基于空间不确定性集的鲁棒放射治疗计划
最优化与控制
2024-05-28 v2 计算工程、金融与科学
摘要
放射治疗计划是一个受不确定性困扰的大规模优化难题。遵循鲁棒优化方法论，我们提出了一种新颖的、基于空间的不确定性集，用于放射治疗计划的鲁棒建模，从而产生对生物条件意外变化具有免疫力的解。我们提出的不确定性集真实地捕捉了利用最新成像进展观察到的生物放射敏感性模式，同时其参数可为个体患者个性化定制。我们利用该集的结构设计了鲁棒模型的紧凑重构形式。我们开发了一种行生成方案来求解真实的、大规模的鲁棒模型实例。随后，该方法被扩展为一种基于松弛的方案，以强制执行具有挑战性但在临床上重要的剂量 - 体积基数约束。我们在模拟和真实成像数据上展示了算法的计算性能，以及所计算治疗计划的质量和鲁棒性。基于最小靶区剂量和均匀性等公认的性能指标，这些示例表明，空间鲁棒模型在标称场景下实现了与标称模型几乎相同的性能，而在其他情况下，空间模型的表现优于标称模型和箱式不确定性模型。
引用
@article{arxiv.2402.17040,
title = {Robust Radiotherapy Planning with Spatially Based Uncertainty Sets},
author = {Noam Goldberg and Mark P. Langer and Shimrit Shtern},
journal= {arXiv preprint arXiv:2402.17040},
year = {2024}
}