IMRT逆向计划中多目标优化算法进化策略的研究

摘要

放射治疗与手术治疗和化学药物治疗一起，组成了肿瘤的三大治疗手段。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分布并防止高剂量落入周围敏感器官和正常组织，从而提高治疗效果。优化算法作为IMRT逆向计划的核心和基础，其中尚有许多需要解决的问题。
　　 目前实用于IMRT计划系统的逆向过程大多是单目标的，不符合逆向计划的多目标特性，所以有必要在多目标优化理论基础上研究算法，为放疗逆向计划提供多目标优化的算法基础。
　　 论文的主要工作有：
　　 1.对放射治疗的基础知识、IMRT的发展过程、分类、国内外的研究现状进行了综述，分析了目前IMRT优化算法当中所存在的不足；
　　 2.介绍了最优化方法的理论知识，对目前应用到IMRT逆向计划的优化算法进行了研究，分析比较了各种算法的优缺点，为后续IMRT逆向计划中多目标优化算法的进化策略的研究提供了理论基础；
　　 3.在遗传算法的基础上对IMRT逆向计划中多目标进化策略进行了研究，对多目标遗传算法NSGA-II进行了改进，用测试函数验证了改进算法的有效性；
　　 4.把改进的NSGA-II算法应用到IMRT逆向计划系统平台MOTPS，通过实际算例将本论文的改进算法与项目组前期工作的优化算法进行了逆向计划比较，结果表明改进的NSGA-II算法具有一定的速度优势，从得到的Pareto非劣解集中获得的满意解能满足临床需要。

目录

文摘

英文文摘

声明

第1章 绪论

1.1课题研究背景

1.1.1放射治疗计划系统概述

1.1.2放射治疗计划系统的分类

1.1.3调强放射治疗中的优化算法

1.2 IMRT优化算法的国内外研究现状

1.2.1国际上的研究现状

1.2.2国内的研究现状

1.3研究目的和意义

1.4研究的主要工作

1.5本章小结

第2章 IMRT逆向计划优化算法的研究

2.1引言

2.1.1最优化方法概述

2.1.2 IMRT逆向计划的最优化问题

2.2 IMRT逆向计划优化算法概述

2.2.1模拟退火算法

2.2.2遗传算法

2.2.3神经网络优化算法

2.2.4梯度算法

2.3本章小结

第3章 多目标优化算法中进化策略的研究

3.1引言

3.2多目标优化算法

3.2.1多目标优化的基本概念

3.2.2传统的多目标优化算法

3.3多目标进化策略的研究

3.3.1向量评估遗传算法(vector Evaluated Genetic Algorithm VEGA)

3.3.2多目标遗传算法(Multi-objective Genetic Algorithm MOGA)

3.3.3小生境Pareto遗传算法(Niched-Pareto Genetic Algorithm NPGA)

3.3.4非支配分类遗传算法(Non-dominated Sorting Genetic Algorithm NSGA)

3.3.5快速非支配分类遗传算法(Quick Non-dominated Sorting Genetic Algorithm NSGA-Ⅱ)

3.3.6改进的快速非支配分类遗传算法(Improved Quick Non-dominated Sorting Genetic Algorithm NSGA-Ⅱ)

3.4本章小结

第4章 改进的NSGA-Ⅱ算法在IMRT逆向计划实验平台的应用

4.1 IMRT逆向计划实验平台简介

4.2 IMRT逆向计划实验平台涉及到的相关技术

4.2.1剂量计算方法

4.2.2目标函数的设定

4.2.3逆向计划过程步骤算例描述

4.3改进的NSGA-Ⅱ算法在实验平台的应用比较研究

4.3.1算例仿真

4.3.2实验平台前期优化工作结果

4.3.3改进的NSGA-Ⅱ算法的优化结果

4.3.4比较与分析

4.4本章小结

第5章 结论与展望

5.1结论

5.2展望

参考文献

致谢

攻读学位期间参加的科研项目和成果