Escolar Documentos
Profissional Documentos
Cultura Documentos
Cod.:3723
RESUMO
A Simulação de Monte Carlo pode ser aplicada para estimar as incertezas de medição, utilizando o conceito de
propagação de distribuições. Ela é uma ferramenta utilizada na avaliação de incertezas de medição que utiliza a
geração de números pseudo-aleatórios para simular os possíveis valores de variáveis estocásticas com
distribuições bem definidas (grandezas de entrada) e com isso calcular os possíveis valores da grandeza de
saída. Este procedimento, depois de repetido muitas vezes, gera uma base de dados com os possíveis valores
para a grandeza de saída com a qual se pode construir a sua distribuição estatística. Neste trabalho são
apresentados os resultados da validação de um programa de cálculo de incerteza de medição do Índice
ponderado de dose em tomografia Computadorizada (CTDIw) em um equipamento de tomografia
computadorizada. A validação foi realizada a partir da comparação dos resultados obtidos pelo programa
desenvolvido pela Brasilrad com os resultados obtidos com o software comercial Crystal Ball.
1. INTRODUÇÃO
(1)
O CTDI 100 pode ser medido diretamente no ar ou no interior de um fantoma de polimetil-
metacrilato (PMMA), porém ele é um indicador mais grosseiro de dose do paciente do que
Índice Ponderado de Dose em Tomografia Computadorizada (CTDIW) que leva em
consideração o efeito da filtração do feixe [3].
(2)
A medição do CTDIW foi introduzida por Leitz et al. [4] e a mesma é padronizada na norma
IEC-60601-2-44 [5].
A fim de superar estas limitações, a simulação Monte Carlo pode ser aplicada para estimar as
incertezas de medição, utilizando o conceito de propagação de distribuições. Esse conceito
constitui uma generalização da lei de propagação de incertezas dadas pela ISO GUM,
proporcionando uma solução prática para modelos complicados e trabalhar com informações
mais ricas. A Simulação de Monte Carlo (SMC) permite determinar a incerteza de medição
quando as hipóteses do método GUM clássico não são atendidas [10]. Ela é uma ferramenta
utilizada na avaliação de incertezas de medição que utiliza números pseudo-aleatórios para
simular a partir de distribuições de probabilidade das grandezas de entrada, uma
representação numérica aproximada da distribuição de probabilidade para a grandeza de
saída. Este procedimento, depois de repetido muitas vezes, gera uma base de dados com os
possíveis valores para a grandeza de saída com a qual se pode construir a sua distribuição
estatística.
2. DESENVOLVIMENTO DO SOFTWARE
Através de uma vasta pesquisa bibliográfica, foi criada uma ficha de levantamento dos
requisitos do software, contendo os principais atributos que o programa deve possuir. Em
seguida, o foi planejado, desenvolvido baseando-se nessa ficha conforme explicitado a seguir.
O sistema foi escrito na linguagem Java utilizando a IDE NetBeans 7.2.1 e o JDK 7u10.
Figura 2. Classe Java que com dois métodos que retornam as distribuições de
probabilidade Normal e Retangular.
3. VALIDAÇÃO DO SOFTWARE
Na Tabela 4 são exibidos os valores dos limites superior e inferior das incertezas expandidas
estimados para uma densidade de probabilidade de 95,45% utilizando 106 simulações para
ambos os softwares Crystal Ball e para o McTrology.
A validação do método de Mote Carlo foi realizada utilizando a tolerância numérica que é
avaliada em termos dos pontos finais dos intervalos de cobertura, e corresponde ao que é
dado pela expressão da incerteza padrão u (y) [10]. Tendo que a incerteza estimada para os
6,25 mGy) escrevendo-a na forma c x 10l onde c e l são números inteiros
dois softwares é (6
temos 6x10 e considerando a tolerância da forma δ = 1/2 x 10l nós obtemos δ = 0,5. De
0
acordo com o ISO GUM Suplemento 1 para que os intervalos de abrangência das
distribuições sejam considerados equivalentes as diferenças entre as extremidades inferiores
dlow e superiores dhigh das distribuições devem ser inferiores à tolerância conforme ilustra a
Equação 4.
3. CONCLUSÃO
Com o software apresentado neste trabalho foi possível estimar a incerteza de medição na
avaliação do CTDIw através de analise numérica. Os resultados obtidos no programa
McTrology são semelhantes aos resultados obtidos com o software comercial Crystal Ball.
Com as devidas alterações, o programa proposto neste trabalho pode ser aplicado na maioria
das dosimetrias em equipamentos de Tomografia Computadorizada.
REFERÊNCIAS
1. Shope T.B., Gagne R.M., Johnson G.C.,―A method for describing the doses delivered by
transmission x-ray computed tomography", Med. Phys.,Vol.8(4), pp.488-95 (1981).
2. Kim, S., Song, H., Samei, E., Yin, F., Yoshizumi, T., ―Computed tomography dose index
and dose length product for cone-beam CT: Monte Carlo simulations‖. Journal of Applied
Clinical Medical Physics, Vol. 12, n.2, pp.84-95 (2011).
3. International Atomic Energy, Dosimetry in Diagnostic Radiology: An International Code
of Pratice, ,IAEA,Viena,(2007).
4. Leitz, W., Axelsson, B., Szendro, G., ―Computed tomography dose assessment — a
practical approach‖, Radiat. Prot. Dosim., Vol.57, pp. 377–380 (1995).
5. International Electrotechnical Commission, Medical Electrical Equipment Part 2-44:
Particular Requirements for the Safety of X-Ray Equipment for Computed Tomography,
Rep. IEC-60601-2-44, IEC, Geneva (2002).
6. Cox, M. ,Harris, P. ,Siebert, B.R.-L. "Evaluation of measurement uncertainty based on
the propagation of distributions using Monte Carlo simulation", Measure.Tech.,Vol.46,
pp.824–833 (2003).