自适应分数化的动态规划方法
摘要：自适应分割问题的各种解决方法的理论研究 在肿瘤放疗中，动态规划(DP)是一个有用的框架，特别是在自适应分割中，因为它允许我们评估不同方法与最优方法之间的接近程度。本文介绍的启发式方法是接近最优的，因此可以用来评估使用自适应分割尺寸的最大收益。 自适应分割的核心是在肿瘤和风险器官(OAR)相距较远时增加分割尺寸(“有利”解剖结构)，而在它们相距较近时减小分割尺寸。鉴于必须在治疗过程中向肿瘤输送固定的计划剂量，这种方法与标准分割相比会导致器官对风险的累积剂量降低。我们首先通过使用DP算法精确求解问题，建立了一个基准。在这种情况下，我们表征了最优策略的结构，为我们选择启发式方法提供了指导。我们开发了两种直观、数值接近最优的启发式策略，可以用于更复杂的高维问题。此外，其中一个启发式方法仅需要运动概率分布的统计数据，因此是在现实环境中使用的合理方法。从数值上看，OAR剂量的减少量可以根据解剖运动的程度、分割次数和允许的分割尺寸范围而有很大的变化(5 - 85\%)。总的来说，当：(i)肿瘤与OAR之间的距离有较高的大值概率时，(ii)使用多个分割时(如在高亚分割设置中)，(iii)允许较大的日分割尺寸偏差时，OAR剂量的减少更为显著。
作者：Jagdish Ramakrishnan, David Craft, Thomas Bortfeld, and John N. Tsitsiklis
论文ID：1109.4524
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2012-02-16