摘要：開發(fā)一種基于圖形處理器(GPU)加速的質子調強放療魯棒優(yōu)化器,用于減小質子束射程不確定性和靶區(qū)定位偏差對質子放療的影響。建立的魯棒優(yōu)化模型使用的目標函數(shù)包括9種邊界劑量目標,分別是:無偏差情況、2種射程偏差(偏長與偏短)、6種擺位不確定性(前后、側向、上下入射方向各2種正負偏差)。首先靶區(qū)和危及器官的劑量貢獻矩陣使用筆形束算法計算得到,然后使用共軛梯度法優(yōu)化目標函數(shù)讓其滿足約束條件,這兩部分均采用GPU加速。頭頸部、肺部和前列腺三個臨床病例被用來檢測本優(yōu)化器的性能表現(xiàn)。與傳統(tǒng)基于計劃靶區(qū)(PTV)的質子調強放療計劃相比,魯棒優(yōu)化器能夠優(yōu)化出對射程不確定性和擺位誤差更加不敏感的治療計劃,讓靶區(qū)實現(xiàn)了高劑量均勻性的同時危及器官(OARs)也得到了更好的保護。經過100次迭代,三個病例的優(yōu)化時間均在10 s左右。該結果證明了基于GPU加速的質子調強放療魯棒優(yōu)化器能夠在短時間內設計出高魯棒性的質子治療計劃,從而提高質子放射治療的可靠性。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
