遗传算法基于优化的方法伽玛刀单位治疗计划系统.pdf

遗传算法基于优化的方法伽玛刀单位治疗计划系统

1.这个问题的重述

立体定向放射外科治疗提供了单个高剂量电离辐射对如果没有提供类似浸润明确、小

颅内3D脑肿瘤任何相当一部分的订明剂量向周围的脑组织。三分之一个经常使用模式

是伽马刀单位。伽马刀单位提供了单高剂量的电离辐射所产生的201钴60单位通过

重头盔的来源。所有201梁同时交于下半，导致球（大约）在有效剂量分布剂量水

平。辐照下半交付剂量称为一个镜头。镜头可以表示为不同领域。具有四个可互换外

准直器头盔4、8、14、18毫米的梁通道直径可供辐照不同卷的大小。对于目标卷大

于一枪，多个镜头可以使用到覆盖整个目标。通过合并多个镜头的辐射，治疗方案可以

自定义处理不同的尺寸和形状的病变。在实践中，大多数的目标卷被治疗1至15枪。

伽马刀治疗计划是按传统方法制作使用手册迭代的方法。在每次迭代计划者尝试确

定：（1）数拍摄，（2）的镜头的大小、(3)拍摄的地点和(4)拍摄暴露时间(重量)，

将会充分涵盖的目标和备件的关键结构。对于大型或不规则形状的待遇卷，这一过程变

得相当单调和耗时。也往往生产计划的质量取决于两个耐心和用户的体验。因此，有许

多研究人员例如，学习技术的自动化伽马刀治疗规划过程，[1，2]。已经过测试的算法

包括退火[3、4]，和混合整数规划与非线性规划[5-8]等。

在处理规划问题，目标是提供齐（统一）剂量的同时（通常称为目标）的肿瘤

区域辐射避免不必要的损害周围的组织和器官。一种方法近似于每个辐射拍摄作为一个

球体[9]，从而减少问题之一几何的覆盖范围。然后，可以用一个球体包装方法[10]来

确定子弹的位置和大小。在此文件中，考虑到物理限制，生物的不确定性涉及伽马刀治

疗过程中，我们也会制定最佳的治疗规划作为一球填料的伽马刀单位问题，并提出合理

的算法，以找到一个解决办法。

假设

占所有物理限制和生物不明朗因素参与伽马刀治疗过程中，我们进行几个假设如下：

A1目标的形状不是太不规则，且该目标卷界。作为一个经验法则，要处理的目标应

在所有小于3.5厘米尺寸。它的三维(3D)数码图像，通常由组成的数以百万计的点，

可以索取CT或MRI。A2考虑为3D网格点的目标卷上，我们将划分成此网格两个子

集，和目标，点的子集，分别称为T和N。

A3梁通道直径四个可互换外准直器头盔w={4、8、14、18}毫米可供辐照大小不

同的卷。我们使用（xs、ys、zs)来表示的镜头、ts、w的中心位置的坐标来表示

(重量)的时间每个镜头暴露。交付的总剂量是线性功能的ts、w。对于目标卷大于一

枪，可以是多个镜头用于支付整个目标。在伽马刀案例中，有的绑定号，n，拍摄。典

型的n值的范围是：

1≤n≤15。（1）

（A4）神经外科医师通常使用剂量曲线作为判断的手段质量的一种治疗计划，并且可

能会想要强加一项要求，整个目标包围剂量线x%，即30~70%。在我们的模型中，我

们将会使用剂量线路的50%，这意味着，一个50%线必须的约束环绕着目标。

（A5）剂量云是作为一个球对称分布的近似平均沿x、y和z轴上的配置文件。其

他效果将被忽略的以下优化配方。

(A6)存放在目标和重要器官的总剂量应超过一小部分，P，提供的一项计划的总剂量。

通常情况下，我们选择的值P：

25%≤P≤40%.

3优化模型

3.1分析问题

放射外科治疗的目标是要消耗肿瘤细胞同时保持正常结构。一般情况下，最佳的治疗计

划旨在满足以下要求：

(R1)匹配指定的剂量轮廓到目标卷。

(R2)匹配指定的剂量卷约束的目标和重要器官。

(R3)约束到指定正常组织点下方耐受剂量的剂量。

(R4)尽量减少对正常组织或器官的整个卷的积分剂量。

（R5）目标卷跨减少剂量渐变。

(R6)最