Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/103076
DC FieldValueLanguage
dc.contributor.advisorRocha, Humberto José da Silva Pereira-
dc.contributor.advisorDias, Joana Maria Pina Cabral Matos-
dc.contributor.authorPonte, Hugo Tiago Teixeira da-
dc.date.accessioned2022-10-17T22:04:00Z-
dc.date.available2022-10-17T22:04:00Z-
dc.date.issued2022-07-28-
dc.date.submitted2022-10-17-
dc.identifier.urihttps://hdl.handle.net/10316/103076-
dc.descriptionTrabalho de Projeto do Mestrado em Engenharia Física apresentado à Faculdade de Ciências e Tecnologia-
dc.description.abstractObjetivo: Em radioterapia, um plano de tratamento otimizado deve garantir uma cobertura adequada do volume a tratar (planning target volume – PTV) ao mesmo tempo que poupa todos os órgãos de risco (OAR). Como o tratamento é, geralmente, fracionado durante um determinado horizonte temporal, o replaneamento pode ser um passo importante na criação de um plano de tratamento otimizado, garantindo que a informação anatómica do paciente é atualizada e considerada durante o tratamento. No entanto, o replaneamento também tem desvantagens, devido à necessidade de adquirir novas imagens médicas e ao tempo adicional necessário para a criação de novos planos de tratamento. Este trabalho compara o uso de um planeamento robusto, tendo em conta estruturas auxiliares, com o replaneamento, tendo em conta o impacto na cobertura do PTV, poupando simultaneamente os OAR.Métodos: Quatro abordagens diferentes de planeamento de tratamento são consideradas e comparadas. A abordagem convencional considera apenas a informação da tomografia computadorizada (CT) de planeamento, mantendo o mesmo plano de tratamento durante todo o tempo de tratamento. É testada uma nova abordagem robusta, onde são também tidas em conta 14 estruturas auxiliares que representam cenários possíveis para a evolução do PTV na criação do plano de tratamento inicial. Uma terceira abordagem considera fazer o replaneamento uma vez a meio do tempo total de tratamento. Uma quarta abordagem mimetiza o que é normalmente conhecido como o "plano do dia". Todos os planos de tratamento foram criados automaticamente recorrendo a um algoritmo baseado em sistemas de inferência difusos. Estas abordagens foram testadas num caso de cancro de cabeça e pescoço e foram comparadas usando simulação de Monte Carlo. Resultados: Foi possível gerar automaticamente tratamentos clinicamente admissíveis para todas as quatro abordagens consideradas. O PTV obteve melhor cobertura com o planeamento robusto do tratamento.Conclusões: Foi possível concluir que a abordagem robusta originou melhores planos de tratamento do que a abordagem convencional e que pode ser uma alternativa competitiva relativamente ao replaneamento durante o período temporal em que decorre o tratamento. A cobertura do PTV foi melhorada, garantindo as tolerâncias definidas para os OARs.por
dc.description.abstractPurpose: An optimized radiotherapy treatment plan must guarantee a proper coverage of the volume to treat (Planning Target Volume – PTV) while sparing all the organs at risk (OAR). As the treatment is usually fractionated during a given planning horizon, replanning can be an important step in creating an optimized treatment plan, by guaranteeing that the updated situation of the patient is being considered. However, replanning has also shortcomings, due to the need of acquiring new medical images, and additional time needed for creating new treatment plans. This work studies how the use of robust planning, taking into account auxiliary structures, compares with replanning, considering the impact on PTV coverage while maintaining proper OAR sparing.Methods: Four different treatment planning approaches are considered and compared. The conventional approach considers only the information of the planning computed tomography (CT), keeping the same treatment plan during the whole treatment time. A new robust approach is tested, where fourteen auxiliary structures representing possible scenarios for the PTV evolution are also taken into account when creating the initial treatment plan. A third approach considers replanning once halfway of the treatment time. A fourth approach mimics what is usually known as the “plan of the day”. All treatment plans were created automatically by resorting to an optimization approach based on fuzzy inference systems. These approaches were tested in a head-and-neck cancer case and were compared by Monte Carlo simulation. Results: It was possible to automatically generate clinically admissible treatments for all the four approaches considered. PTV was better covered with the robust treatment planning.Conclusions: It was possible to conclude that the robust approach originated better treatment plans than the conventional approach and it can be a competitive alternative to replanning. PTV coverage was improved, while properly sparing the OARs.eng
dc.description.sponsorshipOutro - Bolsa de investigação no âmbito do projeto POCI-01-0247-FEDER-047222 com o título ORION financiado através do Fundo Europeu de Desenvolvimento Regional (FEDER) da União Europeia, através do Programa Operacional competitividade e Internacionalização (COMPETE 2020) do Portugal 2020-
dc.language.isoeng-
dc.rightsopenAccess-
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/-
dc.subjectradioterapiapor
dc.subjectotimização de planos de tratamentopor
dc.subjectplaneamento adaptativopor
dc.subjectfísica médicapor
dc.subjectradiotherapyeng
dc.subjecttreatment planning optimizationeng
dc.subjectadaptive planningeng
dc.subjectmedical physicseng
dc.titleAutomatic Radiotherapy Treatment Planning: Adaptive approacheseng
dc.title.alternativePlaneamento Automático de Tratamentos de Radioterapia: abordagens adaptativaspor
dc.typemasterThesis-
degois.publication.locationFEUC + INESC Coimbra-
degois.publication.titleAutomatic Radiotherapy Treatment Planning: Adaptive approacheseng
dc.peerreviewedyes-
dc.identifier.tid203079531-
thesis.degree.disciplineEngenharia Física-
thesis.degree.grantorUniversidade de Coimbra-
thesis.degree.level1-
thesis.degree.nameMestrado em Engenharia Física-
uc.degree.grantorUnitFaculdade de Ciências e Tecnologia - Departamento de Física-
uc.degree.grantorID0500-
uc.contributor.authorPonte, Hugo Tiago Teixeira da::0000-0001-7174-6780-
uc.degree.classification17-
uc.degree.presidentejuriMorgado, António Miguel Lino Santos-
uc.degree.elementojuriFerreira, Brígida Costa-
uc.degree.elementojuriDias, Joana Maria Pina Cabral Matos-
uc.contributor.advisorRocha, Humberto José da Silva Pereira-
uc.contributor.advisorDias, Joana Maria Pina Cabral Matos-
item.openairetypemasterThesis-
item.fulltextCom Texto completo-
item.languageiso639-1en-
item.grantfulltextopen-
item.cerifentitytypePublications-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
Appears in Collections:UC - Dissertações de Mestrado
Files in This Item:
File Description SizeFormat
Hugo_Ponte_Final.pdf1.33 MBAdobe PDFView/Open
Show simple item record

Page view(s)

86
checked on Jul 16, 2024

Download(s)

100
checked on Jul 16, 2024

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons