI - Estudo e Avaliação do Problema de Otimização da Multiplicação de Cad...
II EPI - Estudo e Avaliação do Problema de Otimização da Multiplicação de Cad...
 
Curso MNPS 2016. Planejamento de Radiocirurgia
Curso MNPS 2016. Planejamento de RadiocirurgiaCurso MNPS 2016. Planejamento de Radiocirurgia
Curso MNPS 2016. Planejamento de Radiocirurgia
 
[Pereira, IC'2013] Uma nova abordagem para detecção e extracao de paralelismo...
[Pereira, IC'2013] Uma nova abordagem para detecção e extracao de paralelismo...[Pereira, IC'2013] Uma nova abordagem para detecção e extracao de paralelismo...
[Pereira, IC'2013] Uma nova abordagem para detecção e extracao de paralelismo...
 
Análise de Algoritmos
Análise de AlgoritmosAnálise de Algoritmos
Análise de Algoritmos
 
Programação Dinâmica
Programação DinâmicaProgramação Dinâmica
Programação Dinâmica
 
Pesquisa Operacional
Pesquisa OperacionalPesquisa Operacional
Pesquisa Operacional
 
O problema do transporte aplicado à grafos
O problema do transporte aplicado à grafosO problema do transporte aplicado à grafos
O problema do transporte aplicado à grafos
 
Introdução ao Comissionamento do TPS CAT3D
Introdução ao Comissionamento do TPS CAT3DIntrodução ao Comissionamento do TPS CAT3D
Introdução ao Comissionamento do TPS CAT3D
 
Programação para engenharia - aspectos teóricos e computacionais
Programação para engenharia - aspectos teóricos e computacionaisProgramação para engenharia - aspectos teóricos e computacionais
Programação para engenharia - aspectos teóricos e computacionais
 
Resumo assembly x86 16 bits
Resumo assembly x86 16 bitsResumo assembly x86 16 bits
Resumo assembly x86 16 bits
 

Mehr von Armando Alaminos Bouza

MNPS. Update Course and Advanced Techniques. Segmentation and ROIs.
MNPS.  Update Course and Advanced Techniques.  Segmentation and ROIs.MNPS.  Update Course and Advanced Techniques.  Segmentation and ROIs.
MNPS. Update Course and Advanced Techniques. Segmentation and ROIs.Armando Alaminos Bouza
 
MNPS. Update course. Virtual Fiducials Mode.
MNPS.  Update course. Virtual Fiducials Mode.MNPS.  Update course. Virtual Fiducials Mode.
MNPS. Update course. Virtual Fiducials Mode.Armando Alaminos Bouza
 
MNPS. Update course on Functional Neurosurgery Planning
MNPS.  Update course on Functional Neurosurgery PlanningMNPS.  Update course on Functional Neurosurgery Planning
MNPS. Update course on Functional Neurosurgery PlanningArmando Alaminos Bouza
 
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...Armando Alaminos Bouza
 
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...Armando Alaminos Bouza
 
Curso MNPS 2019. Virtual Fiducials Mode
Curso MNPS 2019. Virtual Fiducials ModeCurso MNPS 2019. Virtual Fiducials Mode
Curso MNPS 2019. Virtual Fiducials ModeArmando Alaminos Bouza
 
MNPS 2019. Registro 2D-3D e localização com Raio-X
MNPS 2019. Registro 2D-3D e localização com Raio-XMNPS 2019. Registro 2D-3D e localização com Raio-X
MNPS 2019. Registro 2D-3D e localização com Raio-XArmando Alaminos Bouza
 
Curso MNPS 2019 Resumo das Novidades (2018_2019)
Curso MNPS 2019 Resumo das Novidades (2018_2019)Curso MNPS 2019 Resumo das Novidades (2018_2019)
Curso MNPS 2019 Resumo das Novidades (2018_2019)Armando Alaminos Bouza
 
Test case for several Non-linear optimization methods.
Test case for several Non-linear optimization methods.Test case for several Non-linear optimization methods.
Test case for several Non-linear optimization methods.Armando Alaminos Bouza
 
Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPS
Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPSCurso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPS
Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPSArmando Alaminos Bouza
 
Curso MNPS 2018: Recursos para Tractografias
Curso MNPS 2018: Recursos para TractografiasCurso MNPS 2018: Recursos para Tractografias
Curso MNPS 2018: Recursos para TractografiasArmando Alaminos Bouza
 
Curso MNPS 2018. Estereotaxia Virtual, com "Virtual Fiducials"
Curso MNPS 2018. Estereotaxia Virtual, com "Virtual Fiducials"Curso MNPS 2018. Estereotaxia Virtual, com "Virtual Fiducials"
Curso MNPS 2018. Estereotaxia Virtual, com "Virtual Fiducials"Armando Alaminos Bouza
 
Curso MNPS 2018. Recursos para Neurocirurgia Funcional
Curso MNPS 2018. Recursos para Neurocirurgia FuncionalCurso MNPS 2018. Recursos para Neurocirurgia Funcional
Curso MNPS 2018. Recursos para Neurocirurgia FuncionalArmando Alaminos Bouza
 
Curso MNPS 2018 Resumo Novidades (2017_2018)
Curso MNPS 2018 Resumo Novidades (2017_2018)Curso MNPS 2018 Resumo Novidades (2017_2018)
Curso MNPS 2018 Resumo Novidades (2017_2018)Armando Alaminos Bouza
 

Mehr von Armando Alaminos Bouza (18)

MNPS. Update Course and Advanced Techniques. Segmentation and ROIs.
MNPS.  Update Course and Advanced Techniques.  Segmentation and ROIs.MNPS.  Update Course and Advanced Techniques.  Segmentation and ROIs.
MNPS. Update Course and Advanced Techniques. Segmentation and ROIs.
 
MNPS. Update course. Virtual Fiducials Mode.
MNPS.  Update course. Virtual Fiducials Mode.MNPS.  Update course. Virtual Fiducials Mode.
MNPS. Update course. Virtual Fiducials Mode.
 
MNPS. Update course on Functional Neurosurgery Planning
MNPS.  Update course on Functional Neurosurgery PlanningMNPS.  Update course on Functional Neurosurgery Planning
MNPS. Update course on Functional Neurosurgery Planning
 
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...
 
MNPS System Presentation. 2020
MNPS System Presentation.  2020MNPS System Presentation.  2020
MNPS System Presentation. 2020
 
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...
 
Cat3D, Algoritmos fundamentales. 2019
Cat3D, Algoritmos fundamentales. 2019Cat3D, Algoritmos fundamentales. 2019
Cat3D, Algoritmos fundamentales. 2019
 
Curso MNPS 2019. Tractography.
Curso MNPS 2019. Tractography.Curso MNPS 2019. Tractography.
Curso MNPS 2019. Tractography.
 
Curso MNPS 2019. Virtual Fiducials Mode
Curso MNPS 2019. Virtual Fiducials ModeCurso MNPS 2019. Virtual Fiducials Mode
Curso MNPS 2019. Virtual Fiducials Mode
 
MNPS 2019. Registro 2D-3D e localização com Raio-X
MNPS 2019. Registro 2D-3D e localização com Raio-XMNPS 2019. Registro 2D-3D e localização com Raio-X
MNPS 2019. Registro 2D-3D e localização com Raio-X
 
Curso MNPS 2019 Resumo das Novidades (2018_2019)
Curso MNPS 2019 Resumo das Novidades (2018_2019)Curso MNPS 2019 Resumo das Novidades (2018_2019)
Curso MNPS 2019 Resumo das Novidades (2018_2019)
 
Test case for several Non-linear optimization methods.
Test case for several Non-linear optimization methods.Test case for several Non-linear optimization methods.
Test case for several Non-linear optimization methods.
 
Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPS
Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPSCurso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPS
Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPS
 
Curso MNPS 2018: Recursos para Tractografias
Curso MNPS 2018: Recursos para TractografiasCurso MNPS 2018: Recursos para Tractografias
Curso MNPS 2018: Recursos para Tractografias
 
Curso MNPS 2018: Segmentação e ROIs
Curso MNPS 2018: Segmentação e ROIsCurso MNPS 2018: Segmentação e ROIs
Curso MNPS 2018: Segmentação e ROIs
 
Curso MNPS 2018. Estereotaxia Virtual, com "Virtual Fiducials"
Curso MNPS 2018. Estereotaxia Virtual, com "Virtual Fiducials"Curso MNPS 2018. Estereotaxia Virtual, com "Virtual Fiducials"
Curso MNPS 2018. Estereotaxia Virtual, com "Virtual Fiducials"
 
Curso MNPS 2018. Recursos para Neurocirurgia Funcional
Curso MNPS 2018. Recursos para Neurocirurgia FuncionalCurso MNPS 2018. Recursos para Neurocirurgia Funcional
Curso MNPS 2018. Recursos para Neurocirurgia Funcional
 
Curso MNPS 2018 Resumo Novidades (2017_2018)
Curso MNPS 2018 Resumo Novidades (2017_2018)Curso MNPS 2018 Resumo Novidades (2017_2018)
Curso MNPS 2018 Resumo Novidades (2017_2018)
 

IMRT no CAT3D

  • 1. Implementação da IMRT no CAT3D Dentro de um sistema de planejamento da IMRT existem diversas etapas que constituem processos de optimização. • Optimização do mapas de fluxo de energia. • Segmentação óptima para Step & Shot. • Estrategia óptima de velocidade e percursos para Sliding Window. • Optimização da topografia para moduladores sólidos. • Optimização do número e ângulos de campos.
  • 2. Objetivo: Apresentar as ideias básicas do módulo de optimização de fluxo do CAT3D pois dessa forma estamos melhor preparados para entender e manipular os parámetros do programa na prática clínica.
  • 3. Formulação do modelo de distribuição de dose a partir de “Beamlets” ou Pencil Beam finitos. Plano axial com seções do PTV (cóncavo) e OARs. Alguns pontos de controle como ilustração, a densidade de pontos de controle é muito maior. Ilustração da contribuição de dose de uma série de “beamlets” sobre os pontos de controle. Todos os beamlets com igual peso (não modulados) Resultado de integrar as contribuições de todos os beamlets. Com todos os pesos iguais, isto é, campo sem modulação de intensidade.. O cálculo da contribuição de dose por parte de um beamlet a um ponto de controle pode realizar-se com diversos algoritmos: Monte Carlo, CCC ou Pencil Beam de seção finita. Os resultados que mostraremos utilizam o modelo de Pencil Beam divergente e finito.
  • 4. Com os beamlets do modelo anterior, a dose depositada em qualquer ponto pode ser calculada como a soma das contribuições de todos os beamlets para o ponto de interesse. Se identificarmos cada beamlet pelo índice m e cada voxel de controle de dose pelo índice n, podemos calcular e armazenar a fracção da energia recebida por cada voxel de controle desde cada beamlet como: Wnm - fracção da energía do beamlet m ao voxel de controle n. Os conjuntos dos valores Wnm podem ser tratados como matriz . Assim, podemos calcular a dose em qualquer voxel de controle como: 퐷푛 = 푀 푗=1 푊푛푗 ∗ 퐼 푗 Onde M é o número total de beamlets no tratamento. Ij é a energía inicial recebida pelo beamlet j-esimo em um plano de referencia.
  • 5. O modelo de dose matricial apresentado permite calcular a dose administrada a todos os voxels de controle de forma muito rápida. A alteração dos mapas de fluxo não modifica os elementos da matriz do sistema, apenas se altera o vector Ij . Como avaliar a qualidade de um plano, dentro do universo de soluções possiveis ? Precisamos de uma métrica que expresse a distancia entre a distribuição de dose desejada pelo médico e a distribuição de dose atingida por um plano qualquer do universo de soluções possíveis. Esta métrica, na nomenclatura dos problemas matemáticos de optimização, se denomina “função objetivo”. Na IMRT o normal é criar uma função objetivo que diminui quando ficamos mais perto do plano ideal desejado pelo medico.
  • 6. Exemplo simples de Função Objetivo articulada. Fobj = rα EPTV + rβ EOAR + rμ EOHT onde : EPTV = 1/N Σ (Dci - Dpi)2 i EOAR = 1/N Σ [ ( Dci > Dpi) ? (Dci - Dpi)2 : 0.0 ] EOHT = 1/N Σ [ ( Dci > Dpi) ? (Dci - Dpi)2 : 0.0 ] Restrições físicas do problema : Valores da fluencia relativa não podem ser negativos. Na práctica as fluencias estão limitadas pois a modulação da intensidade enfrenta limitações físicas. Cada solução no universo de mapas de fluxo possiveis gera o cómputo completo da função objetivo, incluindo a multiplicação da matriz antes apresentada, e uma verificação das restrições.
  • 7. Esta não é a única forma de implementar a função objetivo. Outros autores não utilizam o modelo de penalização quadrática por voxel de controle. Em lugar disto penalizam o desvio de uma proposta baseada no histograma dose-volume (DVH). O CAT3D implementa uma forma de função objetivo baseada em penalização quadrática por voxel de controle. As retrições físicas são consideradas no CAT3D na forma de uma penalização do gradiente de fluxo. É conhecido que regiões de alto gradiente criam problemas para todos os métodos de entrega da dose (delivery), sejam moduladores ou MLC. Na medida que a função objetivo se torna mais complexa, o problema de optimização global fica menos garantido, pois criamos concavidades na topologia da função a ser minimizada e o optimizador pode travar em mínimos locais. O CAT3D procura sair de mínimos locais com um algoritmo mixto de optimização que utiliza um método baseado em derivadas parciais seguido de perturbações aleatorias, ao estilo de “simulated annealing” (ideia que tomamos da nossa experiencia com Maximização da Informação Mútua, para fusão). Temos planos futuros para implementar outra função objetivo baseada em DVH, de modo que o usuario possa testar as duas formas e ficar com a melhor para cada caso.
  • 8. Qual é o custo de calcular a distribuição da dose para <m> pontos de controle em um plano com <n> beamlets ? d1 d2 d3 . . . dm W11 w12 w13 . . . w1n W21 w22 w23 . . . W2n W31 w32 w33 . . . w3n . . . wm1 wm2 wm3 . . . wmn I1 I2 I3 . . . In = • do modelo matricial teremos como mínimo : multiplicações : m * n adições : m * (n -1) memory read : (m * n) + n memory write : m Por que investigamos em algoritmos e implementações para minimizar o tempo de cálculo ? - O planejamento de IMRT ainda é um processo de “tentativa e erro” no qual vários parâmetros devem ser ajustados até atingir um plano clinicamente satisfatório. Sem um programa rápido não é possível conseguir um ambiente interativo para planificação inversa (Crooks, Xing; I.J. Radiat. Oncol. Biol Phys. 2002). - Outros parâmetros podem ser investigados automaticamente se a optimização para modulação de intensidade for suficientemente rápida. Por exemplo, a seleção do número e angulação dos campos ( Gaede, Wong, Rasmussen; “An algorithm for systematic selection of beam directions for IMRT”, Med. Phys. 31 (2) 2004 ).
  • 9. Como optimizamos no CAT3D o cálculo da distribuicão da dose ? - Processamento paralelo, conhecido como multithread. O CAT3D utiliza a tecnologia OpenMP, presente no compilador INTEL C++ . - Processamento vectorial baseado nas tecnologia SSEx ou AVX. O Compilador da INTEL (*) é considerado o melhor neste sentido, capaz de fazer vectorização automática. No CAT3D utilizamos até a tecnologia SSE3 para evitar problemas de compatibilidade com clientes que não tem PCs de última geração, mas em algum momento vamos a quebrar esta compatibilidade para tirar proveito da AVX (Advanced Vector Extensions) que ja foi lançada ao mercado em 2011, com os processadores “Sandy Bridge” , por tanto não é tão nova hoje (2014). - Utilizar em forma óptima as memorias cache (L1 a L3). A matriz do modelo é muito maior que a capacidade da L3, por isso necesitamos uma estrategia que maximize os “cache hits”. Podem-se empregar bibliotecas como MKL de Intel ou cuBLAS e CULA da Nvidia. No CAT3D foi implementada uma rotina de multiplicação matriz por vector aprimorada neste sentido, sem utilização de biblioteca externa para isso. (*) o CAT3D é compilado com o Intel Parallel Composer 2014, para C++ e C99.
  • 10. Recomendações para uma estação de trabalho destinada a IMRT com o CAT3D : - Memoria RAM de 8 GB ou maior. Memoria o mais rápida possivel. - Sistema operacional de 64 bits para que cada instância do CAT3D consiga utilizar até 4 GB. PTVs de grande volume geram matrizes entre 1 e 3 GB ! - Processador i7 de quatro núcleos físicos e oito threads ou melhor. Já existem i7 de 6 núcleos e processadores Xeon de até 10 núcleos e 20 threads. PC para IMRT. i7, 12 threads 16 GB de RAM. OS de 64 bits. Todos os núcleos a 100% de carga na optimização.
  • 11. Muito Obrigado! mevis.com.br www.facebook.com/MevisInformaticaMedica www.linkedin.com/company/mevis-inform-tica-m-dica-ltda-www.