论文部分内容阅读
目的
提出改进最差场景算法，能够提升计划鲁棒性并且能平衡计划在标称场景下剂量分布质量与计划鲁棒性。
方法对C形靶模型计划优化中，以标称场景优化为主，同时在每次迭代时计算每个体素在9种场景下的剂量值，取其与在标称场景下该体素剂量值的最大差值作为鲁棒性优化项添加入优化目标函数进行优化。
结果在自主开发的鲁棒性优化计算模块验证，当权重因子probust＝0.8时，相比常规优化，临床靶体积的ΔD95%由9.8 Gy减小至7.6 Gy。当probust由1减小到0时，ΔD95%由7.0 Gy增大至9.8 Gy，计划鲁棒性降低，而标称场景下CTV的D95%、Dmax和危及器官的D5%、Dmax减小，剂量分布质量得到提高。
结论改进最差场景算法能够有效地提高计划对于射程和摆位不确定性的鲁棒性，并且该方法中probust可提供给计划制定者用于权衡治疗计划在标称场景的剂量分布质量和计划的鲁棒性。