论文部分内容阅读
放射治疗是医治癌症的三大主要手段之一,据估计,约有60%-70%的肿瘤病人需要进行放射治疗,40%的癌症治愈病人是由放射治疗治愈的,具有十分重大的意义。从经典的三维适形放射治疗技术发展到现在的调强放射治疗技术(intensity-modulated radiotherapy,IMRT),是放射肿瘤学史上的一次重大变革。但鉴于实际问题的复杂性,IMRT的优势还远没有在临床应用中完全发挥出来。IMRT治疗计划作为调强放疗的核心和基础,其中尚有许多急需解决的问题。 随着IMRT研究的深入和逆向治疗计划的发展,放射治疗中如何自动选择射野参数引起了广泛关注。在传统放射治疗中,射野参数的选择是通过反复试错(try and error)的方法实现的,治疗计划的优劣往往依赖于计划设计者的经验,由于IMRT采用逆向计划,需要选择的参数很多,通过试错的方式根本无法完成,必须使用优化方法来提高治疗计划设计水平。在过去的十多年中,人们对IMRT射野参数优化的优化方法进行了大量研究,最常用的包括:线性规划法、均方优化法、梯度方法、有约束模拟退火法和遗传算法等。 梯度算法是目前商用调强放疗(IMRT)计划系统中最常用的算法之一。M(?)ller提出的SCG(scaled conjugate gradient,缩放共轭梯度法)算法很好地解决了梯度算法中的线性搜索过程,进一步提高了梯度算法的性能。X.D.Zhang等人在Philips的Pinnacle计划系统上证实,缩放共轭梯度法的速度是常规共轭梯度法的