在放射治療系統(tǒng)中進行精確、高效計劃是實現(xiàn)精確放療的重要前提,而劑量計算方法的精確程度、優(yōu)化模型的形式、求解逆向問題優(yōu)化算法的尋優(yōu)能力,和計劃過程的智能化程度等對放療計劃的質(zhì)量和效率有著直接的影響。本文以提高放療計劃的質(zhì)量為目標,對放療優(yōu)化模型和基于梯度優(yōu)化算法的劑量體積優(yōu)化的初始射束權(quán)重問題進行了深入的研究;本文以提高放療計劃的效率為出發(fā)點,對放療參數(shù)的自動優(yōu)化算法進行了研究。本文的主要創(chuàng)新性工作如下:1.基于器官的優(yōu)化模型優(yōu)化所得的帕累托平面屬于DV約束優(yōu)化所得的帕累托平面的理論基礎(chǔ),為基于梯度優(yōu)化算法的劑量體積優(yōu)化提出了一種確定初始射束權(quán)重的方法。為了改善劑量體積優(yōu)化(DVO)計劃的質(zhì)量和降低由于DV約束目標的非凸性而產(chǎn)生的局部極值誤差,提出了一種為DVO確定初始射束權(quán)重的方法,即基于器官優(yōu)化模型優(yōu)化引導(dǎo)的DVO。首先,采用改進的遞增器官優(yōu)化模型進行注量圖優(yōu)化(FMO),獲得一組射束強度分布。然后,以第一步優(yōu)化所得的射束強度分布為初始值進行DVO。在5例頭頸癌測試病例和5例前列腺癌測試病例上對新算法的可行性和有效性進行了驗證。實驗結(jié)果表明,與傳統(tǒng)采用均勻初始射束權(quán)重的DVO相比,新...

【文章頁數(shù)】：148 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
主要符號表
第一章 緒論
    1.1 研究背景和選題意義
        1.1.1 IMRT的發(fā)展歷程
        1.1.2 IMRT技術(shù)的實現(xiàn)和計劃設(shè)計
    1.2 調(diào)強放療的國內(nèi)外研究現(xiàn)狀
        1.2.1 劑量體積約束的非凸性研究
        1.2.2 放療優(yōu)化模型的研究
        1.2.3 優(yōu)化模型中參數(shù)的自動化研究
    1.3 論文研究內(nèi)容及框架結(jié)構(gòu)
第二章 基礎(chǔ)知識介紹
    2.1 筆形束劑量計算
    2.2 優(yōu)化準則及目標函數(shù)
        2.2.1 物理準則
        2.2.2 生物準則
        2.2.3 目標函數(shù)
    2.3 梯度優(yōu)化算法(L-BFGS)
    2.4 本章小結(jié)
第三章 劑量體積優(yōu)化中局部極值誤差減小的方法研究
    3.1 引言
    3.2 算法理論基礎(chǔ)
    3.3 基于器官評價模型優(yōu)化引導(dǎo)的DVO算法原理
    3.4 優(yōu)化模型
        3.4.1 改進的基于器官評價優(yōu)化模型
        3.4.2 劑量-體積模型
    3.5 實驗材料
        3.5.1 測試病例
        3.5.2 實驗環(huán)境
    3.6 實驗結(jié)果與分析
        3.6.1 遞增基于器官評價優(yōu)化模型的有效性測試
        3.6.2 基于器官評價優(yōu)化模型優(yōu)化引導(dǎo)的DVO
    3.7 總結(jié)與討論
    3.8 本章小結(jié)
第四章 IMRT中擴大解空間搜索能力的目標函數(shù)的建立
    4.1 引言
    4.2 基于正則化的線性EUD子目標函數(shù)的改進
        4.2.1 正則化的理論基礎(chǔ)
        4.2.2 新EUD子目標函數(shù)及混合優(yōu)化模型
        4.2.3 實驗結(jié)果與分析
        4.2.4 總結(jié)與討論
    4.3 基于分段懲罰的最大劑量和二次EUD子目標函數(shù)的構(gòu)建
        4.3.1 分段懲罰理論基礎(chǔ)
        4.3.2 新的最大劑量子目標函數(shù)和二次EUD子目標函數(shù)
        4.3.3 基于分段懲罰子目標函數(shù)的放療優(yōu)化模型
        4.3.4 對比實驗
        4.3.5 實驗結(jié)果與分析
        4.3.6 總結(jié)和討論
    4.4 本章小結(jié)
第五章 優(yōu)化模型中參數(shù)的自動優(yōu)化方法研究
    5.1 引言
    5.2 一種基于處方劑量的權(quán)重因子自動優(yōu)化方法研究
        5.2.1 算法理論基礎(chǔ)
        5.2.2 權(quán)重因子自動優(yōu)化算法原理
        5.2.3 權(quán)重因子的自動調(diào)整過程
        5.2.4 優(yōu)化模型
        5.2.5 實驗材料
        5.2.6 實驗結(jié)果與分析
        5.2.7 總結(jié)和討論
    5.3 一種模糊推理引導(dǎo)的混合放療參數(shù)的自動優(yōu)化方法研究
        5.3.1 模糊推理的理論基礎(chǔ)
        5.3.2 基于模糊推理的權(quán)重因子和處方劑量自動優(yōu)化算法原理
        5.3.3 優(yōu)化模型
        5.3.4 處方劑量和權(quán)重因子的自動調(diào)整過程
        5.3.5 實驗材料
        5.3.6 實驗結(jié)果與分析
        5.3.7 總結(jié)與討論
    5.4 本章小結(jié)
第六章 總結(jié)和展望
    6.1 本文工作總結(jié)
        6.1.1 劑量體積優(yōu)化中局部極值誤差減小的方法研究
        6.1.2 基于正則化的線性EUD子目標函數(shù)的改進
        6.1.3 基于分段懲罰的最大劑量和二次EUD子目標函數(shù)的構(gòu)建
        6.1.4 基于處方劑量的權(quán)重因子自動優(yōu)化方法研究
        6.1.5 基于模糊推理的混合放療參數(shù)自動優(yōu)化方法
    6.2 主要創(chuàng)新點
    6.3 未來工作展望
附錄：數(shù)學(xué)符號表
參考文獻
攻讀博士學(xué)位期間發(fā)表論文、參與項目情況
致謝



本文編號：3751544