用于放射治疗优化的GPU加速内点法
最优化与控制
2024-05-07 v1
摘要
优化在现代放射治疗中起着核心作用，用于确定最佳治疗机器参数，以便为每个患者病例提供精确剂量。通常，求解出现的优化问题可能成为治疗计划过程中的计算瓶颈，因为它们在变量和约束方面都可能很大。在本文中，我们开发了一种用于放射治疗应用的GPU加速优化求解器，基于内点法（IPM），利用迭代线性代数来寻找搜索方向。迭代线性代数的使用使得求解器适合移植到GPU，因为核心计算内核变成了标准的矩阵-向量或向量-向量运算。我们的求解器使用C++20实现，并使用CUDA进行GPU加速。我们求解的问题来自商业治疗计划系统RayStation，由RaySearch Laboratories（瑞典斯德哥尔摩）开发，该系统在全球数百家癌症诊所临床使用。RayStation使用序列二次规划（SQP）方法求解（通常）非线性优化问题，其中主要计算在于每次迭代中求解二次规划（QP）子问题。本文的内点法专注于此类QP子问题的GPU加速。我们将求解器与RayStation中现有的QP求解器进行基准测试，并表明，对于两个真实患者病例，我们的GPU加速IPM可以将一次SQP求解中所有QP子问题的总求解时间分别加速1.4倍和4.4倍。
引用
@article{arxiv.2405.03584,
title = {A GPU-Accelerated Interior Point Method for Radiation Therapy Optimization},
author = {Felix Liu and Albin Fredriksson and Stefano Markidis},
journal= {arXiv preprint arXiv:2405.03584},
year = {2024}
}