简介:针对现有的图像分割方法存在的精度低、稳定性较差的问题,提出了一种基于猫群优化算法的图像多阈值分割方法。本文将猫群优化算法(CatSwarmOptimization,CSO)引入到图像分割中,以最大类间方差作为猫群优化算法求解的适应度函数,利用猫群优化算法中猫的两种行为模式——搜寻模式和追踪模式来快速搜寻图像多阈值分割的最佳阈值。实验表明,与粒子群优化算法(ParticleSwarmOptimization,PSO)、头脑风暴算法(BrainStormOptimization,BSO)和人工蜂群算法(ArtificialBeeColony,ABC)相比,CSO在图像分割时的精确性、收敛速度及稳定性上有显著优势。在3阈值图像分割时,所提方法找到最优个体需要的平均迭代次数最少,且稳定性比ABC、BSO和PSO分别提高了5%、10%和80%。
简介:摘要目的设计一种联合深度学习剂量预测和参数迭代优化算法的容积调强放射治疗(VMAT)全自动计划方法。方法选取2018年6月至2021年1月北京大学肿瘤医院既往165例直肠癌患者的VMAT计划开展研究,其中145例用于训练和验证深度学习模型,该模型用于预测危及器官的剂量,20例用于研究比对自动计划和人工计划的质量。该方法从危及器官的预测剂量分布中提取关键的剂量体积直方图(DVH)值作为初始优化参数(IOPs),利用治疗计划系统可编程接口自动创建VMAT计划,通过设计迭代优化算法自动调节优化参数(OPs)。结果剂量预测模型训练后能有效预测出20例测试计划危及器官的关键DVH值,与参考值相比差异均无统计学意义(P> 0.05)。20例VMAT自动计划均能满足临床处方剂量要求,对于PTV和PGTV的适形性指数(CI),人工计划与自动计划比较差异均无统计学意义(P> 0.05);而PGTV的D1和均匀性指数(HI),自动计划均高于人工计划,分别为0.6 Gy和0.01,两者比较差异均有统计学意义(t=-7.05、-6.92,P<0.05)。自动计划比人工计划的膀胱平均V30下降2.7%(t=3.37,P< 0.05),股骨头和危及器官辅助结构(Avoidance)的平均V20分别下降8.37%和15.95%(t=5.65、11.24,P< 0.05),并且膀胱、股骨头、Avoidance的平均剂量分别降低了1.91、4.01和3.88 Gy(t=9.29、2.80、10.23,P< 0.05)。测试的20例直肠癌患者病例的自动计划平均时间为(71.82±25.48)min。结论本研究利用直肠癌病例验证了一种联合剂量预测和参数迭代优化算法的VMAT自动计划方法的可行性。相比于人工计划,VMAT自动计划无需人工干预,在提高计划设计效率、计划质量和临床资源利用率等方面有很大的应用潜力。
简介:摘要目的探讨三维后装治疗计划中一种逆向剂量优化算法(GBPO)的实现方法和结果。方法GBPO使用标准的二次目标函数,优化代码基于LBFGS算法。回顾性选择了7例使用不同施源器治疗的宫颈癌患者和15例使用了三管施源器治疗的宫颈癌患者,先用等剂量线定性评估GBPO计划的质量,然后统计剂量体积直方图(DVH)参数(CTV D100%、V150%,危及器官D0.1cm3、D1.0cm3、D2.0cm3),评估GBPO计划、IPSA计划和Graphic计划之间的差异。结果对于使用不同施源器的7例患者,GBPO都可以优化出适形的剂量分布,GBPO计划、IPSA计划和Graphic计划之间靶区和危及器官的DVH参数相近。对于使用了三管施源器的15例患者,GBPO计划和IPSA计划之间DVH参数也相近,GBPO计划和Graphic计划之间危及器官DVH参数也相近,但是GBPO计划CTV的D100%高于Graphic计划(P<0.01),V150%低于Graphic计划(P<0.01)。结论采用逆向剂量优化算法GBPO制订的计划在靶区覆盖和危及器官保护方面与IPSA计划相似,GBPO可集成在三维后装治疗计划系统中。
简介:摘要目的针对调强放疗(IMRT)计划大量耗费人工及计划质量高度依赖物理师临床经验且差异较大等问题,探讨一种可实现无监督调强放疗自动计划的方案。方法采用Varian Eclipse 15.6治疗计划系统(TPS)自带的脚本应用程序接口(ESAPI)和优化参数树搜索算法(OPTSA)模拟,实现整个计划设计过程。通过ESAPI进行交互,自动输入输出相关参数;利用OPTSA对靶区和危及器官(OAR)的剂量学参数进行评估,并迭代调整优化目标参数来逐步改善,最终获得满足临床需求的IMRT计划。为验证自动计划的有效性,从临床数据库中选取20例既往已完成治疗的直肠癌病例,比较基于OPTSA算法的自动计划和临床人工计划在剂量分布和特定剂量学参数上的差异。结果所有的自动计划均满足临床要求。90%的自动计划质量超过既往人工计划,10%的自动计划则与人工计划质量基本一致。PTV平均适形指数(CI)在自动计划和人工计划中分别为0.88和0.80。与人工计划相比,自动计划OAR剂量学指标平均降低11%。自动计划和人工计划平均运行时间分别为(28.15±3.61)和(36.7±4.6)min。结论利用ESAPI所创建的OPTSA自动计划质量不劣于人工计划。在保证计划质量和一致性的情况下,OPTSA自动计划可缩短计划设计中所耗费的人力时间。
简介:目的研究多目标遗传算法(MOGA)在刺五加根提取工艺条件中的应用,并对其效果进行评价。方法利用Maflab2009a外挂SGALAB工具箱beta5008完成遗传算法的寻优;利用SPSS13.0软件进行统计分析。结果经过MOGA优化后,刺五加根及根茎中紫丁香苷、刺五加苷E的提取率的平均水平能达到0.104%、0.086%,提取工艺的最优提取条件为10倍的76%的乙醇、提取时间2.3h、提取次数3次。结论在保证多个目标都最优的前提下,MOGA搜索的Paret0非劣解比较理想,为刺五加根提取最优条件选择提供了合理的方法,可推广到其他药物的最优条件选择。
简介:摘要:本文选取了20位食道癌患者作为对象,研究DMPO与MCO优化算法在胸部肿瘤调强放射治疗计划中的差异性。通过计划系统中的设计参数、剂量信息等方面的质量能够实现对两种优化算法的综合对比。结果显示,两种优化算法的结果均能满足临床剂量要求。MCO的计划靶区各方面的适形指数差异不大,与DMPO相比稳定性更强,但是危机器官受量却明显小于后者。执行效率来看二者之间并没有明显差异,但MCO计划组明显小于DMPO计划组。