《Applied Radiation and Isotopes》：Development of the GHOST plugin for voxelized phantom generation in MCNP using 3D Slicer
编辑推荐：
GHOST工具基于3D Slicer平台，通过Python编写，自动生成MCNP输入文件，利用医学图像分割构建三维体素模型，验证显示其剂量计算与RPP卡和GATE平台结果最大误差2.3%，证实了工具的高效性和准确性。
哈雷·奥拉杜（Harlley Hauradou）、保拉·塞尔瓦蒂塞·佩雷拉·特莱斯（Paula Selvatice Pereira Teles）、米尔塔·B·托雷斯（Mirta B. Torres）、阿德米尔·泽维尔·达席尔瓦（Ademir Xavier da Silva）
巴西里约热内卢联邦大学核工程系，里约热内卢市，里约热内卢州
摘要
蒙特卡洛模拟是核医学和放射治疗剂量学研究中的重要工具，能够实现高精度的辐射剂量分布计算。在现有的辐射传输代码中，MCNP因其稳健性和多功能性而广受认可。然而，手动创建MCNP输入文件（尤其是对于体素化模型）仍然是一项劳动密集型且容易出错的任务。本研究开发了GHOST（健康优化模拟模板生成器，Generator of Health Optimized Simulation Templates），这是一种自动化且高效的工具，能够根据3D医学图像生成体素化模型的MCNP输入文件。GHOST是作为3D Slicer的插件开发的，使用Python编写。它可以直接从分割后的体积数据集构建格子格式的模型，允许用户根据分割标签分配材料定义，并引入预定义数据库之外的自定义材料。为了验证GHOST的有效性，使用一个尺寸为30×30×30厘米的PMMA立方体（内部充满水）进行了能量沉积模拟。通过GHOST从MHD格式的图像生成的MCNP输入文件与使用RPP卡片构建的等效模型进行了比较。此外，还使用了另一个能够从医学图像生成模型的蒙特卡洛模拟平台GATE进行了交叉验证。GHOST生成的输入与MCNP-RPP和GATE基于的模拟之间的剂量计算最大差异为2.3%。事实证明，GHOST是自动生成用于MCNP的体素化模型的便捷选择。
引言
蒙特卡洛方法（Monte Carlo Method，MCM）是一种基于伪随机数生成的随机过程来模拟物质中辐射传输的概率数值方法。与物理实验相比，MCM模拟的一个关键优势在于其灵活性：可以改变实验条件和控制规则，同时仍能产生具有物理意义的结果（Berdeguez, 2016; Yoriyaz, 2009; Xavier, 2022）。
蒙特卡洛模拟在涉及电离辐射的癌症治疗中用于估计吸收剂量方面变得不可或缺，广泛应用于核医学和外部束放射治疗。它们还广泛用于评估诊断成像中的辐射剂量和调查图像质量。MCNP代码被开发用于模拟辐射与物质的相互作用，能够产生高度精确的结果。其多功能性使其几乎可以应用于所有与核相关的领域，包括放射治疗设施设计、患者特定治疗计划以及核医学中的内部剂量学（Berdeguez, 2016; Yoriyaz, 2009）。
计算解剖模型通常分为三类：简化模型（数学模型）、基于体素的模型（层析模型）和混合模型。基于体素的模型是由三维体积元素（体素）矩阵构成的，这些体素通常来自层析成像数据的分割。这些模型能够更真实地反映人体内部结构（Berdeguez, 2016; Xavier, 2022）。
本研究的目的是开发一种计算工具，能够从三维图像数据生成用于构建基于体素模型的MCNP输入文件。
部分内容摘要
健康优化模拟模板生成器（GHOST）
GHOST是用Python作为3D Slicer（Fedorov等人，2012）模块实现的。图1中概述的工作流程通过以下小节详细介绍的程序来实现，包括图像重采样、分割到材料映射、格子构建和索引、单元/表面方案以及材料数据库。
- •
3D图像输入 – 支持3D Slicer的3D图像格式（DICOM、MHD、MHA、STL等）。
- •
图像分割 – 对感兴趣区域进行分割；此步骤允许用户分割多个区域
结果与讨论
在本节中，我们展示了使用GHOST插件获得的结果，强调了其直观的用户界面、体素化模型的生成以及通过对比模拟验证其性能的过程。
结论
开发GHOST的目的是为了简化从三维医学图像生成体素化模型以用于基于MCNP的蒙特卡洛模拟的过程。其开发的动机是对一个用户友好且易于使用的工具的需求，该工具能够快速生成此类模型。通过与3D Slicer平台的无缝集成，GHOST既方便了对解剖结构的分割，也便于以直观的方式配置模拟参数。
作者贡献声明
哈雷·奥拉杜（Harlley Hauradou）：撰写初稿、软件开发、方法论设计、概念构思。保拉·塞尔瓦蒂塞·佩雷拉·特莱斯（Paula Selvatice Pereira Teles）：撰写初稿、方法论设计、概念构思。米尔塔·B·托雷斯（Mirta B. Torres）：审稿与编辑、监督工作、方法论设计。阿德米尔·泽维尔·达席尔瓦（Ademir Xavier da Silva）：审稿与编辑、监督工作、方法论设计。
未引用的参考文献
Fonseca等人（2014年）、Larsen（2011年）、Peixoto等人（2009年）、Ribes等人（2024年）、Schwarz等人（2011年）、Shahbazi-Gahrouei和Ayat（2015年）、Speiser和DeMarco（2014年）、Taghavi等人（2017年）
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
