CAE

Búsqueda de un método de controlar la Calidad

Una creación del Servei de Protecció Radiològica

Control de Calidad del CAE

Protocolo español de control de calidad en radiodiagnóstico

El enlace al protocolo se encuentra en la página de la SEFM

Función de trasferencia(FDT)

El C.A.E. es un dispositivo de medida de dosis a la entrada o a la salida del receptor de imagen.
La dosis en el receptor de imagen está relacionada con el "nivel de gris" en el mismo.
Es por eso que debemos conocer la función que liga alguno de los parámetros que registra el panel con la dosis que le llega. Esto es, la FDT.

Procedimiento de medida

Procedimiento

El objetivo es poner en relación algún parámetro de imagen con la dosis en el receptor
En nuestro caso, usamos el indicador de dosis del CR

mAs	Dosis (uGy)	IER
30	2.69	186
...	...	...
50	4.495	197
100	8.951	228

Esta medida se hace en dos pasos: Una colocando el detector de radiación y otra poniendo el detector de imagen

Este paso se puede discutir

Medida de la primaria

Es importante que la medida de la función de transferencia se haga solo con la contribución de la radiación primaria

Aunque el mantener todo ese PMMA en el aire es bastante complicado

Búsqueda de un procedimiento alternativo

¿No habría alguna manera de evitarse un montaje tan aparatoso?

Espectros Teóricos

Recursos en la web

El recurso se encuentra aquí

Referencia

Comparativa entre espectros

\[ \begin{aligned} E_T = \sum_{i=1}^n N_i E_i \end{aligned} \\ E_{Al} = 51.80\frac{keV}{electrón} \ \ E_{PMMA} = 52.32\frac{keV}{electrón} \\ E_{PMMA}=1.01 \cdot E_{Al} \]

Parece que el comportamiento teórico del aluminio y PMMA son equivalentes

¿Lo serán las FDTs?

Comparativa de las FDTs

Composición de la aleación de aluminio

Efecto de la aleación en los espectros

De manera teórica ya vemos que hay una incertidumbre asociada a la composición de la aleación

Comparativa entre espectros

Material	Energía
PMMA	52.323
Al puro	51.802
Al5083 max	53.802
Al5083 min	52.140

Índice de Exposición

Usamos este indicador ya que se obtiene de la imagen bruta

Carga de los datos


								import numpy as np
								from scipy import stats, signal
								import pandas as pd

								TablaPMMA = pd.read_csv('TablaPMMA.csv')[[
								    'IndiceExposicion', 'Dosis(uGy)', 'HVL'
								]]

								TablaAl = pd.read_csv('TablaAl.csv')[[
								    'IndiceExposicion', 'Dosis(uGy)', 'HVL']]

Ajuste lineal


									PMMA80 = stats.linregress(
											np.log(TablaPMMA['IndiceExposicion'].get_values()),
											np.log(TablaPMMA['Dosis(uGy)'].get_values()))
									Al80 = stats.linregress(
											np.log(TablaAl['IndiceExposicion'].get_values()),
											np.log(TablaAl['Dosis(uGy)'].get_values()))

Ya tenemos el ajuste de las rectas de ambos materiales

Le hemos quitado la dependencia logarítmica

Gráfica comparativa con el PMMA

No obstante, encontremos la función que transforma una gráfica en la otra

Kernel de convolución

\[ \begin{aligned} f_{PMMA} = k * f_{Al}\end{aligned} \\ \]

Función de conversión


									X = np.log(np.arange(180, 270))

									pPMMA = np.poly1d([PMMA80.slope, PMMA80.intercept])
									pAl = np.poly1d([Al80.slope, Al80.intercept])

									PMMAfunction = np.polyval(pPMMA, X)
									Alfunction = np.polyval(pAl, X)

									Al_to_PMMA = np.polydiv(pPMMA, pAl)

Las funciones polymul y polydiv corresponden en el caso de polinomios, a convolución y deconvolución, respectivamente

datos numéricos

\[ \begin{aligned} f\left(x\right) = mx+b\end{aligned} \\ \]

función	m	b
PMMA	5.481	-27.488
Al5083	5.365	-26.862
kernel	1.022	-0.047

Cuestiones

¿Qué hacemos con todo esto?