tude pralable sur l'utilisation des rseaux de neurones artificiels

en radiothrapie externe.
R.Mathieu*,**, S.Contassot-Vivier*, C.Guillerminet**, R.Gschwind**, L.Makovicka**, J.Bahi*
* CANDY/LIFC FRE 2661 CNRS
1, rue Engel Gros 90000 Belfort FRANCE
** IRMA/CREST UMR 6000 CNRS
Ple universitaire BP 71427 25211 Montbliard FRANCE
Introduction:
Le but de la radiothrapie externe est le traitement des tumeurs tout en pargnant le plus possible les
tissus sains avoisinants. Afin de matriser et doptimiser la distribution des doses dlivres au patient, une
planification dosimtrique doit tre effectue au pralable. Pour dterminer la rpartition des doses la
routine thrapeutique est dans ces cas confronte la recherche du compromis entre la prcision et la
rapidit dobtention de cette information. Les techniques bases sur les mthodes analytiques, sur des
bases de donnes pralablement tablies ont le mrite dtre rapides, mais peu souples. Leur prcision
nest assure que dans les cas directement prvus. Dans cette optique, lutilisation des mthodes telles que
celle de Monte-Carlo apportent souplesse et prcision. Cependant, malgr tous les efforts fournis aussi
bien sur le plan de loptimisation des mthodes que sur le plan de lvolution informatique (vitesse des
machines), elles se heurtent au problme du temps de calcul. Nous avons envisag, en rassemblant les
avantages de ces diffrentes approches tout en vitant leurs principaux inconvnients, le dveloppement
des techniques bases sur les principes des rseaux dapprentissage.
Mthode:
Les rseaux de neurones semblent tre une troisime voie qui combine la fois l'utilisation de donnes
dosimtriques existantes obtenues aussi bien par la voie exprimentale que par simulations numriques.
De manire gnrale les RNA (Rseaux de Neurones Artificiels, voir Fig. 1-a,b) fournissent

Fig. 1-a Principe dun neurone artificiel.

Fig.1-b Exemple dun rseau de neurones artificiels

une mthode permettant d'infrer, partir d'chantillons, un signal donn valeurs soit relles ou
vectorielles, soit discrtes. Dans les deux cas, il s'agit de construire un outil permettant de raliser une
correspondance entre des entres et des sorties . Ainsi les RNA souvent utiliss pour des problmes de
classifications peuvent aussi tre employs pour des problmes d'approximation de fonction. On parle
parfois de rgression ou de modlisation bote noire (pour souligner que le phnomne modlis n'est
pas explicit). Ainsi la sortie reprsente la valeur d'une fonction continue. Il sagira dans notre cas de la
dose absorbe en fonction des paramtres lis la gomtrie et la nature de la zone irradier ainsi qu'au
paramtres et conditions de l'irradiation.
Utilisation des rseaux de neurones:
* Dterminer les entres pertinentes c'est--dire les grandeurs qui ont une influence significative sur
le phnomne qu'on cherche modliser.
* Collecter les donnes ncessaires l'apprentissage et l'valuation des performances du rseau de
neurones.
* Trouver le nombre de neurones cachs pour obtenir une approximation satisfaisante.
* Estimer les valeurs des paramtres correspondant un minimum de la fonction de cot, c'est--dire
effectuer un apprentissage.
* En fonction des rsultats obtenus, il peut tre ncessaire de recommencer cette procdure.
Avantages des rseaux de neurones:
* Les rseaux de neurones peuvent apprendre et gnraliser partir des simples donnes d'entre et
de sortie. Il est ainsi possible de dvelopper un modle sans disposer de formule exprimant le
phnomne modlis.
* Les seuls paramtres requis sont ceux directement lis l'irradiation.

On peut voir sur la figure 2 un exemple de calcul des profiles des doses relatives en profondeurs
dans leau obtenus pour un faisceau de photons de SATURNE 43 (4x4 cm 6 MeV) ralis par un
rseau neuronal.

Fig.2 Profils calculs par le rseau (code NEURAD1)

A noter :
* Lobtention dun profil de dose une seule profondeur (2D) par la mthode de Monte-Carlo
(code de type EGS) demande le temps de lordre heures jours en fonction des moyens
informatiques utiliss et de la prcision demande.
* Le Rseau de neurones artificiels, une fois l'apprentissage fait, donne une rponse quasi
immdiate et en 3D.