论文部分内容阅读
放射治疗为治疗肿瘤的三大常规手段之一,超过半数的癌症患者在治疗过程中需要接受放射治疗。放射治疗利用射线照射病灶,通过射线能量破坏癌细胞染色体以达到杀死癌细胞、治疗肿瘤的目的。放射治疗在利用射线照射病灶时,会不可避免地照射到病灶周围的正常组织,从而引起辐射损伤。为了减少正常组织在放射治疗过程中所接收的剂量、降低正常组织并发症发生的概率,调强放射治疗(Intensity-modulated Radiation Therapy,IMRT)应运而生。IMRT利用多种调强技术,依据优化算法所得放射治疗计划设置子野形状和权重,使得照在人体上的射线高剂量区域与靶区区域高度重合,降低靶区周围正常组织所接收到的剂量。本研究立足于IMRT的多叶准直器静态调强技术,对子野形状生成优化算法展开了深入研究,主要工作如下:(1)针对在IMRT方案优化中,物理准则目标函数无法准确反映生物组织在非均匀剂量照射下的生物反应、有限内存的BFGS算法(Limited memory BFGS,L-BFGS)无法直接求解IMRT方案优化问题等问题,提出一种基于生物准则的IMRT方案优化方法,并应用于求解采用两步法实现IMRT静态调强过程中的注量图优化(Fluence Map Optimization,FMO)问题。所提方法首先将生物准则引入到IMRT方案优化问题的总目标函数构造中,研究生物准则的特性以及对应子目标函数的函数性质,并对比基于物理准则目标函数和基于生物准则目标函数对优化结果的影响;然后采用带边界约束的L-BFGS算法(L-BFGS for bound constrained,L-BFGS-B)求解FMO问题,对比L-BFGS算法与L-BFGS-B算法在求解FMO问题过程中的异同之处。研究表明,在优化问题的总目标函数中引入生物准则子目标函数,能够更准确地反映生物组织的放射剂量学效应,合理预测正常组织的并发症概率并予以反馈;采用L-BFGS-B算法直接求解IMRT方案优化问题,能够进一步降低求解问题的计算量。(2)针对列生成(Column Generation,CG)算法直接利用子野梯度信息生成临床可接受的治疗计划存在计算量大的问题,提出一种基于区域生长的CG算法,以降低CG算法生成子野形状的计算量。首先,对经计算所得的子野梯度图进行非线性变换,研究子射束梯度与子野形状之间的关系。其次,对处理后的子野梯度图进行区域生长,并对区域生长后的梯度图进行合并,分析所提方法降低计算量的性能。然后,利用处理后的子野梯度图构造图论方法所需的网络图,采用最短路径算法求解代价问题,获得临床可接受的子野形状,并将其添加到治疗计划中。最后,对已生成的子野的权重进行优化。研究表明,相较于一般的CG算法,所提方法能够在不改变算法结构的基础上降低生成子野的计算量,实现算法加速,并且能够提高所得治疗计划质量。(3)针对采用负梯度下降方向搜索极值、在极值附近存在收敛速度变慢的问题,提出一种基于动量梯度下降方向的子野形状生成算法,用以加速现有CG算法采用负梯度下降方向搜索子野形状的收敛进程。在子野形状生成过程中,首先,获得子野梯度图,研究相较于最速下降法,动量梯度下降法加速搜索进程、减少搜索方向振荡的原理。然后,根据子野梯度图中的梯度元素计算动量梯度,分析动量梯度不改变极值的特性。最后,构造动量梯度下降方向用以搜索临床可接受的子野形状,研究动量梯度下降方向的加速性能。研究表明,所提方法能够利用更少的子野获得比一般的CG算法的优化结果质量要好的治疗计划。(4)此外,为了克服CG算法采用负梯度下降方向生成子野形状存在收敛速度慢的缺陷,提出基于共轭梯度下降方向的CG算法。所提方法在子野形状生成过程中,利用子野梯度图中梯度构造共轭梯度下降方向,用以搜索临床可接受子野形状。实验结果表明,所提方法能够在减少治疗计划所需的子野数目的同时,降低算法优化时间,同时改善各个器官上的剂量分布。进一步地,为了加快基于单一的共轭梯度下降方向搜索子野形状的进程,提出了基于两种共轭梯度下降方向联合决策的CG算法。在代价问题求解过程中,根据子野梯度图中的梯度信息分别构造两种共轭梯度下降方向,然后随着迭代次数的增加,调节两种共轭梯度下降方向在决定子野形状搜索方向时的权重,以获得临床可接受的子野形状并加入到治疗计划中。研究表明,相较于一般的CG算法和基于单一的共轭梯度下降方向的CG算法,所提方法的目标函数的下降速度最为理想,算法速度最快,并且所得治疗计划的质量得到了提高。