les réseaux de neurones artificiels, une nouvelle …1 les réseaux de neurones artificiels, une...

1

Les réseaux de Neurones Artificiels,une nouvelle alternative aux calculs Monte Carlo pour la Radiothérapie

E. Martin (MCF UFC), M. Sauget (ATER UFC), A. Vasseur (PSRPM CHUB), R. Gschwind (MCF UFC), J.M. Rouvier (PSRPM CHBM),

L. Makovicka (PR1 UFC) Interaction Rayonnements/Matière – ENISYS – FEMTO-ST

2

Introduction Les enjeux actuels

Problématique des TPS actuelsCompromis Temps / PrécisionBonne précision => Gros moyens informatiques

Ce que l’on voudrait Précision

ETFaibles moyens informatiques

3

Introduction Les enjeux actuels

Méthodes Monte CarloPrécisionGros moyens informatiques

Réseaux de Neurones Artificiels (RNA) PrécisionFaibles moyens informatiques

4

Les RNA pour la Dosimétrie

Une analogie avec le cerveau humainLe cerveau est une machine parallèle complexe

pouvant réaliser certaines tâches plus efficacement qu'un ordinateur

Reconnaissance de formePerceptionApproximation / interpolation

Les réseaux de neurones artificielsConnaissance grâce à l'apprentissageConnaissance enregistrée à l'aide des poids synaptiques

5

Le neurone naturel/artificiel

Reçoit des informations par le biais de synapses.

L'information est traitée par le noyau.

Celle-ci est ensuite transmise aux autres neurones par l'axone

Synapse (Poids)

Dendrite (arc)

Noyau(fonction d'activation)

Axone (sortie)

6

Principe de construction du réseau (Apprentissage)

Initialisation:Initialisation des poids avec des valeurs aléatoires entre -1 et 1

Faire

Choix d'un exemple issu de l'ensemble d'apprentissage

Propagation du signal d'entréesur le réseau

Calcul de l'erreur

Correction des poids en fonctionde l'erreur calculée

Tant que la convergence n'est pas atteinte

Erreur

Entrée Sortie

Phénomèneà modéliser

7

Algorithme de calcul des doses

Réseau

Pour la dosimétrie

Simulation BEAM/EGS

Donnéesd'apprentissage

Donnéesde validation

Apprentissage(Rétro-propagation du gradient, RPROP)

Architecture duréseau

(STD, HPU)

Réseau entraîné Résultats

Caractérisationdu milieu

8

Test de calcul en milieu hétérogène

9

Résultats sur fantôme anthropomorphique

Fantôme thorax 002LFC (CIRS)30 x 30 x 20 cm3

4 matériaux équivalentsPoumonMuscleOsGraisse

10

Résultats sur fantôme anthropomorphique

Clinac 2100C (CHBM- CHUB)

X18

Films Gafchromic EBT QD+

11

Résultats sur fantôme anthropomorphique

Acquisition sur GE Lightspeed RT16

Conversion CTCREATE

12

Résultats sur fantôme anthropomorphique

Comparaison avec OMP v3.1 sp2 (Nucletron)

13

Rendements en profondeur

14

Profils à l’isocentre

15

Profils au centre de l’insert

16

RNA – Conclusion

Modélisation de différents accélérateursRapidité d’exécution (~ facteur 100 avec MC)PrécisionCorrection des apprentissages en milieux très peu densesDosimétrie des faisceaux finsIntégration à la radioprotection

17

Vers une alternative aux systèmes Monte Carlo ?

RNA – Conclusion

Société Française de RadioprotectionSociété Française de Physique Médicale

Association Romande de RadioprotectionLaboratoires Associés de Radiophysique et de Dosimétrie

Première Annonce des4èmes Journées Scientifiques Francophones

Codes de calcul en radioprotection, radiophysique

et dosimétrieMusée PEUGEOT à Sochaux

28 - 29 Avril 2010