放射治疗计划的优化方法研究

摘  要

放射治疗的原则是：既要保证肿瘤组织获得足够的致死剂量，又要防止正常组织因接受过多的照射而造成放射损伤，而这个问题一直困扰着传统的常规放射治疗学。更为合理的计划思想应该是:从治疗专家制定的剂量处方出发寻找最佳的参数配置。不少的学者把治疗计划问题转化为求最优化问题。

优化(Optimization)概念是指通过物理或几何学手段更改治疗计划参数，在靶区获得均匀的剂量分布，同时最大限度的减少正常组织和要害器官的照射量。

人工神经网络是近年来得到迅速发展的一个前沿课题。神经网络由于其大规模并行处理、容错型、自组织和自适应能力的和联想功能强的特点，已成为解决很多问题的有力工具，对突破现有科学技术的瓶颈，更深入探索非线性等复杂现象起到了重大作用，已广泛应用在许多工程领域。神经网络优化算法就是利用神经网络中神经元的协同并行计算能力来构造的优化算法，它将实际问题的优化解于神经网络的稳定状态相对应，把对实际问题的优化过程映射为神经网络系统的演化过程。

本论文的放射治疗计划的优化方法的研究，集中于神经网络优化算法，尤其侧重于BP前向神经网路和RBF径向基神经网路。通过对这两种算法的研究来实现对放射治疗计划的优化。

关键词  放射治疗、优化算法、BP前向神经网路、RBF径向基神经网络

目    录

摘要 Ⅰ

Abstract Ⅱ

第1章  绪论 1

    1.1  放射治疗的概念与发展 1

        1.1.1  放射治疗的发展历史 1

1.1.2  放射治疗概念及原理 2

1.1.3  放射治疗计划 4

1.2  神经网络 5

        1.2.1  神经网络的发展与现状 5

        1.2.2  生物神经元及生物神经网络 7

         1 .2. 3  生物神经网络的模型化――人工神经网络 8

1.3  放射治疗优化方案 10

第2章  放射治疗系统的神经网络优化方案 11

2.1  BP神经网络的原理与介绍 11

2.2  RBF神经网络的原理与介绍 16

    2.2  图形用户界面GUI的介绍 18

第3章  神经网络优化方案的算法实现 23

    3.1  MATLAB神经网络工具箱 23

3.2  BP神经网络的算法实现 23

        3.2.1  BP神经网络设计 23

        3.2.2  BP神经网络训练结果 25

3.3  RBF神经网络的算法实现 27

        3.3.1  RBF神经网络设计 27

        3.3.2  RBF神经网络训练结果 28

3.4  BP与RBF神经网络的算法比较 30

3.5  基于GUI的算法实现 30

结论 34

致谢 35

参考文献 36

附录1 37