自适应分次的动态规划方法
医学物理
2012-02-16 v3
摘要
我们对自适应分次问题的各种求解方法进行了理论研究。本文的两个核心结论是：(i) 动态规划 (DP) 是自适应放射治疗（特别是自适应分次）的有效框架，因为它使我们能够评估不同方法距离最优解有多近；(ii) 本文提出的启发式方法接近最优，因此可用于评估使用自适应分次剂量所能带来的最大潜在收益。自适应分次的本质是：当肿瘤与危及器官 (OAR) 相距较远时（即“有利”的解剖结构）增大分次剂量，而当二者距离较近时减小分次剂量。鉴于在治疗过程中必须向肿瘤输送固定的处方剂量，与标准分次相比，这种方法能降低 OAR 接受的累积剂量。我们首先使用 DP 算法精确求解该问题以建立基准。在此情形下，我们刻画了最优策略的结构，这为我们选择启发式方法提供了指导。我们开发了两种直观且数值上接近最优的启发式策略，它们可用于更复杂的高维问题。此外，其中一种启发式方法仅需运动概率分布的一个统计量，使其成为在现实环境中使用的合理方法。在数值上，我们发现 OAR 剂量的减少幅度可能有显著差异（5 - 85%），这取决于解剖结构的运动幅度、分次数以及允许的分次剂量范围。通常，在以下情况下 OAR 剂量的减少更为显著：(i) 肿瘤与 OAR 之间出现大距离的概率较高，(ii) 我们使用较多的分次数（如在超分次设置中），以及 (iii) 我们允许较大的每日分次剂量偏差。
引用
@article{arxiv.1109.4524,
title = {A Dynamic Programming Approach to Adaptive Fractionation},
author = {Jagdish Ramakrishnan and David Craft and Thomas Bortfeld and John N. Tsitsiklis},
journal= {arXiv preprint arXiv:1109.4524},
year = {2012}
}
备注
17 pages, 4 figures, 1 table