调强放射治疗是一种先进的三维适形放射治疗技术,近年来广泛用于临床肿瘤治疗。它的特点在于通过照射野的射线束的强度是可调的,用强度可变的射线束照射肿瘤靶区,能够获得相对均匀的剂量并防止高剂量落入周围敏感组织和正常组织,从而提高治疗比,降低对病人的伤害。与传统的正向计划不同,调强放疗采用逆向计划,先由医生确定处方剂量,包括靶区的照射剂量和靶区周围敏感组织的耐受剂量,然后由计算机给出实现该结果的方法和参数,从而实现了治疗计划的自动最佳优化。治疗方案的优化是逆向计划系统的重要组成部分,治疗方案的可靠性和效率直接影响到治疗的精度和疗效。本文根据调强放疗逆向计划的研究现状,结合现代的最优化方法,建立优化模型,对调强放疗逆向计划的优化作了较为深入的研究。首先介绍了一些最优化方法,包括牛顿法、变尺度法等确定性方法,以及模拟退火、遗传算法等智能优化的随机性方法。接着深入分析了多目标优化的相关概念,详细论述了NSGA-II多目标遗传算法。本文还介绍了规则野、不规则野的各种剂量计算模型,其中着重论述了目前常用的基于笔形束模型的剂量计算方法,用于计算由多叶准直器形成的不规则野的剂量分布。最后研究了两种调强放疗计划优化方法,一种是基于梯度算法的方法,另一种是基于多目标遗传算法的方法,并对这两种方法做了模拟优化和对比分析。第一种方法具体采用了L-BFGS算法,并运用加权求和法将目标函数转换成单目标函数来进行优化。该方法的收敛速度较快,但容易陷入局部极值,而且需要人为主观给予各目标函数的权重,每次计算只能得到一个优化解。相比而言,采用NSGA-II多目标遗传算法对调强放疗逆向计划进行优化,一次计算就可以得到Pareto最优解集合,决策者可以根据临床要求从中选择合适的解,这种方法具有更强的灵活性,能更好地满足临床需要。