Nuclear data for particle therapy
Données nucléaires pour la hadronthérapie
Résumé
Particle therapy, including heavy ion and proton therapy, advances cancer treatment by precisely targeting tumors while minimizing damage to healthy tissues. However, secondary particles produced during treatment affect dose distribution, impacting efficacy and safety. This thesis explores the production and impact of these particles, emphasizing their role in dose distribution. Dose calculations rely on Monte Carlo simulations, but limited experimental data on nuclear reactions reduces accuracy. The CLINM project addresses these gaps by characterizing secondary particles using a ∆E-E telescope. Experiments at the CNAO center in 2023 showed discrepancies between experimental data and Geant4 simulations, especially for helium particles. To enhance nuclear reactions prediction accuracy, the DINo algorithm was developed as a complementary tool, improving dose calculations. A CMOS tracking device was also created to enhance treatment precision for lung cancer by tracking tissue density, underscoring the need for advanced characterization and technologies in particle therapy.
La hadronthérapie, incluant la thérapie par ions lourds et protons, améliore le traitement du cancer en ciblant précisément les tumeurs tout en minimisant les dommages aux tissus sains. Cependant, les particules secondaires produites pendant le traitement influencent la distribution de dose, impactant l'efficacité et la sécurité. Cette thèse explore la production et l'impact de ces particules, et leur rôle dans la distribution de dose. Les calculs de dose reposent sur des simulations Monte Carlo, mais le manque de données expérimentales sur les réactions nucléaires limite leur précision. Le projet CLINM a pour but de combler ces lacunes en caractérisant les particules secondaires à l'aide d'un télescope ∆E-E. Des expériences menées au CNAO en 2023 ont révélé des écarts entre les données expérimentales et les simulations Geant4, surtout pour les particules d'hélium. L’algorithme DINo a été développé comme outils complémentaire pour améliorer la précision des prédictions de réactions nucléaires. Enfin, un dispositif de suivi CMOS a été créé pour améliorer la précision du traitement du cancer du poumon en suivant la densité tissulaire, soulignant le besoin de caractérisation et de technologies avancées en thérapie par particules.
Origine | Version validée par le jury (STAR) |
---|