不确定性下辐射疗法优化的仿生策略

放射疗法是癌症治疗的关键组成部分。然而，放射线的施予存在固有挑战，特别是在最小化肿瘤部位周围健康器官的辐射暴露方面。造成该挑战的一个重要因素是患者的呼吸，它给放射线的精确靶向引入了不确定性。在放疗期间管理这些不确定性对于确保有效肿瘤治疗同时最小化对健康组织的不良影响至关重要。本研究致力于在呼吸不确定性条件下实现放疗期间平衡剂量分布的紧要目标。为解决此问题，我们首先采用表征呼吸运动模式的概率密度函数建立运动不确定性模型。该模型构成了我们优化放射剂量施予工作的基础。接下来，我们采用三种仿生优化技术：布谷鸟搜索优化 (CSO)、花粉授粉算法 (FPA) 与蝙蝠搜索优化 (BSO)。我们的研究通过将这类仿生优化方法应用于肿瘤与健康器官，以 Gy 为单位评估剂量分布，从而确定最有效方法。本研究最终有助于在呼吸不确定性带来的挑战条件下改进放疗计划策略。通过应用仿生优化技术与对剂量分布的全面评估，我们力求提升放射疗法的精度与安全性，从而推进癌症治疗成效。