论文部分内容阅读
放射治疗是目前治疗恶性肿瘤的主要手段之一,放射治疗计划的快速制定具有很现实的意义。而剂量计算是放射治疗计划的核心,剂量计算的速度与精度,对放射治疗计划制定的效率和质量具有重要影响。常用的剂量计算方法有蒙特卡罗法、笔形束法和卷积叠加算法。蒙特卡罗方法的计算精度较高,但耗时很长;笔形束法的计算速度比蒙特卡罗方法快,但精度较低;卷积叠加算法的计算速度比蒙特卡罗方法快,同时精度比笔形束法高,其中一种改进的卷积叠加算法,即CollapsedCone卷积叠加算法(Collapsed Cone Convolution/Superposition, CCCS)降低了计算复杂度,计算速度获得较大提高,但实际应用特别是调强放射治疗(Intensity Modulated Radiotherapy,IMRT)治疗计划设计时,其计算速度还有待于进一步提高。能谱是CCCS剂量计算的重要参数之一。医用直线加速器高能射束能谱的直接测量很困难,根据百分深度剂量的测量数据,本文提出利用模拟退火优化算法对光子束能谱进行重建,并利用蒙特卡罗软件对光子束能谱进行模拟,对模拟退火法重建的光子束能谱进行评估,实验结果表明利用模拟退火算法进行光子束能谱重建可靠有效。在放射治疗计划制定过程中,计划优化过程需要反复进行剂量计算,为了提高治疗计划的优化速度,CCCS算法的计算速度依然需要大幅提高以满足实际临床的需要。近年来图形处理器(Graphics Processing Units,GPU)以高并行度、高浮点处理能力,在各个领域得到快速发展,并开始应用在剂量计算和治疗计划优化方面。本文提出利用GPU对CCCS算法的四个核心模块进行加速计算,采用计算统一设备架构(Compute Unified Device Architecture,CUDA),实验环境是Windows7系统、Visual Studio2010开发平台,CUDA4.1环境,型号为NVIDIAQuadroFX380LP、计算能力为1.2的GPU。为了评估基于GPU加速的CCCS剂量计算方法的性能,将其计算结果与CPU环境下的CCCS算法的计算结果进行比较,从计算时间和精度两个方面进行评价。实验结果表明:利用GPU对CCCS算法进行加速计算,可以显著缩短剂量的计算时间,并且随着计算规模的增大,加速比相应地增大,同时计算精度可得到保证。综上所述,利用GPU进行快速剂量计算是一种可靠、快速的新型计算方法,在保证计算精度的同时可以大大加快剂量计算速度,且占用空间小、花费较少,具有广阔的应用前景。