• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利:CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法,用中文像聊天一样搜索,搜遍4000万医学文献。AI智能推荐,让科研检索更轻松。

立即免费搜索

文件翻译

保留排版,准确专业,支持PDF/Word/PPT等文件格式,支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述,25分钟生成高质量综述,智能提取关键信息,辅助科研写作。

立即免费体验

约束优化在调强放射治疗系统中的一种可行应用。

A feasible application of constrained optimization in the IMRT system.

作者信息

Artacho Terrer Juan M, Nasarre Benedé Miguel A, Bernués del Rio Emiliano, Cruz Llanas Santiago

机构信息

Communications Technology Group, I3A, University of Zaragoza, CP: 50018, Zaragoza, Spain.

出版信息

IEEE Trans Biomed Eng. 2007 Mar;54(3):370-9. doi: 10.1109/TBME.2006.890487.

DOI:10.1109/TBME.2006.890487
PMID:17355048
Abstract

The planning of intensity modulated radiation therapy cancer treatment poses an inverse problem and is usually solved by optimization methods. Treatment planning, in a majority of cases, requires restrictions to be imposed on the healthy organs, sensitive to the radiation, which justifies the use of constrained optimization. The application of these techniques in treatment planning usually involves serious complications and limitations due to the huge number of variables appearing in the planning process. This leads to large computation times and memory requirements. In this paper, strategies and algorithmic issues are proposed in order to cope with these limitations. The proposed methods have been applied and tested in real cases of prostate cancer, obtaining satisfactory results regarding computational limitations.

摘要

调强放射治疗癌症的治疗计划是一个逆问题,通常通过优化方法来解决。在大多数情况下,治疗计划需要对辐射敏感的健康器官施加限制,这证明了使用约束优化的合理性。由于治疗计划过程中出现大量变量,这些技术在治疗计划中的应用通常涉及严重的复杂性和局限性。这导致计算时间长和内存需求大。本文提出了应对这些局限性的策略和算法问题。所提出的方法已在前列腺癌的实际病例中得到应用和测试,在计算限制方面取得了令人满意的结果。

相似文献

1
A feasible application of constrained optimization in the IMRT system.约束优化在调强放射治疗系统中的一种可行应用。
IEEE Trans Biomed Eng. 2007 Mar;54(3):370-9. doi: 10.1109/TBME.2006.890487.
2
A particle swarm optimization algorithm for beam angle selection in intensity-modulated radiotherapy planning.一种用于调强放射治疗计划中射束角度选择的粒子群优化算法。
Phys Med Biol. 2005 Aug 7;50(15):3491-514. doi: 10.1088/0031-9155/50/15/002. Epub 2005 Jul 13.
3
IMRT planning on adaptive volume structures--a decisive reduction in computational complexity.基于自适应体积结构的调强放疗计划——计算复杂度的显著降低
Phys Med Biol. 2005 May 7;50(9):2033-53. doi: 10.1088/0031-9155/50/9/008. Epub 2005 Apr 20.
4
On-line re-optimization of prostate IMRT plans for adaptive radiation therapy.用于自适应放射治疗的前列腺调强放射治疗计划的在线重新优化
Phys Med Biol. 2008 Feb 7;53(3):673-91. doi: 10.1088/0031-9155/53/3/011. Epub 2008 Jan 10.
5
Quantitation of the a priori dosimetric capabilities of spatial points in inverse planning and its significant implication in defining IMRT solution space.逆向计划中空间点的先验剂量学能力定量及其在定义调强放射治疗(IMRT)解空间中的重要意义。
Phys Med Biol. 2005 Apr 7;50(7):1469-82. doi: 10.1088/0031-9155/50/7/010. Epub 2005 Mar 16.
6
Comparison of IMRT planning with two-step and one-step optimization: a way to simplify IMRT.调强放射治疗(IMRT)两步优化与一步优化计划的比较:一种简化IMRT的方法
Phys Med Biol. 2008 Feb 7;53(3):807-21. doi: 10.1088/0031-9155/53/3/018. Epub 2008 Jan 14.
7
A unified approach for inversion problems in intensity-modulated radiation therapy.调强放射治疗中反演问题的统一方法。
Phys Med Biol. 2006 May 21;51(10):2353-65. doi: 10.1088/0031-9155/51/10/001. Epub 2006 Apr 26.
8
A finite size pencil beam for IMRT dose optimization.用于调强放射治疗剂量优化的有限尺寸笔形束。
Phys Med Biol. 2005 Apr 21;50(8):1747-66. doi: 10.1088/0031-9155/50/8/009. Epub 2005 Apr 6.
9
A difference-matrix metaheuristic for intensity map segmentation in step-and-shoot IMRT delivery.一种用于步进式IMRT放疗中强度图分割的差异矩阵元启发式算法。
Phys Med Biol. 2006 May 21;51(10):2517-36. doi: 10.1088/0031-9155/51/10/011. Epub 2006 Apr 26.
10
Improved stratification algorithms for step-and-shoot MLC delivery in intensity-modulated radiation therapy.
Phys Med Biol. 2007 Oct 7;52(19):6039-51. doi: 10.1088/0031-9155/52/19/022. Epub 2007 Sep 17.