目的提出改進(jìn)最差場景算法,能夠提升計(jì)劃魯棒性并且能平衡計(jì)劃在標(biāo)稱場景下劑量分布質(zhì)量與計(jì)劃魯棒性。方法對C形靶模型計(jì)劃優(yōu)化中,以標(biāo)稱場景優(yōu)化為主,同時(shí)在每次迭代時(shí)計(jì)算每個(gè)體素在9種場景下的劑量值,取其與在標(biāo)稱場景下該體素劑量值的最大差值作為魯棒性優(yōu)化項(xiàng)添加入優(yōu)化目標(biāo)函數(shù)進(jìn)行優(yōu)化。結(jié)果在自主開發(fā)的魯棒性優(yōu)化計(jì)算模塊驗(yàn)證,當(dāng)權(quán)重因子probust=0.8時(shí),相比常規(guī)優(yōu)化,臨床靶體積的ΔD95%由9.8 Gy減小至7.6 Gy。當(dāng)probust由1減小到0時(shí),ΔD95%由7.0 Gy增大至9.8 Gy,計(jì)劃魯棒性降低,而標(biāo)稱場景下CTV的D95%、Dmax和危及器官的D5%、Dmax減小,劑量分布質(zhì)量得到提高。結(jié)論改進(jìn)最差場景算法能夠有效地提高計(jì)劃對于射程和擺位不確定性的魯棒性,并且該方法中probust可提供給計(jì)劃制定者用于權(quán)衡治療計(jì)劃在標(biāo)稱場景的劑量分布質(zhì)量和計(jì)劃的魯棒性。 

【文章來源】：中華放射腫瘤學(xué)雜志. 2020,29(10)北大核心CSCD

【文章頁數(shù)】：6 頁


本文編號：3404757