本文开发一种基于图形处理器(GPU) 加速的质子调强放疗鲁棒优化器，用于减小质子束射程不确定性和靶区定位偏差对质子放疗的影响。建立的鲁棒优化模型使用的目标函数包括9种边界剂量目标，分别是：无偏差情况、2种射程偏差(偏长与偏短)、6种摆位不确定性(前后、侧向、上下入射方向各2种正负偏差)。首先靶区和危及器官的剂量贡献矩阵使用笔形束算法计算得到，然后使用共轭梯度法优化目标函数让其满足约束条件，这两部分均采用GPU加速。头颈部、肺部和前列腺三个临床病例被用来检测本优化器的性能表现。与传统基于计划靶区(PTV) 的质子调强放疗计划相比，鲁棒优化器能够优化出对射程不确定性和摆位误差更加不敏感的治疗计划，让靶区实现了高剂量均匀性的同时危及器官OARs)也得到了更好的保护。经过100次迭代，三个病例的优化时间均在10s左右。该结果证明了基于GPU加速的质子调强放疗鲁棒优化器能够在短时间内设计出高鲁棒性的质子治疗计划，从而提高质子放射治疗的可靠性。
本文建立的质子强调放疗不确定性模型基于标准优化函数，函数中包含质子束射程不确定性和靶区定位误差，采用共轭梯度（CG）方法优化不确定性模型，利用GPU加速矩阵向量乘法运算。
鲁棒优化模型加工
本文使用3个病例测试了鲁棒优化器的有效性，数据良好
| # | 编号 | 名称 | 类型 |
| 1 | 2017YFC0107500 | 多模式引导的多粒子生物适形调强新技术研究与实现 | 国家重点研发计划 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.IMP.DB4089.2023
10.12072/ncdc.imp.db4089.2023
