论文部分内容阅读
背景与目的：由于人类高发肿瘤大多位于胸腹部(如肺癌),会受呼吸和胃肠蠕动等生理现象的影响,因此运动靶区的放射治疗方法是当前放疗领域的一个研究热点,目前的解决方法是4D放疗和实时跟踪放疗。本研究将两种方法有机地结合起来,在计划设计阶段确定叶片运动轨迹时,考虑标记点在将来治疗时的可见性,以便实现有计划的实时跟踪。本研究的主要研究内容为：一、在静态调强治疗模式(SMLC)下考虑标记点可见性最大化的叶片运动轨迹(即分子野序列)算法。在利用实时跟踪技术进行调强放射治疗时,我们需要在患者体内(靶区或靶区附近区域)植入标记点,以利用影像系统(如EPID)对患者靶区的运动进行实施跟踪。由于调强治疗时多叶准直器(MLC)会形成大小形状不同的照射子野,因此我们需要尽可能多的提高标记点的探测概率,即使得标记点尽可能的出现在EPID上。为了量化标记点的探测概率,本研究在国际上首次提出了标记点可见性的概念,即标记点可见时间与射野照射时间的百分比比值；二、在动态调强治疗模式(DMLC)下考虑标记点可见性最大化的叶片轨迹算法。该研究内容与“在静态调强治疗模式下考虑标记点可见性最大化的分子野序列算法”相关,只是在动态调强模式下进行叶片轨迹的优化,优化目标同样是标记点可见性的最大化。材料与方法：我们首先建立优化算法的数学模型和该算法的程序流程图,而后采用MATLAB语言编写相应的程序以实现该优化算法。为了检验所提出的优化算法的可行性、正确性和计算效率,我们采用计算机随机生成的6个测试野(大测试野20×20、中测试野10×10、小测试野5×5各2个,含有1个或3个标记点)以及临床的15个测试野(3个前列腺癌病例,每个病例均采用5野放射治疗计划设计方案,并含有3个标记点)进行算法评估。结果：对于静态调强,采用随机测试野及临床测试野进行的优化算法评估的结果表明：1)相比于初始的子野序列,优化的子野序列不会增加总实施强度级数目；2)相比于初始的子野序列,优化的子野序列提高了标记点可见性；对于动态调强,采用随机测试野及临床测试野进行的优化算法评估,也有类似的结果。另外,无论是子野序列优化算法,还是叶片轨迹优化算法,各测试野的程序运行时间均小于1s,说明本研究提出的优化算法的计算效率很高。结论：本研究在国际上首次提出了标记点可见性的概念,很好的解决了实时跟踪放射治疗过程中,量化标记点探测效率的问题。在静态调强治疗模式下,提出了考虑标记点可见性的子野序列优化算法,使得优化后子野序列的标记点可见性可以达到最大值；在动态调强治疗模式下,提出了考虑标记点可见性的叶片轨迹优化算法,使得优化后叶片轨迹的标记点可见性也可以达到最大值。本研究提出的优化算法是可行的,正确的,并且计算效率也很高,可以作为今后开展实时跟踪放射治疗的理论基础,有很高的理论价值和应用前景。