Deep Learning in MRI-guided Radiation Therapy: A Systematic Review
MRI引导放射治疗（MRgRT）为治疗计划提供了一种精确和自适应的方法。系统地回顾了增强MRgRT能力的深度学习应用。MRI引导的放射治疗为治疗计划提供了一种精确的、自适应的方法。深度学习应用增强MRgRT的能力进行了系统的审查，重点放在底层方法。研究进一步分为分割，合成，放射组学和实时MRI领域。最后，临床意义，目前的挑战和未来的方向进行了讨论。
2023-03-30 physics.med-ph
Direct optimization of dose-volume histogram metrics in radiation therapy treatment planning
提出了一种直接优化放射治疗计划中临床目标值偏差的方法。使用一个新的数学框架，其中来自剂量-体积直方图的度量被视为辅助随机变量的泛函，我们能够获得剂量体积和剂量体积作为剂量分布的无限可微函数，具有容易评估的函数值和梯度。出于金融风险措施，这是正式在这个框架中的连接，我们还推导出封闭形式的平均尾部剂量公式，并证明其能力，减少极端剂量值的尾部分布。前列腺和头颈部患者的情况下进行的数值实验表明，剂量体积直方图指标的直接优化产生的结果略好于或优于传统的规划目标，在临床目标的实现，控制低剂量和高剂量的尾部的目标分布和一般计划质量定义的一个预先指定的评估措施。所提出的框架消除了优化功能和评估指标之间的脱节，因此可以减少与传统治疗计划相关的重复用户交互的需要。该方法还具有在其他设置中增强计划优化的潜力，例如多标准优化和自动化治疗计划。
2021-09-06 physics.med-ph
Probabilistic dose prediction using mixture density networks for automated radiation therapy treatment planning
我们展示了混合密度网络（MDN）的自动化放射治疗治疗计划的背景下的应用。结果表明，MDN可以产生良好的预测剂量分布，以及反映不确定的决策与内在冲突的临床权衡，在文献中以前研究的确定性方法相比。一个双组分高斯MDN的训练上的一组治疗计划的术后前列腺患者不同程度的直肠剂量节省优先于目标覆盖。对患者测试集的检查表明，预测模式在空间上和剂量-体积直方图上都很好地遵循各自的基本事实。基于MDN输出的特殊剂量模拟方法用于产生可交付计划，从而展示逐体素预测密度的可用性。因此，这种类型的MDN可以用于支持临床医生管理临床权衡，并且具有提高由自动化治疗计划管道产生的计划的质量的潜力。
2020-09-01 physics.med-ph
OpenTPS -- Open-source treatment planning system for research in proton therapy
导论.治疗计划系统（TPS）是在将放射治疗施用于患者之前模拟和优化放射治疗的重要组成部分。它确保肿瘤被很好地覆盖，并将健康组织的剂量降至最低。然而，商业公司提供的TPS通常带有大量工具，每个工具都以黑盒的形式实现，这使得研究人员很难使用它们来实现和测试新的想法。为了解决这个问题，我们开发了一个开源的TPS。Approach.我们开发了一个开源软件平台OpenTPS（opentps.org），用于生成外部射束放射治疗的治疗计划，特别是质子治疗。它被设计成一个灵活且用户友好的平台（使用免费使用的Python语言编码），可供医学物理学家，放射肿瘤学家和放射治疗社区的其他成员用于创建用于教育和研究目的的定制治疗计划。结果. OpenTPS包括一系列工具和功能，可用于分析患者解剖结构，模拟放射束的输送，并优化治疗计划以实现所需的剂量分布。它可用于创建各种癌症类型的治疗计划，并被设计为扩展到其他治疗方式。意义一个新的开源治疗计划系统已经建立了质子治疗的研究。其灵活性允许轻松集成新技术和定制治疗计划。它免费提供使用，并定期更新，并得到用户和开发人员社区的支持，他们为软件的持续开发和改进做出了贡献。
2023-03-01 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
Towards Human-Centric Intelligent Treatment Planning for Radiation Therapy
Department of Radiation Oncology（放射肿瘤学系）；Molecular Radiation Sciences（分子放射科学）；Johns Hopkins University（约翰霍普金斯大学）；Baltimore, MD, USA（巴尔的摩，马里兰州，美国）
针对放射治疗计划质量欠佳、效率低和成本高的问题，提出以人为中心的智能治疗计划（HCITP）框架，在人类监督下整合临床指南并自动化计划生成，有望将计划时间缩短至分钟级并交付个性化高质量计划。
2025-10-15 cs.AI physics.med-ph
An open-source platform for interactive collision prevention in photon and particle beam therapy treatment planning
我们提出了一个开源平台，以帮助医疗剂量学家在光子或粒子束治疗计划期间防止机架头与患者或治疗床之间发生碰撞。该通用框架使用特定规划软件的本地脚本接口来导入治疗机元件的STL文件。这些与轮廓或扫描的患者表面一起在3D中可视化。带有滑块的图形对话框允许机架和治疗床的交互式旋转，并提供实时反馈。为了防止将来重新规划，治疗规划者可以提前评估并排除导致潜在碰撞风险的射束角度。该软件平台在GitHub上公开提供，并已通过实际患者计划验证RayStation。此外，采用手持式智能手机对全身体模进行3D表面扫描，对完整患者几何结构的合并进行测试。通过这项研究，我们的目标是最大限度地减少因碰撞而重新规划的风险，从而减少治疗延迟和不定期的人力消耗。临床工作流程可以在治疗计划阶段就已实现免费简化。通过确保计划可行性的实时验证，脚本可能会促进计划者可能会回避的最佳沙发角度的使用。
2021-09-01 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
An interpretable planning bot for pancreas stereotactic body radiation therapy
胰腺立体定向放射治疗计划要求计划者与治疗计划系统（TPS）进行顺序的、耗时的交互，以达到最佳剂量分布。我们寻求开发一个基于强化学习（RL）的规划机器人，以系统地解决复杂的权衡问题，并始终如一地有效地实现高质量的计划。胰腺SBRT计划的重点是在保留危险器官和计划靶体积（PTV）覆盖范围之间找到平衡。在遵守OAR剂量限制的情况下，计划评估剂量分布并进行计划调整，以优化PTV覆盖范围。我们已经制定了这样的规划者和TPS之间的相互作用到一个有限的水平RL模型。首先，规划状态特征基于人类规划者的经验进行评估，并定义为规划状态。第二，规划行动的定义，以代表步骤，规划人员通常会实施，以满足不同的规划需求。最后，我们推导出一个基于目标函数的奖励系统，该目标函数由医生指定的约束条件指导。规划机器人使用从16名先前接受治疗的患者中增加的48个计划来训练自己，并在单独的验证集中为24个病例生成计划。与临床计划相比，所有24个机器人生成的计划都实现了类似的PTV覆盖率，同时满足所有临床计划约束。此外，机器人学习的知识可以可视化并解释为与人类规划知识一致，并且在单独的训练会话中学习的知识地图是一致的，这表明学习过程的可重复性。
2020-09-17 physics.med-ph
The scenario-based generalization of radiation therapy margins
我们给出了一个基于Bio的治疗计划优化公式，如果使用静态剂量云近似计算场景剂量，则该公式相当于具有几何边缘的计划。如果场景剂量，而不是更准确地计算，那么我们的配方提供了一种新的强大的规划方法，克服了许多困难，与以前的基于MIMO的强大的规划方法。特别是，我们的方法只保护不确定性，可能会发生在实践中，它给出了一个急剧的剂量下降以外的高剂量区域，它避免了剂量不足的目标在“容易”的情况。该方法共享的好处，以前的鲁棒性规划方法的几何余量的静态剂量云近似是不准确的应用程序，如照射与几个领域和离子束照射。这些属性证明了一套幻影的情况下，计划与扫描质子束治疗系统设置的不确定性。
2015-10-09 physics.med-ph
On the Interplay between Robustness and Dynamic Planning for Adaptive Radiation Therapy
分次间几何不确定性可导致实际输送剂量与处方剂量分布的偏差。为了更好地处理这些不确定性在治疗过程中，作者提出了一个动态的框架，鲁棒自适应放射治疗中，各种强大的自适应治疗策略的介绍和评估。这种多样性是稳健优化模型中具有不同自由度的优化变量的结果，这些优化变量的保守性等级不同。我们制定了一个自适应的框架依赖于时间和/或不确定性或两者都没有。该框架的评估与期望值，最坏情况下，或条件风险价值（CVaR）优化。本研究的目的是确定所提出的强大的自适应策略，以恢复计划的剂量分布的数学特性。我们应用凸分析的结果表明，在我们的框架中，时间相关的问题有一个时间无关的最优解。这意味着时间相关问题可以通过动态求解相应的时间无关问题来求解。这在临床背景下尤其相关，因为这意味着自适应放射治疗可以在临床实践中使用市售的治疗计划系统来实施。我们证明了时间和时间依赖变量与最坏情况优化最兼容，并且与非自适应规划相比，包括剂量预测可能会改善治疗。因此，时间和时间无关变量似乎与期望值优化最兼容。如果出现的不确定性遵循与鲁棒模型中所包括的不确定性相同的分布，则非自适应鲁棒策略可以提供与鲁棒自适应策略相当的足够的目标覆盖。
2018-11-01 physics.med-ph
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
Feasibility-Seeking and Superiorization Algorithms Applied to Inverse Treatment Planning in Radiation Therapy
我们应用最近提出的优越化方法（SM）的逆规划问题的放射治疗。逆规划问题在这里表示为一个大的线性双边不等式系统的强度向量的全变差（TV）的约束最小化问题。SM在概念上可以被视为介于可行性寻求的约束和完全成熟的约束最小化的目标函数受到这些约束。它是基于这样的发现，即许多可行性搜索算法（投影方法的品种）是扰动弹性，并可以主动转向一个可行解的约束减少，因此优越，但不一定是最小的，目标函数值。
2014-02-06 math.OC physics.med-ph
Multi-criteria optimization methods in radiation therapy planning: a review of technologies and directions
我们回顾了放射治疗治疗计划的多标准优化领域。特别注意的是被称为帕累托表面导航的技术，它允许医生和治疗规划者交互式导航通过治疗计划选项，以了解权衡（剂量的目标与重要的附近器官的过量给药）参与每个病人的计划。我们还描述了目标规划和优先优化，其他两种方法，旨在处理多个相互冲突的目标。非凸性相关的问题，无论是在剂量测定的目标和事实，即从可控的硬件参数到患者剂量的映射通常是非凸的，讨论了长度，因为非凸性有很大的影响，实际的解决方案技术帕累托表面的建设和导航。一般的规划策略，建议处理的非凸性问题，首先找到一个理想的帕累托表面提供从许多预设的角度辐射。这可以转换为一个凸优化问题。一旦从帕累托表面选择了高质量的解决方案，稀疏版本（其可以意味着更少的射束、更少的分段、更少的用于弧形治疗技术的叶行程等）就可以被用于治疗。使用适当的稀疏化启发式算法获得。最后，我们讨论的规划和提供放射治疗的效率问题。
2013-05-07 math.OC 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
Automated Treatment Planning in Radiation Therapy using Generative Adversarial Networks
University of Toronto（多伦多大学）；Princess Margaret Cancer Centre（玛格丽特公主癌症中心）；York University（约克大学）
基于知识的计划（KBP）是一种放射治疗计划的自动化方法，涉及在将理想的治疗计划校正为可交付计划之前预测理想的治疗计划。我们提出了一种生成对抗网络（GAN）方法，用于预测理想的3D剂量分布，避免了先前的特定于站点的特征工程和预测计划的低维表示的范例。在口咽癌患者数据集上的实验表明，我们的方法在几个临床满意度标准和相似性指标上显着优于以前的方法。
2018-07-17 cs.LG physics.med-ph stat.ML
A Proton Treatment Planning Method for Combining FLASH and Spatially Fractionated Radiation Therapy to Enhance Normal Tissue Protection
本文提出SFRT-FLASH质子治疗计划方法，将深部FLASH效应与浅中层高PVDR空间分割相结合，在四个临床病例中验证其增强正常组织保护的效果。
2025-05-09 physics.med-ph
Dynamic string-averaging CQ-methods for the split feasibility problem with percentage violation constraints arising in radiation therapy treatment planning
本文研究了一个带有违约率约束的可行性寻求问题。这些是附加到现有约束族的附加约束，其挑出现有约束的某些子集，并声明每个子集中的约束数量的指定部分被允许被现有边界的指定百分比违反。我们的动机，调查问题的百分比违反约束来自放射治疗治疗规划领域，其中的完全离散化的逆规划问题被制定为一个分裂的可行性问题和百分比违反约束引起的非凸约束。根据Byrne的CQ算法（2002，Inverse Problems，第18卷，第110页），441-53），我们开发了一种串平均CQ方法，该方法仅使用到由线性不等式表示的半空间的各个集合上的投影。将我们的理论结果推广到非凸集情形的问题仍然是开放的。我们描述了我们的研究结果如何适用于放射治疗治疗计划，并提供了一个数值例子。
2021-01-04 math.OC physics.med-ph
Equivalent-Time-Active-Cavitation-Imaging Enables Vascular-Resolution Blood-Brain-Barrier-Opening-Therapy Planning
本文提出BP-ETACI技术，结合带通采样与双频对比成像，在聚焦超声血脑屏障开放中实现血管分辨率空化映射，可用于治疗监测、规划与靶点验证。
2023-08-07 physics.med-ph
Mathematical optimization of treatment schedules
在过去的几十年中，数学优化已经进入放射治疗领域，并产生了深刻的影响。如今，几乎所有先进的治疗方法，如IMRT、VMAT、断层放射治疗、LDR/HDR近距离放射治疗、质子治疗，都是基于某种形式的优化方法，这些方法可以改变治疗变量（射束强度、多叶准直器形状、射束角度、停留时间和种子或源位置），直到找到治疗（计划）目标的最佳值。公平地说，真正最佳的放射治疗计划仍然难以捉摸。其原因包括难以用数学术语界定有意义的规划目标和限制、规划和交付过程中的各种不确定性以及优化算法无法找到真正的最佳值。因此，放射治疗优化仍然是一个活跃的研究领域。
2018-10-30 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
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
Pareto Optimal Projection Search (POPS): Automated Radiation Therapy Treatment Planning by Direct Search of the Pareto Surface
目的：放射治疗计划是一个耗时的迭代过程，计划者之间的差异可能很大。全自动治疗计划流程可以减少计划者的主动治疗计划时间，消除计划者之间的差异，从而有可能极大地提高患者周转率和护理质量。在开发用于治疗计划的全自动算法时，我们有两个主要目标：1）产生帕累托最优的计划和2）临床可接受的计划。在这里，我们提出了帕累托最优投影搜索（POPS）算法，它提供了一个通用的框架，直接搜索帕累托前沿。研究方法：我们的POPS算法是一种新的自动规划方法，它结合了两个主要的搜索过程：1）在决策变量空间中的无梯度搜索和2）使用二分法将决策变量投影到Pareto前沿。我们通过与临床治疗计划的比较来证明POPS的性能。作为一种可能的治疗计划质量的定量测量，我们构建了一个临床可接受性评分函数（SF）修改从以前开发的一般评价指标（GEM）。结果如下：在作为临床工作流程的一部分收集的21个前列腺病例的数据集上，我们提出的POPS算法产生了在剂量一致性、剂量均匀性和保留危险器官方面临床上可接受的帕累托最优计划。结论：我们提出的POPS算法提供了一个通用的框架，完全自动化的治疗计划，实现临床上可接受的剂量质量，而不需要从人类规划者的积极规划。重要性：我们的全自动POPS算法解决了其他自动计划方法的许多关键限制，我们预计它将大大改善治疗计划工作流程。
2021-02-07 physics.med-ph q-bio.QM
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
Percentile-based probabilistic optimization for systematic and random uncertainties in radiation therapy
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
Metaheuristic Algorithm for Constrained Optimization in Radiation Therapy Treatment Planning: Design and Performance Comparison
本研究探讨了放射治疗计划中的约束优化问题，设计并比较了BSO、BFA和ABC三种元启发式算法，发现BFA在执行时间和收敛能力上表现更优，为提升RT治疗计划效能提供了优化方法。
2024-01-16 math.OC physics.med-ph
Modelling beam transport and biological effectiveness to develop treatment planning for ion beam radiotherapy
碳离子放射治疗是一种新的癌症放射治疗技术，特别适用于治疗难以定位的放射抗性肿瘤。治疗计划是癌症放射治疗的基本程序，其中医学物理学家遵循医学处方，找到通过肿瘤体积上的照射而灭活的癌细胞的最佳分布。在离子放射治疗的治疗计划中遇到的主要困难是正确地解释在肿瘤体积上的扩展布拉格峰（SOBP）区域中离子的增强的放射生物学有效性。在这种情况下，与使用光子束的常规放射疗法不同，在肿瘤体积上实现均匀的剂量分布并不意味着实现均匀的癌细胞灭活。本论文主要研究碳离子治疗计划系统（TPS）的基本元素（核心）的演算法。该算法包括一个放射生物学的一部分，它适当地校正增强的生物效应的离子照射的癌细胞，和一个物理束传输模型。在放射生物学部分，Katz的细胞生存的轨道结构模型，验证其物理假设和改进后，这个模型的一些方面。Katz模型提供了在初级碳离子和它们的次级碎片的混合场中细胞存活的快速和准确的预测。物理束模型是基于可用的列表数据，由蒙特卡罗模拟准备。开发的TPS内核的两个组成部分结合在一个优化工具，允许的碳离子束的入口能量-注量谱进行选择，以实现一个预先假定的均匀（平坦）的深度生存分布在SOBP区域，确保均匀的癌细胞灭活肿瘤深度。
2014-10-01 physics.med-ph
A 2D antiscatter grid and scatter sampling based CBCT method for online dose calculations during CBCT guided radiation therapy of pelvis
提出一种结合数据校正与散射抑制的定量CBCT流程，提升HU准确性，使盆腔在线剂量计算误差极小，媲美计划CT，无需密度覆盖，支持精确剂量监测与在线计划自适应。
2023-10-10 physics.med-ph
Clinical use and future requirements of relative biological effectiveness: survey among all european proton therapy centres
背景和目的：相对生物学效应（RBE）随治疗野而变化。然而，在临床实践中，假设恒定RBE为1.1，这可能导致不良副作用。这项研究提供了一个准确的概述，目前的临床实践考虑质子RBE在欧洲。材料和方法：设计了一项调查，并发送到欧洲所有治疗患者的质子治疗中心。在线问卷包括39个问题，涉及临床实践中RBE考虑的各个方面，包括治疗计划，患者随访和未来需求。结果：所有25个质子治疗中心都有反应。所有中心都规定了1.1的恒定RBE，但也采取了措施（一家眼科治疗中心除外）来抵消可变RBE效应，例如避免光束在危险器官内部或前面停止，并限制某些治疗部位的入射光束的最小数量和开口角度。对于未来，大多数中心（16）要求进行更多的回顾性或前瞻性结局研究，调查可变RBE效应的潜在影响。为了进行此类研究，18个中心要求使用治疗计划系统供应商开发的LET和RBE计算和可视化工具。结论：所有欧洲质子中心都知道RBE的变异性，但符合规定恒定RBE的现行指南。然而，他们通过在治疗计划期间采取措施和限制，积极缓解RBE增加导致的不确定性和副作用风险。为了在未来改变RBE相关的临床指南，明确要求更多关于RBE的临床数据。
2022-05-30 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
GPU-based ultra-fast direct aperture optimization for online adaptive radiation therapy
在线自适应放射治疗（ART）具有很大的希望，可以通过基于当前患者解剖结构的实时治疗适应性来显著降低正常组织毒性和/或改善肿瘤控制。然而，在线ART临床实现的主要技术障碍，即无法实现治疗重新规划的实时效率，尚未得到解决。为了克服这一挑战，本文介绍了我们的工作，实现了调强放射治疗（IMRT）的直接孔径优化（DAO）算法的图形处理器（GPU）的基础上，我们以前的工作在CPU上。我们将DAO问题描述为一个大规模的凸规划问题，并使用一种称为列生成方法的精确方法在GPU上处理其极大的维数。5个9野前列腺和5个5野头颈部IMRT临床病例，5个\times 5 mm 2射束尺寸和2.5 \times 2.5 \times 2.5 mm 3体素尺寸用于评估我们的算法在GPU上。在NVIDIA Tesla C1060 GPU卡上使用50个MLC孔径生成最佳治疗计划仅需0.7~2.5秒。因此，我们的工作解决了一个主要问题，在开发超快速（重新）规划技术的在线艺术。
2010-03-28 physics.med-ph
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
Beam specific planning target volumes incorporating 4DCT for pencil beam scanning proton therapy of thoracic tumors
本研究的目的是确定在存在运动、阻止本领不确定性和患者设置变化的情况下，笔形束扫描（PBS）质子治疗胸部肿瘤是否可以同时保持器官保留和靶区覆盖。使用PBS重新计划先前使用双散射（DS）以66.6/1.8 Gy（RBE）质子治疗的10名连续患者。采用4DCT的最小和最大强度图像，在确定束流特异性PTV（BSPTV）时引入柔性拖尾。使用来自8个4DCT相位的数据集，使用阻止本领的± 3%不确定性和每个方向上患者设置的± 3 mm不确定性，创建8X 12 X10 =960 PBS计划，用于评价10名患者。计划被标准化，以提供DS和PBS之间相同的覆盖范围。平均肺V20、V5和平均剂量分别从DS组的29.0%、35.0%和16.4 Gy降至PBS组的24.6%、30.6%和14.1 Gy。平均心脏V30和V45分别从DS中的10.4%和7.5%降低到PBS中的8.1%和5.4%。脊髓、食管和心脏的最大剂量分别从DS组的37.1 Gy、71.7 Gy和69.2 Gy降至PBS组的31.3 Gy、67.9 Gy和64.6 Gy。符合性指数（CI）、均匀性指数（HI）和总体最大剂量从DS组的3.2、0.08和77.4 Gy提高到PBS组的2.8、0.04和72.1 Gy。除心脏V45（p= 0.146）外，所有差异均具有统计学显著性，p值<0.05。PBS与BSPTV实现了更好的器官保留，并提高了…
2015-09-26 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
Cell survival probability in a spread-out Bragg peak for novel treatment planning
沿着展开的布拉格峰的可变细胞存活概率的问题是离子束治疗的规划和优化中的长期存在的问题之一。这个问题被认为是使用多尺度方法的物理离子束治疗。对这一问题的物理原因进行了定量分析和理解。建议使用这种方法解决这个问题的配方。该配方可用于设计基于基础科学的新型治疗计划和优化。
2017-03-02 physics.bio-ph physics.med-ph
Probabilistic feature extraction, dose statistic prediction and dose mimicking for automated radiation therapy treatment planning
目的：我们提出了一个通用的框架，用于量化剂量相关量的预测不确定性，并在自动化放射治疗治疗计划的背景下，在剂量模拟问题中利用这些信息。方法：采用特征提取、剂量统计预测和剂量模拟三步流水线。特别是，这些特征由卷积变分自动编码器产生，并用作先前开发的非参数贝叶斯统计方法的输入，估计预定义剂量统计集合的多变量预测分布。然后使用专门开发的目标函数来构建基于所产生的分布的概率剂量模拟问题，从而创建可交付的治疗计划。结果：使用94例前列腺癌患者的回顾性治疗计划数据集进行数值实验。我们发现，由变分自动编码器提取的特征捕获与剂量统计预测问题实质相关的几何信息，并且与剂量统计以比手工特征更正则化的方式相关。估计的预测分布是合理的，优于一个非输入依赖的基准方法，和可交付的计划产生的概率剂量模拟同意更好地与他们的临床同行比非概率的制定。结论：我们表明，剂量相关的量的预测可以扩展到包括不确定性估计，这样的概率信息可以利用在剂量模仿问题。所提出的管道产生的治疗计划类似于他们原来的同行，说明了一个整体的方法来自动规划的基础上概率建模的优点。
2021-07-07 physics.med-ph stat.ML
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
Dose Validation of GRID Block Treatment Applicator within the RayStation Treatment Planning System
University of Rhode Island（罗德岛大学）；Mary Bird Perkins Cancer Center（玛丽·伯德·珀金斯癌症中心）；Indiana University Medical School（印第安纳大学医学院）；Warren Alpert Medical School of Brown University（布朗大学沃伦·阿尔帕特医学院）
本文研究了在RayStation治疗计划系统中使用GRID块治疗装置的剂量验证方法，通过建立符合性治疗计划并结合QA计划和Mapcheck2结果，提出了一种标准化临床实施的新方法。
2026-04-05 cond-mat.mtrl-sci physics.med-ph
Proton CT -- a novel diagnostic tool in cancer therapy
放射治疗是成功治疗癌症的主要方法之一。用光子或带电粒子（例如质子）照射肿瘤，并且在大量带电粒子的情况下，治疗导致肿瘤外部的不必要剂量较少，因此对患者的副作用较少，恢复更快。然而，强子治疗的剂量规划是根据光子CT测量计算的，这导致规划中存在很大的不确定性，因此需要扩大治疗区域。这种不确定性可以通过使用质子执行CT扫描来降低。目前的贡献显示了质子CT测量的采样量热计的发展，并介绍了该项目的状态。
2019-03-18 physics.ins-det 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
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
Adapting the TG-43 formalism for use in Diffusing alpha-emitters Radiation Therapy
Ben-Gurion University of the Negev（内盖夫本-古里安大学）；Tel Aviv University（特拉维夫大学）；Soreq Nuclear Research Center（索雷克核研究中心）
本研究将TG-43形式化方法适配Alpha DaRT模型，定义有效剂量率与活度转换因子，通过数值计算生成相关表格，使商用软件可用于Alpha DaRT治疗计划制定，但表格需按病例生成。
2026-08-28 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
Anticipatory Digital Twins for Online Head-and-Neck Adaptive Proton Therapy via Foundation-Model Registration
Emory University（埃默里大学）；University of Chicago（芝加哥大学）
本研究提出基于 foundation-model 配准的数字孪生框架，通过跨患者迁移解剖变化合成预测CT，可提升头颈自适应质子治疗的匹配度，无需重复成像。
2026-08-04 cs.AI physics.med-ph
Enabling Clinical Use of Linear Energy Transfer in Proton Therapy for Head and Neck Cancer -- A Review of Implications for Treatment Planning and Adverse Events Study
该综述梳理头颈部肿瘤质子治疗中LET的计算方法与临床应用进展，提出整合LET的计划评估、优化及关联工具，为提升治疗效果、降低不良事件提供策略。
2024-10-06 physics.med-ph
Generating Synthesized Computed Tomography (CT) from Cone-Beam Computed Tomography (CBCT) using CycleGAN for Adaptive Radiation Therapy
锥形束计算机断层成像（CBCT）图像可用于自适应放射治疗（ART）中的剂量计算。主要的挑战是大的伪影和不准确的Hounsfield单位（HU）值。目前，变形的计划CT图像通常用于此目的，尽管解剖精度可能是一个问题。理想情况下，我们希望将CBCT图像转换为CT图像，去除或大大减少伪影，并校正HU值，同时保持解剖精度。最近，深度学习在图像到图像的翻译任务中取得了巨大的成功。在有监督的训练中，很难获得与解剖结构完全匹配的成对CT和CBCT图像。为了克服这一限制，我们开发并测试了一种循环生成对抗网络（CycleGAN），这是一种无监督学习方法，不需要配对的训练数据集来从CBCT图像合成CT图像。合成CT（sCT）图像与变形计划CT（dpCT）进行了比较，显示出视觉和定量相似性，伪影被去除，HU值误差从71.78 HU降至27.98 HU。与原始CBCT图像相比，使用sCT图像的剂量计算准确度有所提高，1 mm/1%标准的平均伽马指数通过率从95.4%提高到97.4%。已进行了一项可变形体模研究，并证明sCT的解剖准确性优于dpCT。
2018-12-11 physics.med-ph
Fast Spot Order Optimization to Increase Dose Rates in Scanned Particle Therapy FLASH Treatments
本研究针对FLASH放射治疗临床转化的高效规划需求，提出基于TSP启发式算法的质子点序优化方法，在26例前列腺癌病例中实现与全局优化相当的FLASH覆盖率提升，且计算时间从数小时缩至数秒，为个性化癌症治疗提供实用方案。
2024-09-18 physics.med-ph
MAAS-SFRThelper: An Integrated ESAPI Plugin for Structure Generation, Optimization, and Evaluation of Spatially Fractionated Radiation Therapy
Gateway Scripts；Varian Medical Systems（瓦里安医疗系统）；Department of Radiation Oncology, Intermountain Health（Intermountain Health 放射肿瘤科）；Department of Radiation Oncology, Icahn School of Medicine at Mt. Sinai（西奈山伊坎医学院放射肿瘤科）；Biological Sciences Division, University of Chicago（芝加哥大学生物科学部）；Department of Radiation Oncology, University of Freiburg（弗赖堡大学放射肿瘤科）；Department of Biomedical Engineering, University of Southern California（南加州大学生物医学工程系）；Radiation Therapy Program, BC Cancer（BC Cancer 放疗项目）；Clinic Hirslanden（Hirslanden诊所）；Foshan Fosun Chancheng Hospital（佛山佛山水磨石医院）；School of Medicine, Washington University in St. Louis（华盛顿大学圣路易斯分校医学院）
本文提出MAAS-SFRThelper插件，整合了空间分数化放射治疗的结构生成、几何感知优化和峰谷剂量比评估，通过Eclipse治疗计划系统实现统一工作流。
2026-05-12 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
Fast Monte Carlo Dose Calculation in Proton Therapy
本文综述了快速Monte Carlo剂量计算在质子治疗中的关键作用，探讨了提升计算速度对实现高精度定制化治疗的重要性，并介绍了包括AI技术在内的最新进展及其在当前和新兴质子治疗策略中的应用。
2024-04-22 physics.med-ph
Deep learning based CT-to-CBCT deformable image registration for autosegmentation in head and neck adaptive radiation therapy
本研究的目的是开发一种基于深度学习的方法，该方法可以自动生成头部和颈部在线自适应放射治疗（ART）的锥形束CT（CBCT）分割，其中规划CT（pCT）中的专家绘制轮廓可以作为先验知识。针对CBCT图像中存在的大量伪影和截断现象，提出了一种基于学习的形变图像配准方法和轮廓传播算法，以获得CBCT图像的更新轮廓。该方法以CBCT和pCT为输入，通过CycleGAN模型和5-cascaded Voxelmorph模型的联合训练，同时输出变形矢量场和合成CT（synthetic CT，sCT），CycleGAN模型用于从CBCT生成sCT，5-cascaded Voxelmorph模型用于将pCT变形为sCT的解剖结构。将分割结果与Elastix、Voxelmorph和5-cascaded Voxelmorph在18个结构上进行比较，包括左臂丛、右臂丛、脑干、口腔、中咽缩肌、上咽缩肌、下咽缩肌、食管、结节大体肿瘤体积、喉、下颌骨、左咬肌、右咬肌、左腮腺、右腮腺、左颌下腺、右下颌下腺和脊髓实验结果表明，该方法可以获得平均Dice相似系数和0.83和2.01mm的95%Hausdorff距离。与其他方法相比，我们的方法对Voxelmorph和5-cascaded Voxelmorph显示出更好的准确性，与Elastix相当的准确性，但效率更高。所提出的方法可以快速，同时生成正确的CT数的sCT…
2021-02-01 physics.med-ph
Dose Prediction with Deep Learning for Prostate Cancer Radiation Therapy: Model Adaptation to Different Treatment Planning Practices
UT Southwestern Medical Center（德克萨斯大学西南医学中心）；University of North Texas（北德克萨斯大学）；UCLouvain（鲁汶大学）；Erasmus University Medical Center（伊拉斯姆斯大学医学中心）
这项工作的目的是研究预先开发的深度学习（DL）剂量预测模型的通用性，用于前列腺癌的体积调制弧治疗（VMAT），并使该模型适应三种不同的内部治疗计划风格和一种外部机构计划风格。我们使用来自108例既往接受VMAT治疗的前列腺癌患者的计划数据建立了源模型。对于迁移学习，我们选择了来自同一机构的三种不同风格的患者病例和来自不同机构的一种风格，以使源模型适应四个目标模型。我们比较了由源模型和靶模型预测的剂量分布与临床剂量预测，并使用10%至100%等剂量体积的Dice相似性系数（DSC）和计划靶体积和危及器官的剂量体积直方图（DVH）参数量化了靶模型相对于源模型的预测质量的改善。源模型可准确预测在相同源样式中生成的计划的剂量分布，但对于三种内部和一种外部靶样式，其表现次优，内部和外部样式的平均DSC范围分别为0.81-0.94和0.82-0.91。通过迁移学习，目标模型预测将内部和外部风格的平均DSC分别提高到0.88-0.95和0.92-0.96。目标模型预测显着提高了DVH参数预测的准确性，在1.6%以内。我们证明了基于DL的剂量预测模型的泛化能力以及使用迁移学习解决这个问题的可行性。每种风格有14-29例病例，我们成功地将源模型应用于几种不同的实践风格。这为基于DL的剂量预测的广泛临床实施指明了现实的途径。
2020-06-30 cs.LG eess.IV 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
A fully flexible joint lattice position and dose optimization method for LATTICE therapy
针对传统LATTICE放疗刚性顶点模式适配性差的问题，提出可灵活放置顶点、联合优化顶点位置与剂量分布的新型规划方法，提升了治疗精度、靶区适形度与OAR保护效果。
2025-05-20 physics.med-ph
