论文部分内容阅读
在放射治疗系统中进行精确、高效计划是实现精确放疗的重要前提,而剂量计算方法的精确程度、优化模型的形式、求解逆向问题优化算法的寻优能力,和计划过程的智能化程度等对放疗计划的质量和效率有着直接的影响。本文以提高放疗计划的质量为目标,对放疗优化模型和基于梯度优化算法的剂量体积优化的初始射束权重问题进行了深入的研究;本文以提高放疗计划的效率为出发点,对放疗参数的自动优化算法进行了研究。本文的主要创新性工作如下:1.基于器官的优化模型优化所得的帕累托平面属于DV约束优化所得的帕累托平面的理论基础,为基于梯度优化算法的剂量体积优化提出了一种确定初始射束权重的方法。为了改善剂量体积优化(DVO)计划的质量和降低由于DV约束目标的非凸性而产生的局部极值误差,提出了一种为DVO确定初始射束权重的方法,即基于器官优化模型优化引导的DVO。首先,采用改进的递增器官优化模型进行注量图优化(FMO),获得一组射束强度分布。然后,以第一步优化所得的射束强度分布为初始值进行DVO。在5例头颈癌测试病例和5例前列腺癌测试病例上对新算法的可行性和有效性进行了验证。实验结果表明,与传统采用均匀初始射束权重的DVO相比,新DVO能够在保持靶区剂量覆盖特性相似的前提下,更好地保护危及器官。而且,改进的DVO计划质量优于第一步优化中生成的计划质量。新提出的DVO方法改善了DVO计划的质量且缩短了DVO优化时间。2.提出了等效均匀剂量(EUD)线性子目标函数、最大剂量子目标函数和二次EUD子目标函数的改进型函数。(1)由于EUD线性子目标函数对满足处方剂量的剂量不区分、在可行解空间梯度消失和导数不连续的问题,限制了优化算法的寻优能力。为了解决这个问题,本节基于正则化理论构建了平滑且凸正则化的EUD子目标函数,即lse(log–sum–exp)EUD子目标函数。然后基于EUD子目标函数构建了混合放疗优化模型,在四种测试病例上验证了新模型的有效性。实验结果表明,与基于原来线性EUD子目标函数的混合优化算法相比,基于lse EUD子目标函数的混合优化算法可以在保证相似靶区剂量覆盖特性的前提下,更好地保护危及器官,提高了放疗计划质量。(2)为了解决由于最大剂量子目标函数和二次EUD子目标函数对满足处方剂量的剂量不区分、在可行解空间梯度消失和导数不连续而限制优化算法寻优能力的问题,本节基于分段函数的理论构建了分段惩罚的最大剂量子目标函数和二次EUD子目标函数。在新分段子目标函数中,对优化过程中低于处方剂量的实际剂量给予线性惩罚,给予高于处方剂量的实际剂量一个额外的二次惩罚。然后分别构建了基于最大剂量子目标函数的物理优化模型和基于二次等效均匀剂量的混合放疗优化模型,在四种测试病例上验证了新模型的有效性。实验结果表明,与基于原始二次子目标函数的优化相比,基于我们提出的分段惩罚子目标函数的优化可以更好地保护危及器官,提高了放疗计划的质量。另外,与基于DV约束的优化相比,新优化模型的待调放疗参数数量少,减小了计划的复杂性,新函数能够拓展对解空间的搜索能力。3.在了解了放疗中已有自动优化技术的基础上,提出了两种放疗参数自动优化方法。(1)为了提高放疗计划的效率,减少计划过程中的人工介入,提出了一种基于处方剂量的权重因子自动优化方法。步骤一,根据本节提出的权重因子惩罚策略自动迭代调整权重因子;步骤二,根据评价函数对基于步骤一中权重因子优化所得的当前计划进行评价;步骤三,如果当前计划是临床不能接受的,则通过引入补偿系数的方法对不满足剂量目标的子目标函数施加更高的惩罚。上述优化过程循环进行,直到得到一个临床可接受的计划或者步骤三,即补偿阶段达到最大的预设迭代次数Nmax。在10例头颈癌测试病例上验证了算法的可行性和有效性。实验结果表明:就DVH曲线和三维剂量分布而言,自动计划相当或者优于人工计划;新方法很大程度上提高了调整权重因子的效率,有助于放疗计划的自动化;而且,子目标函数越多,新算法的优势越明显。(2)为了将计划设计者的参数调整经验纳入自动优化过程,提出了基于模糊推理的混合放疗参数自动优化方法。首先人工初始化目标函数中参数,使用基于模糊推理的参数自动优化系统进行处方剂量参数或权重因子参数的自动迭代模糊调整,使用注量图优化模块优化注量图参数,最终确定了目标函数中处方剂量参数和权重因子参数,得到满足临床剂量要求的注量图;当基于模糊推理的参数自动优化系统得到满足临床剂量要求的计划后,就可以通过进一步改善计划系统对计划进行进一步改善,得到最终计划。在10例前列腺癌测试病例上对新自动优化算法的有效性进行了测试。实验结果表明,自动计划的质量相当或者优于人工计划的质量。