Development of Deep Learning models to support Proton Range Verification in Hadron Therapy

Abstract

[ES] El tratamiento del cáncer es un campo en constante evolución, en el cual cada año se proponen e investigan nuevos métodos experimentales. La terapia Hádrónica es uno de los métodos de tratamiento del cáncer más prometedores que se están aplicando y mejorando actualmente. Aunque fue propuesto por primera vez en 1946, la tecnología de la época limito sus usos significativamente. En los últimos años, la terapia hadrónica está ganando mucha popularidad, con un incremento de instalaciones e investigaciones científicas centradas en este método.

Los beneficios de la terapia hadrónica son destacables, ya que ofrece la posibilidad de tratar tumores de forma más focalizada, es decir, tratando de forma más eficiente el tumor y dañando menos los tejidos de alrededor. No obstante, esta focalización hace necesaria la aplicación de márgenes de seguridad, los cuales limitan el potencial de la terapia hadrónica. Para reducir estos márgenes, se están investigando técnicas de monitorización. MACACO II, es una cámara Compton multicapa que está siendo desarrollada en el IFIC (Valencia) para llevar a cabo esta monitorización.

Este trabajo explora las posibilidades del Machine Learning para seleccionar los eventos captados por la cámara Compton, con el propósito de incrementar el ratio de señal contra ruido antes de la reconstrucción de imagen.

Objetivos: -Diseñar redes neuronales capaces de clasificar eventos captados por una cámara Compton como señal o ruido a partir de simulaciones Monte Carlo. -Mejorar los resultados de experimentos previos realizados por el IFIC.

[EN] Cancer treatment is a field in constant development, with new experimental methods being proposed and researched every year. Hadron therapy is one of the most promising cancer treatment methods currently being applied and improved. Despite being first proposed in 1946, the technology of the moment limited its uses significantly. These last years hadron therapy has been gaining much momentum, with an increase of facilities and scientific research focused on this method.

The benefits of hadron therapy are remarkable since it offers the possibility to treat tumors in a more focalized way, that is, damaging less the surrounding tissues and treating more efficiently the tumor. However, this focus makes necessary the application of safety margins, limiting the applicability of hadron therapy. In order to reduce these margins, monitoring techniques are being researched. MACACO II, a multi¿layer Compton Camera, is being developed at IFIC (Valencia) for this purpose.

This work explores the possibilities of Machine Learning to select the events captured by the Compton Camera to increase the signal-to-background ratio before image reconstruction.

Objectives: - Design neural networks to discriminate events detected by a Compton camera between signal and noise from Monte Carlo simulations. - Improve the results obtained by IFIC in previous experiments.

[CA] El tractament del càncer és un camp en constant evolució, en el qual cada any es proposen i investiguen nous mètodes experimentals. La teràpia Hadrònica és un dels mètodes de tractament del càncer més prometedors que s’estan aplicant i millorant actualment. Encara que va ser proposat per primera vegada en 1946, la tecnologia de l’època va limitar els seus usos significativament. En els últims anys, la teràpia hadrònica està guanyant molta popularitat, amb un increment d’instal·lacions i investigacions científiques centrades en aquest mètode. Els beneficis de la teràpia hadrònica són destacables, ja que ofereix la possibilitat de tractar tumors de manera més focalitzada, és a dir, tractant de forma més eficient el tumor i fent menys mal als teixits del voltant. No obstant això, aquesta focalització fa que s’hagen d’aplicar marges de seguretat, limitant el potencial de la teràpia hadrònica. Per reduir aquests marges, s’estan investigant tècniques de monitoratge. MACACO II, és una càmera Compton multicapa que està sent desenvolupada al IFIC (València) per dur a terme aquest monitoratge. Aquest treball explora les possibilitats del Machine Learning per seleccionar els esdeveniments captats per la càmera Compton, amb l’objectiu d’incrementar la proporció de senyal contra soroll abans de la reconstrucció d’imatge.