压缩放射治疗计划（CompressRTP）：快速高质量治疗计划优化的新范式
医学物理
2024-10-02 v1 最优化与控制
摘要
背景：放射治疗治疗计划涉及求解大规模优化问题，常因时间限制被近似求解且次优。核心问题在于剂量影响矩阵，其量化了每个束流到每个体素的剂量贡献。我们的发现表明，该矩阵高度可压缩，使优化问题能够获得紧凑表示并更高效、准确地求解。方法：我们分别预计算剂量影响矩阵A的主要（S）和散射（L）剂量贡献，用于光子治疗，表达式为：A = S + L。我们的分析显示，散射矩阵L的奇异值呈指数衰减，表明L为低秩矩阵。这使我们可以将L压缩为两个较小矩阵：L=HW，其中r相对较小（约5至10）。由于主要剂量矩阵S稀疏，这支持使用已建立的“稀疏+低秩”分解技术对影响矩阵A进行近似，表达式为：A = S + H * W。我们引入一种即使没有直接访问散射矩阵也能高效进行稀疏+低秩矩阵分解的算法。该算法用于优化十个肺部和十个前列腺患者的治疗计划，分别使用压缩和稀疏化后的矩阵A。我们还评估了优化方案与最终方案之间的剂量差异。我们还将该压缩技术与我们现有的自动化计划系统ECHO集成，并评估了带压缩和不带压缩生成方案的剂量学质量。
引用
@article{arxiv.2410.00756,
title = {Compressed radiotherapy treatment planning (CompressRTP): A new paradigm for rapid and high-quality treatment planning optimization},
author = {Mojtaba Tefagh and Gourav Jhanwar and Masoud Zarepisheh},
journal= {arXiv preprint arXiv:2410.00756},
year = {2024}
}