概念_蒙地卡羅劑量計算與統計不確定度

概念_蒙地卡羅劑量計算與統計不確定度

• 筆記別名 (Alias)：概念_蒙地卡羅劑量計算與統計不確定度

• 標籤：#蒙地卡羅 montecarlo 統計不確定度 tg105 tg157

• 相關概念關聯：概念_射束建模與相空間模擬, 概念_介質吸收劑量與水吸收劑量轉換, 概念_組織不均勻性修正與體素解析度

• 核心定義與範疇：蒙地卡羅（Monte Carlo, MC）方法透過隨機抽樣與量子物理截面積，模擬數百萬至數十億個微觀粒子（光子、電子、正子）在物質中的隨機軌跡與能量沈積。其劑量計算精確度取決於模擬粒子數 $N$，其相對統計不確定度 $s_D$ 與粒子數成反比：$s_D\propto 1/\sqrt{N}$。

• 各文獻相關發現與研究梳理：

  • 文獻_Chetty_2007_TG105蒙地卡羅臨床應用：詳細論述了 MC 在臨床 TPS 中的實現，區分了 Photon MC 與 Electron MC 演算法。提出了變異數削減技術（Variance Reduction Techniques, VRT，如粒子分裂、俄羅斯輪盤、STEEP），能在不破壞物理真實度的前提下提升計算速度 10 到 100 倍。

  • 文獻_Ma_2019_MC射束建模與驗收：指出 MC 劑量計算的不確定度來源包括物理截面積數據庫精度、概念_射束建模與相空間模擬 的初始參數設定、以及體素網格統計量。

  • 文獻_Gibbons_2014_TG71跳數計算指引：提及 MC 演算法已被整合至第二管道 概念_跳數獨立驗證與散射因子 工具中，特別適用於小野與非均勻介質的 MU 驗算。

• 觀點對比與理論演進 (Synthesis)：

  • 共通與一致性：文獻_Chetty_2007_TG105蒙地卡羅臨床應用 與 文獻_Ma_2019_MC射束建模與驗收 一致認為，對於臨床靶區（PTV），統計不確定度控制在 $1\%\sim 2\%$ 以內即足夠滿足臨床需求，過度追求低於 $1\%$ 的不確定度會耗費不必要的計算時間。

  • 觀點衝突/差異：早期文獻（文獻_Fraass_1998_TG53治療計畫品質保證）將 MC 視為研究級或基準工具（Benchmark），計算極為昂貴；而 文獻_Chetty_2007_TG105蒙地卡羅臨床應用 與 文獻_Ma_2019_MC射束建模與驗收 證實隨著硬體加速與 VRT 發展，MC 已具備常規臨床計畫運算的實用性。

• 核心數據、公式與關鍵參數：

  • 統計不確定度評估公式：

    $s_D=\sqrt{\frac{1}{N-1}\left(\frac{\sum E_i^2}{N}-{\left(\frac{\sum E_i}{N}\right)}^2\right)}$

    （引用自 文獻_Chetty_2007_TG105蒙地卡羅臨床應用）

  • 臨床標準：靶區內體素平均相對不確定度 $\le 1\%$（對於 SRS/SBRT 小靶區可放寬至 $\le 2\%$）。

• 未解決問題與未來研究方向：高劑量梯度邊緣與低劑量危急器官（OAR）區域的相對統計不確定度往往顯著偏高（因沈積能量小），如何開發能夠自動針對 OAR 進行局部統計優化的 VRT 演算法仍是研究熱點。