Estimation of Primary and Scatter Signal Profiles in Computer Tomography using Geant4

Abstract

A method to obtain the scatter signal profiles from a commercially available computer tomography scanner, using Geant4 a Monte Carlo toolkit for C++ to create a code that mimics the most important structures of the scanner, like the bowtie filter, detecting el- ements and septa. A uniform water phantom with different diameters can be placed at the isocenter to study the scatter generated and the attenuation of the signal in the de- tecting structure. The signal characterization algorithm finds the last photon interaction before reaching a detecting element to assign based on the volume scatter profiles. Simulations without the phantom show that the crosstalk signal is between 1% and 2% of the total signal for both source energies and collimations, the septa scatter signal is lower but at the edges of each detecting module surpassing the bowtie and air signal contributions, the bowtie signal is about 0.1% of the air scan in the central module and up to 2% when moving away from the center of the detecting structure. Simulations with the phantom present show a total attenuation in the detecting struc- ture of from 2% for the smaller phantom up to 0.14% for the biggest one. Phantom scat- ter varies with the source energy and collimation, contributing up to 5% with a 320mm diameter phantom. Normalized scatter profiles can help to understand the effect of the phantom signal in a projection, simulations with all the scanner structures present and simulations where the bowtie and/or anti-scatter grid is missing can show the impact of the structures when it comes to reducing the scatter signal. Also, small signal contributions from the scanner structures and the air can be identified and assessed to see the impact on the total signal. The code developed successfully mimics the scatter signal of a CT scanner and separates it into the different scatter sources from the phantom to the scanner structures and air.Se implementó un método para obtener las señales y perfiles de dispersión de una to- mografía computarizada de un escáner disponible comercialmente utilizando Geant4, un kit de herramientas Monte Carlo para el lenguaje de programación C++, con el que se creó un código que imita las estructuras más importantes del escáner, como el filtro de corbatín, los elementos detectores y la rejilla de anti-dispersión. El código permite colocar un maniquí de agua uniforme de diferentes diámetros en el isocentro del es- cáner, para estudiar la dispersión generada por el mismo y la atenuación de la señal en la estructura detectora. El algoritmo de caracterización de señales encuentra la última interacción del fotón antes de llegar a un elemento de detector y asigna en función de los perfiles de dispersión y el volumen de interacción. Las simulaciones sin maniquí muestran una señal cruzada de entre 1% y 2% de la señal total para todas las energías de la fuente de fotones como para las distintas colima- ciones, la señal de dispersión de la rejilla es más baja excepto en los bordes de cada módulo de detección superando la contribución de las señales cruzada y dispersión del aire, la señal cruzada es aproximadamente el 0,1% del escaneo al aire (medida con el corbatín y rejilla pero si el maniquí) en el módulo central y hasta un 2% al alejarse del centro de la estructura de detección. Las simulaciones con el maniquí presente muestran una atenuación total en la estruc- tura de detección de hasta el 98% para el maniquí más pequeño y hasta el 99.9% para el maniquí más grande. La dispersión maniquí varía con la energía de la fuente y la colimación utilizada, generando hasta un 5% de dispersión con un maniquí de 320mm diámetro. Los perfiles de dispersión normalizados ayudan a interpretar el efecto de la señal dis- persa del maniquí en una proyección, las simulaciones con todas las estructuras del es- cáner presentes y simulaciones donde falta el filtro de corbatín y/o rejilla anti-dispersión muestran la importancia de dichas estructuras al reducir la señal de dispersión. Además, pequeñas contribuciones de señal del las estructuras del escáner y el aire se pueden identificar y evaluar para ver su impacto en la señal total. El código desarrollado imita con éxito la señal de dispersión de un escáner de tomo- grafía computarizada y separa las diferentes fuentes de dispersión del maniquí, las es- tructuras del escáner y el aire.