Randomized Algorithms For High Quality Treatment Planning in Volumetric Modulated Arc Therapy
近年来，体积调变弧治疗（VMAT）已成为一种越来越重要的放射治疗技术，广泛应用于癌症的临床治疗。VMAT的关键问题之一是治疗计划的优化，这是复杂的，由于所涉及的设备施加的约束。本文考虑了一个具有四个主要约束的模型：束流强度的约束、束流强度变化率的上界、多叶准直器（MLC）叶片的移动速度及其方向凸性。我们通过两阶段算法求解该模型：交替执行最小化相对于孔径和光束强度的形状。具体地说，孔径的形状是通过一个贪婪的算法，其性能是通过随机采样的叶对递减率提高。采用非单调线搜索的梯度投影法对光束强度进行优化。我们进一步改进了所提出的算法，通过增量随机重要性采样的体素，以减少能量泛函的计算成本。对两个临床癌症数据集的数值模拟表明，我们的方法在计算时间和治疗计划质量方面与最先进的算法具有很强的竞争力。
2016-01-05 physics.med-ph
A primer on treatment planning aspects for temporally modulated pulsed radiation therapy
Montefiore Medical Center（蒙特菲奥医疗中心）；Albert Einstein College of Medicine（阿尔伯特·爱因斯坦医学院）；University of Wisconsin（威斯康星大学）；Washington University（华盛顿大学）
本文介绍了时间调制脉冲放射治疗的治疗计划方法，强调了VMAT在优化剂量均匀性和适应性方面的优势，以及3D-CRT在提高治疗可及性方面的贡献。
2026-01-11 physics.med-ph
Effect of the Collimator Angle on Dosimetric Verification of the Volumetric Modulated Arc Therapy
由于多叶准直器（MLC）叶片之间的辐射泄漏，在规划体积调制式弧形治疗（VMAT）时，通常需要旋转准直器角度。我们研究了准直器角度对头颈部患者VMAT计划剂量学验证结果的影响。我们研究了10名头颈部患者的VMAT计划。我们为每位患者制定了2套VMAT计划。每组由10个计划组成，准直器角度为0、5、10、15、20、25、30、35、40、45度。第一组中的计划单独优化，第二组中的计划共享30度准直器角度优化。使用2维离子室阵列MatriXX（IBA Dosimetry，Germany）验证了两组计划。通过$γ$指数分析比较计算值和测量值。$γ$指数（2%/2 mm）和（3%/3 mm）的通过率与准直器角度呈负相关。每例患者不同准直器角度的$γ$指数（3%/3 mm）通过率之间的最大差异范围为1.46%~ 5.60%，平均为3.67%。不同准直器角度的通过率有显著性差异（最大为5.6%）。结果表明，准直器角度的大小决定了剂量的准确性。在VMAT计划中选择准直器角度时，这些发现可提供信息。
2015-03-12 physics.med-ph
Deep learning for accelerating Monte Carlo radiation transport simulation in intensity-modulated radiation therapy
癌症是世界范围内发病率和死亡率的主要原因。放射治疗在肿瘤治疗中发挥着越来越重要的作用。在放射治疗中，为了达到杀死肿瘤和保护健康组织的目的，需要计算和评价患者体内的剂量分布图。蒙特卡罗（MC）辐射输运计算能够考虑三维非均匀介质（如人体）中辐射物理的各个方面，并准确地生成剂量分布图。然而，放射治疗剂量的MC计算通常需要花费大量的时间来达到可接受的统计不确定度，这阻碍了MC方法的更广泛的临床应用。在这里，我们引入了一个卷积神经网络（CNN），称为蒙特卡罗去噪网络（MCDNet），以实现加速放射治疗中的MC剂量计算，它被训练成直接从低光子（噪声多）剂量图预测高光子（无噪声）剂量图。30例直肠癌术后接受调强放射治疗（IMRT）的患者入选本研究。3D伽马指数通过率（GIPR）用于评价预测剂量图的性能。实验结果表明，MCDNet可以提高1x107光子的剂量图的GIPR超过1x108光子，产生超过10倍的加速在MC模拟IMRT中使用的光子数。这是一个很大的潜力，以研究这种方法对其他肿瘤部位和治疗方式的性能。
2019-10-17 physics.med-ph
Deep Reinforcement Learning for Beam Angle Optimization of Intensity-Modulated Radiation Therapy
目的：调强放射治疗（IMRT）射束角度优化（BAO）是一个具有挑战性的组合优化问题，是NP难的。在这项研究中，我们的目标是开发一个个性化的BAO算法调强放射治疗，提高最终治疗的质量。方法：为了提高IMRT治疗计划的质量，我们提出了一种基于深度强化学习（DRL）的IMRT BAO方法。我们认为任务作为一个顺序决策问题，并制定它作为一个马尔可夫决策过程。为了便于训练过程，设计了3D-Unet来预测不同数量的射束角度（范围从1到9）的剂量分布，以模拟IMRT环境。通过利用仿真模型，双深Q网络（DDQN）和邻近策略优化（PPO）被用来训练代理选择个性化的波束角度在几秒钟内顺序。结果：由DRL选择射束角度的治疗计划优于临床使用的均匀分布射束角度的治疗计划。对于DDQN，对于5、7和9个光束角度，CI的总体平均改善分别为0.027、0.032和0.03。对于PPO，对于5、7和9个光束角度，CI的总体平均改善分别为0.045、0.051和0.025。结论：所提出的基于DRL的射束角度选择策略可以在几秒钟内生成个性化的射束角度，并且所得到的治疗计划优于使用均匀分布的角度获得的治疗计划。意义：提出了一种快速、自动化的IMRT BAO个性化射束角度选择方法。
2023-03-07 physics.med-ph
Ultra-fast treatment plan optimization for volumetric modulated arc therapy (VMAT)
目的：研究一种新的基于孔径的VMAT治疗计划优化算法，实现高质量、高效率的VMAT治疗计划优化。方法：将VMAT优化问题转化为一个大规模的凸规划问题，采用列生成方法求解。我们考虑一个成本函数，包括两个方面，第一个强制执行所需的剂量分布，而第二个保证连续的机架角度之间的平滑剂量率变化。在列生成方法的每次迭代中，首先求解子问题以生成多个可交付MLC孔径，这可能最有效地降低成本函数。随后的主问题，然后解决，以确定在所有当前生成的孔径的剂量率通过最小化的成本函数。这种算法的迭代在所有机架角度处产生一组可递送孔径以及剂量率。结果如下：该算法在5个前列腺和5个头颈部临床病例上进行了初步测试，每个病例都有一个完整的机架旋转，没有任何治疗床/准直器旋转。与相应的共面IMRT治疗计划（前列腺病例9个射野，头颈部病例5个射野）相比，VMAT计划向关键结构输送的剂量要低得多，向靶区输送的剂量更适形。此外，在我们的算法中已经实现了极高的效率。在CPU上仅需5~8分钟（Intel Xeon 2.27 GHz CPU上的MATLAB代码），在GPU上仅需18~31秒（NVIDIA Tesla C1060 GPU卡上的CUDA代码）即可生成此类计划。结论：我们开发了一种基于孔径的VMAT优化算法，该算法可以以非常高的效率生成临床可交付的高质量治疗计划。
2010-05-24 physics.med-ph
Dose Verification of Volumetric Modulated Arc Therapy using One and Two Dimensional Dosimeters
目的：验证头颈部肿瘤体积调制式弧形治疗（VMAT）的剂量输送和质量保证。方法：使用计算机断层成像扫描对带有热发光剂量计（TLD）和胶片的成像和放射肿瘤学中心休斯顿（IROC-H）头颈部体模进行成像，并将重建图像传输至pinnacle治疗计划系统（TPS）。在TPS上手动勾画计划靶体积（PTV）、次级靶体积（STV）和危及器官（OAR），制定治疗计划。根据IROC-H处方确定相关器官的剂量限制。采用自适应卷积算法优化治疗计划，提高剂量均匀性和符合性。使用C. C卷积算法进行剂量计算，并使用Varian True Beam直线加速器将治疗计划输送至头颈部体模。通过TLD和GafChromic EBT 2胶片测量体模的辐射剂量。通过分析TPS计算剂量和直线加速器输送剂量的百分比剂量差、等剂量线轮廓和伽马分析，研究了VMAT输送的剂量学性能。测试结果：在TLD的计划剂量和测量剂量之间观察到3.8%的剂量差异百分比，并且通过比较等剂量线轮廓观察到1.5mm的一致距离（DTA）。通过伽马标准3%/3 mm的百分比为良好。结论：VMAT递送用于具有挑战性的头部和颈部放射治疗的剂量测定性能可以使用嵌入在拟人H\&N体模中的TLD和胶片来验证。
2018-05-17 physics.med-ph
Statistical quality control for volumetric modulated arc therapy (VMAT) delivery using machine log data
本研究的目的是使用机器日志数据建立用于监测体积调制弧治疗（VMAT）输送误差的统计质量控制。Eclipse和Clinac iX直线加速器与RapidArc系统（Varian Medical Systems，Palo Alto，USA）用于交付VMAT计划。在输送RapidArc射野期间，机器确定输送的电机单位（MU）和机架角度位置精度，并在完成RapidArc输送后在控制台监视器上显示MU（sigma_MU;剂量测定误差）和机架角度（sigma_GA;几何误差）的标准偏差。在本研究中，首先分析日志数据以确认其有效性和可用性;然后，应用统计过程控制（SPC）及时监测所有RapidArc射野的sigma_MU和sigma_GA：99名患者共195个弧射野。所有射野的sigma_MU和sigma_GA测定两次，即首先在患者特定计划QA期间测定，然后在首次治疗期间再次测定。无论治疗部位如何，sigma_MU和sigma_GA时间序列都非常稳定;然而，sigma_GA强烈依赖于机架旋转速度。立体定向体部放射治疗（SBRT）的RapidArc输送的sigma_GA小于典型VMAT。因此，SPC分别适用于SBRT病例和一般病例。此外，机架旋转的电位计的精度是重要的，因为sigma_GA可以由于其条件而显著改变。通过将SPC应用于sigma_MU和sigma_GA，可以有效地监控交货错误。然而，S…
2015-03-13 physics.med-ph
On tradeoffs between treatment time and plan quality of volumetric-modulated arc therapy with sliding-window delivery
本研究的目的是给出一个精确的公式优化的容积调制弧治疗（VMAT）与滑动窗口交付，并调查计划质量的影响，减少滑动窗口扫描的数量上的360度弧更快的VMAT治疗。根据确切的配方，我们解释了以前在文献中提出的算法作为一种启发式方法来解决这个优化问题。通过首先进行推广，我们建议修改此算法，以更好地处理计划与较少的扫描。在涉及一个前列腺和一个肺部病例的数值研究中，生成了具有不同治疗时间和扫描次数的计划。据观察，随着治疗时间限制变得更严格，更少的扫描可能导致更好的计划质量。的原始和修改后的版本的算法的性能进行评估并行。应用修改后的版本的结果在更好的目标函数值和更少的剂量之间的差异优化和准确的剂量，和优势是明显的扫描次数减少。
2018-10-19 math.OC physics.med-ph
Monte-Carlo-based 4D robust optimization using physical and temporal uncertainties for intensity-modulated proton therapy
目的：呼吸运动和相互作用效应导致点扫描质子治疗输送给患者的剂量与优化期间计划的剂量不同。开发了一种新的4D鲁棒优化方法，该方法将患者呼吸和相互作用效应以及它们的不确定性纳入优化过程中。研究方法：4D鲁棒优化器使用4DCT图像集来获得关于患者呼吸的信息，并包括射束输送模拟以合并相互作用效应。使用蒙特卡罗模拟计算所有呼吸相位上来自潜在点的剂量，使用可变形图像配准将其变形为参考相位，然后添加加权和。不同阶段的权重基于波束传输模拟。通过将范围和设置不确定性视为物理不确定性场景，将患者呼吸和治疗输送的不确定性视为时间不确定性场景，将稳健性添加到优化中……结果如下：4D稳健优化计划显示出改善的靶区覆盖率，平均剂量增加到靶区体积的98%，平均剂量增加4.9%，均匀性改善，均匀性指数平均降低6.0%，稳健性改善，所有不确定性场景中的覆盖率和均匀性范围平均分别降低35.0%和52.5%。结论：一个4D鲁棒优化器的开发，其中包括相互作用的影响，并不依赖于呼吸和交付的同步。
2019-07-30 physics.med-ph
Intensity modulated proton arc therapy via geometry-based energy selection for ependymoma
我们开发了一种创建调强质子弧治疗（IMPAT）计划的新方法，该计划有效地利用了计算资源，并可为室管膜瘤或类似肿瘤几何形状的患者提供剂量学益处。我们的IMPAT规划方法包括一个基于几何的能量选择步骤与主要的扫描光斑贡献作为输入计算使用射线跟踪和单高斯近似的横向光斑轮廓。基于扫描点和剂量体素的几何关系，我们的能量选择模块在每个机架角度处选择最小能量层集合，使得每个目标体素被规划者指定的足够的扫描点覆盖，并且剂量贡献高于指定阈值。最后，通过使用商业质子治疗计划系统稳健地优化所选能量层的扫描点来生成IMPAT计划。IMPAT计划的质量进行了评估4室管膜瘤患者。参考三场IMPT计划创建类似的规划目标函数，并与IMPAT计划进行比较。在所有计划中，处方剂量覆盖95%的临床靶体积（CTV），同时保持脑干的最大剂量相似。虽然IMPAT和IMPT实现了类似的计划稳健性，IMPAT计划比IMPT计划实现了更好的同质性和一致性。IMPAT计划也表现出更高的相对生物学有效性（RBE）的增强比相应的参考IMPT计划的CTV在所有四名患者和脑干中的三个。所提出的方法证明了作为IMPAT计划的有效技术的潜力，并且可以为室管膜瘤或靠近关键器官的肿瘤患者提供剂量学益处。使用这种方法创建的IMPAT计划具有与增加的线性能量转移相关的RBE增强。
2022-11-24 physics.med-ph
A dosimetric and robustness analysis of Proton Arc Therapy (PAT) with Early Energy Layer and Spot Assignment (ELSA) for lung cancer versus conventional Intensity modulated therapy (IMPT)
本研究比较了ELSA-PAT与IMPT在肺癌治疗中的剂量学与鲁棒性，发现两者靶区覆盖相当，PAT适形度更好但心脏毒性增加且对相互作用效应鲁棒性较低。
2024-09-25 physics.med-ph
Direct leaf trajectory optimization for volumetric modulated arc therapy planning with sliding window delivery
我们提出了一种新的优化模型的体积调制弧治疗（VMAT）规划，直接优化可交付的叶轨迹的治疗计划优化问题，并消除了需要一个单独的弧排序步骤。在这个模型中，一个360度的弧被分成给定数量的弧段，叶片在这些弧段中单向移动。这有助于确定每个弧段的最佳分段线性叶轨迹的算法，其在给定的治疗时间内可递送。多叶准直器（MLC）的约束，包括最大叶速度和交错，明确占。该算法经过定制，允许使用恒定机架速度和剂量率进行VMAT输送，但是，如果有益，该算法可推广到可变机架速度。我们展示了三个不同的肿瘤部位的方法：头颈部的情况下，前列腺的情况下，和脊柱旁的情况下。为此目的，我们首先获得一个参考计划的调强放疗（IMRT）使用注量图优化和20个等距束方向。随后，通过将360度弧划分为20个对应的弧段来优化VMAT计划。假设典型的机器参数（剂量率为600 MU/min，最大叶片速度为3 cm/sec），证明了优化的VMAT计划的质量接近IMRT基准计划的质量，输送时间为3至4分钟。
2013-06-17 math.OC physics.med-ph
Impact of limited temporal resolution on 4D Monte Carlo dose calculation for intensity modulated proton therapy
本研究提出基于配准插值提高4DCT时间分辨率的方法，以解决调强质子治疗中4D剂量计算的有限时间分辨率问题，并在肺癌患者中验证其能有效提高剂量计算精度。
2023-10-12 physics.med-ph
Sparsity constrained split feasibility for dose-volume constraints in inverse planning of intensity-modulated photon or proton therapy
提出了一种在计划算法中包含剂量体积约束的调强放射治疗（IMRT）治疗计划逆问题的分裂可行性公式。它涉及一种新类型的稀疏性约束，使得在模型问题中包含一个违反约束，并通过连续（而不是整数）方法对其进行处理。我们提出了一个迭代算法框架来解决这样的问题，通过应用可行性寻求CQ算法的伯恩结合自动松弛法（ARM），使用循环投影。提供了详细的实施说明。通过为简单的2D C形几何形状和现实的颅底脉络膜治疗部位创建强度调制质子治疗计划，证明了该算法的功能。对不同能量的质子笔形束进行了蒙特卡罗模拟，以获得2D测试情况下的剂量分布。Pinnacle 3质子治疗计划系统的研究版本用于提取临床颅底脉络膜病例的笔形射束剂量。在这两种情况下，根据我们的新算法计算细束剂量以满足剂量体积约束。使用我们的算法进行逆向计划后的剂量-体积直方图检查表明其按预期执行。我们提出的算法的应用剂量-体积约束的逆规划成功地证明。与Pinnacle 3治疗计划系统研究发布的优化剂量分布进行比较，结果表明该算法可以获得等效或更优的结果。
2017-02-25 math.OC physics.med-ph
Assessment of different head tilt angles in volumetric modulated arc therapy for hippocampus-avoidance whole-brain radiotherapy
本研究评估了VMAT海马回避全脑放疗中不同头部倾斜角度对剂量分布的影响，发现[40,45]度倾斜角度能改善靶区均匀性并降低危及器官剂量。
2024-05-31 physics.med-ph
Beam Orientation Optimization for Intensity Modulated Radiation Therapy using Adaptive l1 Minimization
射束方向优化（BOO）是调强放射治疗计划过程中的一个关键组成部分。它决定了在后续的计划优化过程中能够达到何种程度的良好治疗计划质量。在本文中，我们开发了一个BOO算法通过自适应l_1最小化。具体来说，我们引入了一个稀疏能量函数项到我们的模型，其中包含加权因子为每个波束角自适应调整过程中的优化。这样的能量项有利于少量的射束角度。通过优化包含剂量项和稀疏项的总能量函数，我们能够识别不重要的射束角度，并逐渐去除它们，而不会在很大程度上牺牲剂量目标。在一个典型的前列腺的情况下，我们的算法的收敛性，以及如何选择的波束角度在优化过程中，被证明。然后基于优化的射束角度执行注量图优化（FMO）。由此产生的计划质量，并发现是优于从未优化（等角）光束方向。我们已经进一步系统地验证了我们的算法的上下文中的5-9个共面波束的5个前列腺病例和1个头颈部病例。对于每种情况，最终的FMO目标函数值用于比较优化的波束方向和等角波束方向。结果表明，我们的BOO算法可以导致波束配置，达到更低的FMO目标函数值比相应的等角的情况下，表明我们的BOO算法的有效性。
2011-01-16 physics.med-ph
A volumetric Modulated Arc Therapy (VMAT) combined with deep inspiration breath hold (DIBH) technique for adjuvant irradiation for left sided breast cancer
背景资料：深吸气屏气技术（DIBH）被广泛用于左侧乳腺放疗（RT），以减少心脏剂量和心脏毒性风险。容积弧形治疗（VMAT）技术增加了计划靶体积（PTV）的剂量符合性。我们在此描述了在没有专用设备的情况下结合VMAT和DIBH的程序，并报告了与我们实施的技术相关的剂量测定研究。方法：DIBH技术是基于患者的自主屏气，由纹身标记上的激光控制。根据患者屏气25 s的能力选择患者，并优化VMAT计划，安排4个弧线，每个弧线的最大输送时间为20 s。对30例采用该技术治疗的患者进行了回顾性剂量学研究：10例接受局部（全乳房）RT（L-RT）与同步积分加强（SIB），10例局部（LR）RT的胸壁，10例LR RT的全乳房与SIB。对于这些患者，将他们的DIBH-VMAT治疗计划与自由呼吸（FB）VMAT计划进行比较，并评价PTV和危及器官（OAR）的剂量特征。结果：DIBH和FB计划的PTV覆盖率相同。对于局部RT，平均心脏剂量从FB的2.8 +/-0.9Gy降至DIBH的1.8 +/-0.6Gy，对于LR-RT，平均心脏剂量从FB的3.4 +/-1.3Gy降至DIBH的2.2 +/-0.5Gy。对于LR-RT，同侧平均肺剂量降低了12%，但与FB治疗相比，使用DIBH-VMAT的L-RT保持不变。DIBH或FB VMAT技术对侧器官的平均剂量无显著差异。结论：VMAT-DIBH技术在没有专用…
2019-03-13 physics.med-ph
Dynamic Modulated Arc Therapy (DMAT): A Time Aware, Modulation Steered Optimization Framework for Next Generation Radiotherapy Delivery
Varian Medical Systems Inc., a Siemens Healthineers company（瓦里安医疗系统公司，西门子健康技术旗下公司）
DMAT通过联合优化剂量质量、交付时间和调制复杂度，实现意图驱动的放疗交付。该方法结合机器仿真和动态调制控制，通过用户设定的调制水平优化叶轮运动、MU行为和CP密度，提升治疗计划的质量和效率。
2026-09-03 physics.med-ph
Explicit optimization of plan quality measures in intensity-modulated radiation therapy treatment planning
本研究针对调强放射治疗中传统规划目标对DVH曲线各点控制有限的问题，提出基于平均尾部剂量的显式凸优化目标，结合适配的标准优化方法降低计算成本，实验表明该方法能更优且高效地平衡DVH统计量。
2017-01-25 math.OC physics.med-ph
Two Effective Heuristics for Beam Angle Optimization in Radiation Therapy
在放射治疗中，数学方法已被用于优化治疗计划，以向癌细胞递送足够的剂量，同时保持对关键周围结构的剂量最小。该优化问题可以使用混合整数规划（MIP）来建模，其解决方案给出最佳射束取向以及最佳射束强度。然而，挑战在于这种大规模MIP的计算时间。我们提出并研究了两种新的启发式方法，以大大减少计算时间，同时获得高质量的解决方案。我们引入了一个家庭的启发式切割的基础上的概念，“相邻的光束”和一个光束消除计划的基础上，每个光束的贡献，以提供剂量的肿瘤在理想的计划中，所有潜在的光束可以同时使用。我们展示了这些方法在调强放射治疗（IMRT）和立体定向体部放射治疗（SBRT）的临床肝脏病例中的有效性。
2013-05-21 physics.med-ph
Reducing the set of considered scenarios in robust optimization of intensity-modulated proton therapy
针对IMPT鲁棒优化中场景过多导致求解成本高的问题，研究场景集缩减方法，通过最优子集验证、最大多样性启发式选择及对抗方法替代，结果表明最大多样性方法性能优于手动选择，对抗方法计算时间至少减半。
2025-04-19 math.OC physics.med-ph
Early in vivo Radiation Damage Quantification for Pediatric Craniospinal Irradiation Using Longitudinal MRI for Intensity Modulated Proton Therapy
本研究利用纵向MRI和多高斯拟合开发了一种非侵入性方法，用于在儿童质子颅脊髓照射中早期量化椎体骨髓辐射损伤，以评估椎体保留质量。
2022-10-28 physics.med-ph
Aspects of the physical principles of the proton therapy with inclusion of nuclear interactions
恶性肿瘤的放射治疗在过去的十年中取得了很大的进展。因此，调强放射治疗（IMRT）和VMAT（Rapidarc）现在属于临床实践中高能辐射肿瘤治疗的标准模式。最近，粒子治疗（质子和部分重碳离子）已经达到了这些模式的重要完成，对于一些合适的应用。尽管有这种浓缩，但在这一领域的基本特征需要进一步的研究活动和出版物：核反应和释放的中子的作用，在较低的射弹能量下（例如在布拉格峰的环境中和在粒子轨道的远端）带正电的核的电子捕获，通过考虑小束的横向散射的影响在扫描方法中的正确剂量递送。去卷积方法可以帮助克服这些问题，这些问题已经发生在非常小的光子束的放射治疗中[1 - 8]。
2016-11-12 physics.med-ph
Including robustness in multi-criteria optimization for intensity-modulated proton therapy
我们提出了一种方法，包括强度调制质子治疗（IMPT）的多标准优化（MCO）框架的鲁棒性。该方法允许同时探索不同目标之间的权衡以及鲁棒性和标称计划质量之间的权衡。在MCO中，预先计算每个计划强调不同治疗计划目标的计划数据库，以近似帕累托曲面。可以通过在帕累托表面上导航来选择在不同目标之间达到最佳平衡的IMPT治疗计划。在我们的方法中，鲁棒性集成到MCO通过添加鲁棒目标和约束的MCO问题。鲁棒性问题的不可预测性通过预先计算的标称场景和一些预定义的错误场景的剂量影响矩阵来建模。鲁棒目标表示对于任何错误场景可以实现的最差目标函数值。该优化方法是基于线性投影求解器，并能够处理大的问题尺寸所产生的精细剂量网格分辨率，许多情况下，和大量的质子笔形束。一个颅底的情况下，用于演示鲁棒优化方法。它表明，鲁棒optimizationmethod的设置和范围误差的治疗计划的敏感性降低到一定程度上，是没有实现的安全裕度的方法。脉络膜病例进行了更详细的分析，以证明所涉及的目标剂量不足和脑干保留以及鲁棒性和标称计划质量之间的权衡。后者说明了MCO在稳健规划方面的优势。对于所有的情况下，每个帕累托最优计划的鲁棒优化需要不到5分钟的标准计算机上，使计算友好的界面可能的规划。
2011-12-22 math.OC physics.med-ph
Attention U-net approach in predicting Intensity Modulated Radiation Therapy dose distribution in brain glioma tumor
本文提出基于注意力U-Net的深度学习方法预测脑胶质瘤IMRT剂量分布，比较仅PTV与PTV-OARs两种输入方式，均获高精度且快速，仅PTV法因无需OAR识别而更快。
2023-05-10 eess.SP physics.med-ph q-bio.QM
JulianA: An automatic treatment planning platform for intensity-modulated proton therapy and its application to intra- and extracerebral neoplasms
针对现有调强质子治疗自动计划系统的诸多局限，本研究开发了不依赖历史计划、易扩展的JulianA平台，在脑内外肿瘤病例验证中展现出接近人工的计划质量与较快的优化速度。
2023-12-15 physics.med-ph
Volumetric modulated arc therapy or step-shoot IMRT? A 4D dosimetry study of motion effect in lung SBRT using a dynamic virtual patient model
本研究利用动态虚拟患者模型评估肺SBRT中运动相互作用对IMRT和VMAT计划的影响，发现VMAT比IMRT更不易受运动相互作用影响，且计划参数选择对剂量差异具有显著作用。
2025-01-30 physics.med-ph
Dynamic fluence map sequencing using piecewise linear leaf position functions
在调强放射治疗（IMRT）和调强放射治疗的全连续版本（称为体积调强放射治疗（VMAT））的设置中，我们考虑了通过使用带有多叶准直器（MLC）的直线加速器（linac）在有限时间内尽可能匹配给定注量图的问题。我们引入了两种建模策略来管理这个问题的非凸性和相关的局部极小值。第一种是使用线性样条来将MLC叶位置建模为时间的函数。第二个是一个渐进的可控平滑模型（而不是一个阶梯函数）的叶片如何阻止通量辐射。我们提出了一个两部分的解决方案：一个外循环，优化剂量率模式随着时间的推移，和一个内循环，给定的剂量率模式优化叶轨迹。
2019-01-11 physics.med-ph
Using Deep Learning to Predict Beam-Tunable Pareto Optimal Dose Distribution for Intensity Modulated Radiation Therapy
UT Southwestern Medical Center（UT西南医学中心）
我们建议开发深度学习模型，通过使用任何给定的射束角度集以及患者解剖结构作为训练深度神经网络的输入，来预测帕累托最优剂量分布。我们实现并比较了两个深度学习网络，它们使用两种不同的波束配置模式进行预测。我们为70名前列腺癌患者制定了帕累托最优计划。我们使用注量图优化生成500个IMRT计划，对每个患者的帕累托曲面进行采样，总共35，000个计划。我们研究和比较了两种不同的模型，模型I和模型II。模型I直接使用波束角作为二进制向量作为网络的第二输入。模型II将射束角度转换为与PTV共形的射束剂量。我们的深度学习模型预测的体素级剂量分布与地面真实剂量分布精确匹配。定量，模型I预测误差为0.043（确认），0.043模型Ⅱ的平均值为0.076，而模型Ⅱ的平均值为0.327（R50）、2.80%（D95）、3.90%（D98）、0.6%（D50）、1.10%（D2（确证）、0.058（均一性）、0.626（R50）、7.10%（D95）、6.50%（D98）、8.40%（D50）、6.30%（D2）。使用我们的模型的治疗规划者将能够使用深度学习来控制PTV和OAR权重之间的权衡，以及实时的波束数量和配置。我们的剂量预测方法为建立自动IMRT治疗计划提供了垫脚石。
2020-06-19 cs.LG physics.med-ph
Robust automated radiation therapy treatment planning using scenario-specific dose prediction and robust dose mimicking
目的：我们提出了一个使用机器学习的强大的自动化治疗计划的框架，包括特定的剂量预测和强大的剂量模拟。研究方法：场景剂量预测管道分为从输入图像预测标称剂量和从标称剂量预测场景剂量，每个都使用具有U-net架构的深度学习模型。通过使用专门开发的剂量体积直方图为基础的损失函数，预测的场景剂量确保足够的目标覆盖率，尽管可能的训练数据是非鲁棒的。然后，可以通过用预测作为特定于乳腺癌的参考剂量来解决稳健的剂量模拟问题来创建可验证的计划。结果：使用52个前列腺患者的强度调制质子治疗计划的数据集进行数值实验。我们表明，预测的情况下的剂量类似于各自的地面真相，特别是当有目标覆盖率相媲美的标称情况。通过随后的稳健剂量模拟产生的可交付计划被证明对预测考虑的相同情景集是稳健的。结论：我们证明了所提出的方法的可行性和优点，将鲁棒性自动治疗计划算法。
2022-02-16 physics.med-ph
Clinical utility of automatic treatment planning for proton therapy of head-and-neck cancer patients using JulianA
本研究评估自动计划系统JulianA在17例头颈癌质子治疗中的临床效用，发现其生成的计划可接受度与剂量适形度优于人工计划，可作为临床质控工具与研究平台。
2024-06-01 physics.med-ph
New dosimetry planning strategy based on continuous dose gradient used to reduce dose estimation errors due to respiratory motion in breast radiation therapy
本研究阐述并评价了一种新的放射治疗剂量学计划（RTDP）策略，用于减少乳腺治疗中呼吸运动引起的剂量估计误差。在为乳腺治疗采集的CT数据集上，执行了六种不同的RTDP切线技术：（i）具有物理楔形的三维适形放射治疗（3DCRT），（ii）具有虚拟楔形的3DCRT，（iii）具有物理楔形的运动管理技术（MMT），（iv）具有虚拟楔形的MMT，（v）具有场中的3DCRT，以及（vi）具有直接孔径优化的调强放射治疗（IMRT）。这些抗运动技术被认为是产生连续剂量降级，以避免涉及射束边缘区域的输送剂量的急剧变化。在有和没有运动模拟的情况下，对输送剂量和模拟剂量进行了比较。本研究表明，无运动管理的技术可能受到运动的影响，运动可能导致射束准直器边缘附近点的输送剂量和计划剂量之间的差异等于19%，并且在多叶准直器（MLC）边缘上的差异高达3%（3%/3 mm的伽马通过率为87.9%）。当使用MMT时，这些差异降低至11%和小于3%（3%/3 mm的伽马通过率为100%）。总之，在切向技术中，运动会影响MLC和射束准直器边缘上的剂量估计。提出的MMT减少这种影响，以准确地估计递送剂量。
2021-10-19 physics.med-ph
Percentile-based probabilistic optimization for systematic and random uncertainties in radiation therapy
RaySearch Laboratories（RaySearch实验室）；Erasmus MC Cancer Institute（伊拉斯姆斯大学医学中心癌症研究所）；HollandPTC（荷兰PTC）
本研究提出一种基于百分位的概率优化框架，用于提高放疗中目标覆盖与危及器官保护的平衡，通过显式控制临床目标满足概率，提升治疗效果。
2026-01-13 physics.med-ph
Simultaneous Reduction of Number of Spots and Energy Layers in Intensity Modulated Proton Therapy for Rapid Spot Scanning Delivery
本文提出一种自适应更新权重的 reweighted $l1$ 正则化凸优化算法，在保证剂量学计划质量的前提下同时促进点和能量层稀疏，显著减少点数和能量层数，从而提高质子治疗的照射效率。
2024-04-24 math.OC physics.med-ph
Five Years of Clinical Application of independent Monte Carlo-Based Patient-Specific Quality Assurance at the Maastro Proton Therapy Center
马斯特里赫特质子治疗中心用基于GPU加速蒙特卡罗代码Fred的自动化PSQA流程取代传统测量，五年验证超9500例，节省4090小时，能早期发现计划错误，是高效可靠的无测量QA方案。
2025-10-15 physics.med-ph
Multi-IMPT: a biologically equivalent approach to proton ARC therapy
本研究针对质子ARC治疗因频繁能量改变导致交付困难的问题，提出multi-IMPT方法，通过分次使用不同射野角度子集并优化OAR的BED与靶区物理剂量，实现与ARC生物学等效的治疗计划质量。
2024-11-26 physics.med-ph
Deep Learning-Based Automatic Delineation of Liver Domes in kV Triggered Images for Online Breath-hold Reproducibility Verification of Liver Stereotactic Body Radiation Therapy
Cleveland Clinic Foundation（克利夫兰医学中心）；Case Western Reserve University（凯斯西储大学）
本文提出基于U-Net的深度学习流程，从kV触发图像中自动勾画肝顶，用于肝癌SBRT在线屏气可重复性验证，在711幅图像上取得最快不到1秒的勾画速度，Fold1检出率91.7%、Fold2检出率76.3%。
2024-11-22 cs.CV physics.med-ph
Treatment plan comparison of Linac step and shoot,Tomotherapy, RapidArc, and Proton therapy for prostate cancer using dosimetrical and biological index
本研究的目的是使用各种剂量学指标来确定治疗前列腺癌患者的最佳调强放射治疗模式技术。本研究纳入了10例前列腺癌患者。调强放射治疗计划旨在包括不同的模式，包括直线加速器步进和发射、断层治疗、RapidArc和质子系统。采用剂量学指标，如处方等剂量与靶区体积比（PITV）、适形指数（CI）、均匀性指数（HI）、靶区覆盖指数（TCI）、修正剂量均匀性指数（MHI）、适形数（CN）、关键器官评分指数（COSI）和品质因数（QF），对不同治疗方案进行比较。生物学指标，如广义等效均匀剂量（gEUD），基于肿瘤控制概率（TCP）和正常组织并发症概率（NTCP）也被计算和用于比较治疗计划。RapidArc计划获得了更好的PTV覆盖，其优越的PITV、CI、TCI、MHI和CN值证明了这一点。关于OAR，质子治疗在低剂量体积中表现出更好的直肠和肠道剂量节省，而断层治疗和RapidArc计划在高剂量体积中实现了更好的剂量节省。QF评分在这些计划之间没有显着差异（p=0.701）。RapidArc、Linac和Proton计划中前列腺肿瘤的平均TCP高于断层治疗的平均TCP（分别为98.79%、98.76%和98.75% vs. 98.70%）。关于直肠NTCP，RapidArc显示了最有利的结果（0.09%），而Linac产生了最好的膀胱NTCP（0.08%）。
2015-03-12 physics.med-ph
A step towards treatment planning for microbeam radiation therapy: fast peak and valley dose predictions with 3D U-Nets
快速准确的剂量预测是微束放射治疗（MRT）治疗计划的瓶颈之一。在本文中，我们提出了一种基于3D U-网的机器学习（ML）模型。我们的方法分别预测窄高强度同步辐射微束的大剂量和它们之间的较低的谷剂量。为此，引入了宏观峰值剂量和宏观谷剂量的概念，其不是在微观水平上而是作为较大体素中的宏观量来描述相应的剂量。ML模型经过训练以模拟完整的Monte Carlo（MC）数据。因此，模型自动考虑了诸如偏振等复杂的物理效应。本研究中描述的宏剂量分布方法允许将单个微射束预测叠加到射束阵列场，使其成为治疗计划的有趣候选者。结果表明，所提出的方法可以克服一个主要的障碍，预测一个完整的微束照射场在不到一分钟的时间，同时保持合理的精度与微束剂量预测。
2022-11-21 physics.med-ph
Patient-Specific Deep Reinforcement Learning for Automatic Replanning in Head-and-Neck Cancer Proton Therapy
Department of Radiation and Cellular Oncology University of Chicago（辐射与细胞肿瘤学系，芝加哥大学）；Division of Environmental and Occupational Health Sciences University of Illinois at Chicago（环境与职业卫生科学系，伊利诺伊大学芝加哥分校）；Department of Radiation Oncology and Winship Cancer Institute Emory University（放射肿瘤学系和Winship癌症研究所，埃默里大学）
提出基于患者特征的深度强化学习框架，通过奖励塑形机制和优先级调整动作空间，在头颈癌质子治疗重规划中实现了优于人工规划的计划质量提升。
2025-08-11 cs.LG physics.med-ph
Dosimetry for Proton Therapy Using a β-Ga$_2$O$_3$ Metal-Semiconductor-Metal Detector with Low-Noise Amplification
The University of Utah（犹他大学）
本文研究了基于β-氧化镓的MSM探测器在质子治疗中的剂量学性能，证明其在单点照射和不同能量下的线性响应，为IMPT提供可靠检测方案。
2026-01-21 cond-mat.mtrl-sci physics.med-ph
Characterisation of the HollandPTC R&D proton beamline for physics and radiobiology studies
HollandPTC是一个独立的质子治疗，科学研究和教育门诊中心。患有不同类型癌症的患者接受强度调制质子治疗（IMPT）。此外，HollandPTC研发联盟还对质子治疗的附加值和改进进行科学研究。为此，HollandPTC创建了临床和临床前研究设施，包括用于各种生物和技术研究的多功能研发质子束线。在这项工作中，我们介绍了荷兰PTC的R&D质子束线的特性。其笔形束模仿用于临床IMPT的笔形束，能量范围从70 MeV到240 MeV，其特征在于形状，大小和强度。对于需要在深度和横向方向上的均匀场的实验，已经设计、建造并表征了双环被动散射系统。使用该系统，可以产生2x2 cm 2至20 x20 cm 2的射野，均匀度为98%，剂量率范围为0.5 Gy/min至9 Gy/min。独特的定制双环系统支持以非常简单和快速的方式在笔形射束和大射野之间切换，使HollandPTC R&D质子射束能够支持广泛的不同应用。
2023-02-20 physics.med-ph
GAMBAS -- Fast Beam Arrangement Selection for Proton Therapy using a Nearest Neighbour Model
本文提出GAMBAS模型，通过提取解剖特征并匹配最相似患者，实现质子治疗射束角度的快速自动选择，其计划质量与人工选择相当。
2024-08-02 physics.app-ph physics.med-ph
A feasibility study for predicting optimal radiation therapy dose distributions of prostate cancer patients from patient anatomy using deep learning
University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心）
随着癌症患者放射治疗中治疗方式的进步，结果得到了改善，但代价是增加了治疗计划的复杂性和计划时间。剂量分布的准确预测将通过指导临床计划优化来缓解这个问题，以节省时间并保持高质量的计划。我们修改了卷积深度网络模型U-net（最初设计用于分割目的），用于从计划靶体积（PTV）和危险器官（OAR）的患者图像轮廓预测剂量。我们表明，作为一个例子，我们能够准确地预测前列腺癌患者的调强放射治疗（IMRT）的剂量，其中平均骰子相似系数为0.91时，比较预测与真实的等剂量体积之间的处方剂量的0%和100%。发现[最大，平均]剂量的绝对差异的平均值低于处方剂量的5%，具体而言，各结构为[1.80%，1.03%]（PTV）、[1.94%，4.22%]（膀胱）、[1.80%，0.48%]（身体）、[3.87%，1.79%]（左侧股骨头）、[5.07%，2.55%]（右侧股骨头）和[1.26%，1.62%]（直肠）处方剂量。因此，我们设法从患者的PTV和OAR轮廓映射所需的辐射剂量分布。作为一个额外的优点，相对较少的数据被用于本文所述的技术和模型。
2018-11-29 cs.AI cs.CV cs.LG
$β$-Ga$_2$O$_3$--Based Radiation Detector for Proton Therapy
本研究评估了$β$-Ga$_2$O$_3$基MSM探测器在调强质子治疗中的性能，其能可靠检测低至0.26 MU的单脉冲剂量，且测量变异性与商用离子室相当，显示出作为抗辐射剂量验证材料的潜力。
2025-08-05 cond-mat.mtrl-sci physics.med-ph
Circulating Lymphocytes Preservation in Lung Cancer Stereotactic Body Radiation Therapy with Ultra-Fast Proton Delivery Using Modularized Pin Ridge Filters
研究评估基于pRF的肺癌SBRT计划在常规和FLASH剂量率下对免疫保护的作用。通过模拟和建模对比IMPT，发现pRF计划可缩短输送时间、减少血液照射剂量，改善循环淋巴细胞存活分数，为质子肺癌SBRT免疫保护提供实用策略。
2026-07-28 physics.med-ph
GPU-based ultra fast dose calculation using a finite pencil beam model
在线自适应放射治疗（ART）是一个有吸引力的概念，承诺提供最佳治疗的能力，以响应患者解剖结构的分次间变异性。然而，由于技术限制，它还没有实现。快速剂量沉积系数计算是调强放射治疗（IMRT）计划优化所需的在线计划过程的关键组成部分。计算机图形处理单元（GPU）非常适合为剂量计算的数据并行性质提供必要的快速性能。在这项工作中，我们开发了一个剂量计算引擎的基础上，有限尺寸笔形束（FSPB）算法和GPU并行计算框架。开发的框架可以适应任何FSPB模型。我们测试我们的实施例的水幻影和前列腺癌患者的情况下，不同的细光束和体素大小。在所有测试场景中，使用NVIDIA Tesla C1060卡与2.27GHz Intel Xeon CPU相比，都实现了200~400倍的加速。计算9场前列腺调强放射治疗计划的剂量沉积系数的计算时间小于1秒。这表明基于GPU的FSPB算法非常适合用于自适应放射治疗的在线重新规划。
2009-08-30 physics.med-ph
Developments in Mathematical Algorithms and Computational Tools for Proton CT and Particle Therapy Treatment Planning
我们总结了质子计算机断层成像（pCT）和调强粒子治疗（IMPT）治疗计划相关的数学算法和计算机科学方法的最新结果和正在进行的活动。质子治疗需要高水平的输送精度，以利用布拉格峰赋予的选择性靶向。为此，pCT利用质子束本身来创建图像。该技术的工作原理是通过向患者发送低强度质子束，并测量每个退出质子的位置，方向和能量损失。pCT技术允许重建患者组织的相对阻止本领（RSP）的体积分布，用于治疗计划和治疗前范围验证。我们已经研究了新的方法，使重建既有效又准确。RSP的更高精度还使得能够实现IMPT的更鲁棒的逆方法。对于IMPT，我们开发了一个框架进行强度调制的质子笔形束。我们预计，这些发展将导致更多的项目工作在未来几年，这需要在数学，计算机科学和医学物理领域的专家之间的定期交流。我们通过组织有关pCT和IMPT算法和技术开发的年度研讨会发起了这样的交流。诚然，这份报告倾向于我们的跨学科工作和方法。我们提供的结果，问题和挑战的pCT和IMPT的目的，使其他科学家希望解决这些问题，并通过汇集医学，计算机科学，物理学和数学的尖端技术来加强他们的跨学科合作，承担手头的医学物理问题的全面概述。
2021-08-21 cs.CE math.OC physics.med-ph
Generating Pareto optimal dose distributions for radiation therapy treatment planning
放射疗法治疗计划目前需要在计划器和治疗计划系统之间以及在计划器和医生之间进行多次试错迭代以进行讨论/咨询。医生对特定患者的偏好无法轻易量化并准确传达给计划者。在这项研究中，我们提出了一种实时体积帕累托表面剂量生成深度学习神经网络，可以在医生分割后使用，添加有形和可量化的终点来描绘规划器。从70名前列腺患者中，我们首先生成了84，000个调强放射治疗计划（每个患者1，200个计划），对Pareto曲面进行采样，代表了计划靶体积（PTV）和危险器官（OAR）之间的各种权衡，包括膀胱，直肠，左股骨，右股骨和身体。我们将数据分为10名测试患者和60名训练/验证患者。然后，我们训练了一个分层密集连接的卷积U网（HD U网），以获取PTV和代表OAR掩码和权重的回避图，并预测优化计划。HD U-net能够准确预测3D Pareto最佳剂量分布，平均[平均值，最大值]剂量误差为[3.4%，7.7%]（PTV），[1.6%，5.6%]（膀胱），[3.7%，4.2%]（直肠），[3.2%，8.0%]（左股骨）、[2.9%，7.7%]（右股骨）和[0.04%，5.4%]（身体）处方剂量。PTV剂量覆盖预测也非常相似，误差为1.3%（D98）和2.0%（D99）。均匀性也相似，平均相差0.06。神经网络可以在1.7秒内预测剂量。临床上，优化和剂量计算要慢得多，需要5-10分钟。
2019-07-31 math.OC physics.med-ph
Flattened photon beams, an obsolete feature in modern linear accelerators
本研究通过剂量测量和临床计划对比证明，使用免平坦过滤器（FFF）光子束不仅能生成与带平坦过滤器光子束相当或更优的平坦剖面，还能在保证靶区覆盖的同时更好地保护危及器官，并简化机头与维护。
2023-09-09 physics.med-ph
Assessing the Dosimetric Effects of High-Z Titanium Implants in Proton Therapy Using Pixel Detectors
本研究使用Timepix3像素探测器评估质子治疗中钛植入物的剂量学效应，发现钛植入物会改变次级辐射场中高能量传递离子的剂量率与通量，为理解钛材料在质子治疗中的影响提供了全面信息。
2024-09-27 physics.ins-det physics.med-ph
A Feasibility Study on Deep Learning-Based Radiotherapy Dose Calculation
目的：各种剂量计算算法可用于癌症患者的放射治疗。然而，这些算法面临着效率和准确性之间的权衡。快速算法通常不太准确，而准确的剂量引擎通常是耗时的。在这项工作中，我们试图通过探索深度学习（DL）来解决这个难题。研究方法：我们开发了一个新的放射治疗剂量计算引擎的基础上修改的层次密集连接的U网（HD U网）模型，并测试其可行性与前列腺调强放射治疗（IMRT）的情况下。从IMRT注量图域到3D剂量域的映射需要复杂架构的深度神经网络和庞大的训练数据集。为了解决这个问题，我们首先使用修改的射线跟踪算法将注量图投影到剂量域，然后使用HD U-网将射线跟踪剂量分布映射到使用塌陷圆锥卷积/叠加（CS）算法计算的准确剂量分布。结果如下：对于典型的7射野前列腺调强放射治疗计划，计算3D剂量分布大约需要1秒，通过优化网络可以进一步减少，以实现实时剂量计算。对于所有8名测试患者，使用伽马指数和IMRT优化的各种临床目标进行的评价表明，DL剂量分布在临床上与CS剂量分布相同。结论：我们已经表明，使用DL计算放射治疗剂量分布的高精度和高效率的可行性。
2019-08-08 physics.med-ph
Generalizable dose denoising using diffusion transformer framework for pencil beam scanning proton therapy
Mayo Clinic（梅奥诊所）；China Three Gorges University（三峡大学）；Guangzhou Concord Cancer Center（广州和睦家肿瘤中心）
本文提出基于扩散Transformer的质子治疗剂量去噪框架，仅用头颈部数据训练，即可在头颈、肺、乳腺和前列腺等多个部位实现高精度剂量生成，3D Gamma通过率超过92%。
2026-10-30 cs.AI physics.med-ph
