IMRT逆向计划中多目标粒子群算法及目标函数的研究

摘要

放射治疗的根本目标是最大限度地杀灭肿瘤细胞并使周围的正常组织和重要器官免受和尽可能少受不必要的照射。调强放射治疗(IMRT)被放射肿瘤学界认为是放射治疗技术的发展方向，是新一代放射治疗技术的主流。
　　 调强放疗的逆向计划过程，根据计划制定者设定的目标，利用优化算法自动寻找最优的入射角度、布野方式和强度分布，实现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。因此开展调强放疗逆向计划的优化算法和目标函数研究具有学术意义和实际价值。
　　 论文的主要工作和成果如下：
　　 1．在国家自然科学基金项目“IMRT逆向计划中多目标优化算法及其目标函数的研究(60872112)”和浙江省自然基金项目“调强适形放射治疗IMRT中逆向计划关键问题研究(Z207588)”的共同资助下，项目组开展了多方面的研究工作，但在多目标优化算法的研究上，发现难以兼顾收敛速度算法的稳定性问题，因此，本论文开展了多目标粒子群算法的研究，期望在保证算法稳定性的前提下提高收敛速度。
　　 2．用六个比较有代表性的测试函数验证了该算法的有效性。
　　 3．在IMRT逆向计划系统平台MOTPS下，通过水模测试算例将多目标粒子群算法与项目组前期工作的优化算法进行了逆向计划比较，结果表明该算法在收敛速度、非劣解个数和稳定性方面均符合设计初衷。
　　 4．在基于平均剂量和基于剂量-体积的目标函数研究基础上，提出了具有混合约束的剂量体积目标函数，并通过测试算例进行射野强度的优化，结果表明目标函数的设置对IMRT的逆向计划过程有很大的影响。

目录

文摘

英文文摘

第1章 绪论

1.1 课题背景和研究意义

1.1.1 概述

1.1.2 调强放射治疗的计划系统

1.1.3 调强放射治疗计划系统的分类

1.1.4 调强放射治疗计划系统的关键技术

1.2 国内外研究现状

1.2.1 进化算法

1.2.2 目标函数

1.3 论文的主要内容

第2章 多目标优化算法

2.1 最优化方法

2.1.1 遗传算法

2.1.2 模拟退火算法

2.1.3 粒子群算法

2.2 多目标优化的基本概念

2.3 IMRT多目标逆向计划系统中的多目标优化算法

2.3.1 多目标遗传算法

2.3.2 基于交叉变异扰动的MOSA算法[44-45]

2.3.3 多目标梯度算法[46]

2.3.4 改进的快速非支配分类遗传算法[47]

2.4 多目标粒子群算法[48]

2.5 小结

第3章 IMRT逆向计划测试算例及比较

3.1 IMRT多目标逆向计划系统算法过程[43]

3.2 测试算例

3.3 小结

第4章 IMRT逆向计划中目标函数研究

4.1 常用目标函数[50]

4.2 具有混合约束的剂量-体积目标函数

4.3 结果比较

4.4 小结

第5章 总结与展望

5.1 总结

5.2 展望

参考文献

致谢

攻读学位期间参加的科研课题及成果