可扩展,记忆效率高,强大的质子疗法优化通过无光束的治疗规划
Danah Pross1, Valentine Dormal1, Kevin Souris1,2
1Center of Molecular Imaging, Radiotherapy and Oncology, Université catholique de Louvain, Institut de Recherche Expérimentale et Clinique (IREC), Louvain-La-Neuve, Belgium.
Medical physics
|December 13, 2025
概括
对于质子疗法而言,一种新的无光束强大的优化方法显著减少了计算时间和内存使用量. 这种方法保持了治疗计划的质量,同时为先进的质子疗法技术提供了更复杂的优化.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
- 计算生物学 计算生物学
背景情况:
- 质子疗法优化必须考虑到治疗的不确定性.
- 当前的强大优化器使用最坏的情况,增加计算时间和内存需求,因为beamlet矩阵计算.
研究的目的:
- 调查一个没有beamlet的强大优化策略.
- 通过在蒙特卡洛剂量计算过程中进行优化和场景评估来减少计算要求,省略光束矩阵.
主要方法:
- 我们比较了三个强大的优化方法:基于beamlet的最坏情况,基于beamlet的预期值和没有beamlet的预期值.
- 在六个病例中评估了计划质量和计算负担的方法.
主要成果:
- 在所有方法中实现了可比的计划质量.
- 与基于beamlet的方法相比,没有beamlet的强大优化减少了87%-92%的内存使用量和51%-69%的计算时间.
结论:
- 没有Beamlet的强大优化保持了计划质量,同时降低了计算需求.
- 这种方法支持更复杂的优化条件,有可能推进新型质子疗法技术.
关键词:
蒙特卡罗的蒙特卡罗是一个非常好的城市.没有beamlet的东西.最小的优化优化最小的优化.优化的优化优化优化.质子疗法是一种质子疗法.强大的优化优化.场景选择 场景选择治疗计划 治疗计划最坏的情况下情况优化最佳化方案.更多相关视频
08:34Proton Therapy Delivery and Its Clinical Application in Select Solid Tumor Malignancies
Published on: February 6, 2019
20.9K
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
3.1K
