• 介绍调强优化中的基本概念和

调强放疗计划优化方法 原理。
• 回顾主流TPS的IMRT和VMAT
2019精确放疗技术计划设计高级培训班
阎辉
•
基本算法。
调强优化面临的挑战以及未来
放射治疗科 发展趋势。
中国医学科学院肿瘤医院

优化算法流程
放疗计划优化的目标
初始化通量X

•处方剂量和危及器官限量定义临床治疗要 计算简化剂量分布
求。 计算目标函数值F(X) X=X+W* F
•临床治疗要求数学上可以表示为目标函数

2019精确放疗技术计划设计高级培训班
计算目标函数梯度 F
和约束条件。
否
F<ε1& F <ε 2?
•放疗计划质量可以通过目标函数值进行量
化评估。 是
计算精确剂量分布

放疗计划评估

目标函数 约束条件

体元(ijk)处的实际剂量，代表全部有限尺寸线束(xn)
对该体元的累积剂量贡献。

有限尺寸线束辐射强度

2019精确放疗技术计划设计高级培训班
Dijk>95%*PTV and Dijk<105%*PTV
Dijk<100%*PCO
体元(ijk)处的放射沉积系数，代表单位通量的有限
尺寸线束(xn)对该体元的剂量贡献。 Dijk<100%*PNT

体元(ijk)处的处方剂量或危及器官限量

体元(ijk)处的权重因子

1
 目标函数 •Deterministic确定性
优化方法,按照梯度下
•目标函数：定义实际结果偏离期望目标的
距离/误差，优化中往往不可见，以距离函 降方向搜索最优解，
数的形式存在。Min |DP-DC|， Min (DP- 容易陷入局部最优点，
DC)2，Min |DP-w*DC|，Min (DP-w*DC)2。 效率较高。

2019精确放疗技术计划设计高级培训班
•Stochastic随机性优
•目标函数将整个计划优化问题简化为计算
一个函数值，用于评估治疗计划质量。 化方法，以一定概率
接受梯度上升方向搜
•目标函数的不足之处在于虽然其可用于对
索最优解，不容易陷
计划质量进行排名/打分，但不能体现所有
入局部最优，效率较
的治疗目的和意图。 低。

约束条件
•约束条件定义了可

•约束条件：对变量取值范围进行限制， 优 行解的范围，但无法
化中需要人工设置，以各种形式存在。 给出最优解。
•和剂量相关约束：Minimum and •当约束条件相互矛

Maximum dose, mean dose, Dose- 盾时，理论上不存在

2019精确放疗技术计划设计高级培训班
Volume constraints, EUD。 可行解。
•和机器相关约束：钨门和MLC移动速度， •临床实践中给出的

机架角速度，剂量率。 约束条件往往自相矛
盾，通过放松部分约
束条件获得可行解。

常用数学优化方法 固定野调强优化算法
•确定性算法：优化方向和步长确定，在少量迭代步
内可以满足收敛条件，最优解可重复。 •通量图优化算法 (Fluence Map
Linear/Nonlinear programming, Mixed integer Optimization, FMO) 。优化变量为二维孔径
programming 强度，分成通量图求解和叶片序列生成两个阶
•随机性算法：优化方向和步长由一定概率决定，需 段，实际剂量分布和优化剂量分布有差异。

2019精确放疗技术计划设计高级培训班
要大量迭代步才能满足收敛条件，最优解不重复。
•直接孔径优化算法 (Direct Aperture
Simulated Annealing, Genetic Algorithm
•算法性能：Efficiency, Optimality, Robustness,
Optimization, DAO) 。优化变量为二维孔径
Flexibility 形状和权重，直接一步求解，实际剂量分布和
优化剂量分布一致。

2
 基于FMO的方法
优化前每个孔径被分成等尺寸的单元射束
（Beamlet），对应的单元射束剂量分布可预
先计算，在优化计算中随时调用。
基于FMO的方法
逆向优化后产生二维通量图，随后分解成叶
片序列，形成机器上可实施的治疗子野。叶
片分割算法中将考虑机械约束，包括，最小
叶片间隔，不能对穿，最大移动速度等等。

2019精确放疗技术计划设计高级培训班

基于FMO的方法 基于DAO的方法
•Step and Shot IMRT 需要较多的子野
和较少的MU，较长治疗时间。由于最优 孔径叶片位置和权重同步优化，所有的
叶片约束都被考虑，每个角度方向的孔
通量图被叶片序列算法转化为多个离散
径数目可以控制。
的子图，实际计划质量将有所降低。

2019精确放疗技术计划设计高级培训班
•Sliding Window IMRT 在叶片运动中连
续出束，需要耗费大量MU，但和Step
and Shot IMRT相比治疗时间较短。

基于DAO的方法 基于DAO的方法
采用模拟退火方法，先选择初始值（叶片位
•可以用较少的子野和MU得到满意的调
置和孔径权重），通过随机量修改初始值，
然后计算剂量分布和目标函数值。如果目标 强治疗计划。
函数降低，接受修改。如果目标函数增加， •主要应用于旋转调强计划优化。
以一定概率接受修改。
•由于采用随机优化方法，需要较长的优

2019精确放疗技术计划设计高级培训班 化时间，解不能重复。

3
 旋转调强优化算法 弧优化技术
第一代Dynamic Arc (2000之前)
面临如下挑战：
无调强，适形，单弧。
•问题复杂，变量数目巨大，超出常规确定性
方法所能解决的范围，目标函数非凸，目前 第二代IMAT (2000-2007)
普遍采用随机方法或改进型方法。 简单调强，固定剂量率， 5-10弧。

2019精确放疗技术计划设计高级培训班
•优化约束条件除了叶片位置，还需要考虑在
机架转动过程中，相邻角度间叶片位置的约
第三代VMAT (2008-2014)
逆向调强，可变剂量率， 1-2弧。
束，以及剂量率，小机头旋转，控制点个数 第四代4π (2015-至今)
等约束。
可以是三维空间的复杂轨迹。

M. Earl, M. Shepard, A. Li, C. Yu， USA Karl Otto， Canada

•基于DAO的优化，所有约束条件都在优化过 •基于DAO的优化。
程中得以满足。 •控制点较多，只需单弧就可以满足基本IMRT
•初始射野匹配靶区的BEV，然后逐步改进。 计划需要，必要时可以增加弧的数目满足临
•优化过程中叶片位置随机改进，但不能违反 床需要。

2019精确放疗技术计划设计高级培训班
约束条件，包括，相邻角度间最大叶片移动 •通过递增式角度采样，逐渐增加需优化的控
距离， 机架旋转速度等。 制点数目，最大程度提高优化效率和质量。
•单弧控制点较少，机架需要反复多次旋转， •该方法最早为Varian的Eclipse TPS系统采
最早提出旋转调强概念。 用，是目前主流优化方法。

RapidArc (Eclipse, Varian) PRO算法的演化

•Versions
8.2,PRO1,单中心,单弧,共面。
•Versions
8.9,PRO2,采用5阶段优化,允许多
中心,多弧,非共面.剂量计算采用多分辨率笔行
束算法(MRDC),剂量计算考虑患者体内的非
resolution optimizer (PRO) 。
•Progressive
均质性。
2019精确放疗技术计划设计高级培训班
•每次迭代增加新样本，新样本位于已有样本
之间。MLC叶片位置初值通过相邻样本插值
得到，MU初值通过相邻样本MU插值得到。
•优化过程中不仅考虑剂量优化条件，还考虑
执行效率，包括执行时间和MU 。 10 CPs 21 CPs 43 CPs 87 CPs 177 CPs

4
 •Versions 13.6,PRO4,增加Acuro XB精确剂
•Versions 10.0 ,PRO3,采用4阶段优化,优化
开始就产生所有控制点,渐进分级优化各控制 量算法,合并DVO(IMRT)和PRO(VMAT)于一
点的通量图。允许铅门跟随,允许优化中高精 个优化框架PO,优化和剂量计算采用GRID而
度剂量计算。 不是POINT CLOUD,提供智能优化模块
RapidPlan。

2019精确放疗技术计划设计高级培训班 •Acuro XB提供精确快速剂量计算模型(4-

25MV),可以将非均质导致的剂量误差减至最
小。通过显式求解线性玻尔兹曼传导方程
（LBTE）,精确模拟非均质对剂量分布的影响。

SmartArc (Pinnacle, Philips) 优化流程

1. 用户选择初始计划参数，算法对弧上控制点进行
粗采样。
2. 调用FMO计算已采样控制点的通量图。
3. 已采样控制点的通量图转化成2个子通量图。
对控制点的子通量图进行优选并分布到相邻的控

2019精确放疗技术计划设计高级培训班
FMO MPO 4.
制点上。
5. 对得到的子通量图应用MPO优化，得到约束条件
的可执行子野。
6. 进行剂量计算和子野权重优化，最后得到可以在
机器上实施的治疗弧。

Machine Parameter Optimization (MPO) 优化的未来发展：多目标优化

1. 所有控制点子野形状确定后，机器参数将被优化。 （Multi-Criteria Optimization, MCO）
2. 算法采用迭代，非随机，基于梯度的优化方法。
3. 优化目标为DVH，约束条件为机器的相关参数包
括，叶片速度，剂量率，机架转速等。

2019精确放疗技术计划设计高级培训班

5
 Pareto优化原则 Pareto优化原则
•意大利经济学家名字命名,Pareto最优解也称
•一个治疗计划是Pareto最优的，如果该计划
为帕累托效率（Pareto efficiency），是指
的所有目标函数值都是较好的，并且在某个
资源分配的一种理想状态，假定固有的一群
目标函数值是最好的。
人和可分配的资源，从一种分配状态到另一
种状态的变化中，在没有使任何人境况变坏

2019精确放疗技术计划设计高级培训班
的前提下，使得至少一个人变得更好。
•对放疗计划优化而言，不存在某个计划好于
其它计划，不以牺牲计划某方面的优势而取 给定一个可行点x*，有∀x∈ S, f(x*)<f(x)，则x*称为多目
标规划问题的绝对最优解。若不存在 ，则x*称为多目标
得。换言之，有得必有失，完美的放疗计划
规划问题的有效解，多目标规划问题的有效解也称为
是不存在的，同时存在多个相近的最优计划。 Pareto最优解。

优化方法
•该方法在商业计划系统RayStation的MCO模
块实现。
•该系统根据预设的目标，预先产生一系列
Pareto优化解。

2019精确放疗技术计划设计高级培训班
•然后通过交互导航工具在多个Pareto优化解
中寻求最优的折衷。
•由于折衷解是在已有优化解的基础上产生，
不需要重新优化，计算时间较短。

什么是最优的放疗计划？

1. 放疗计划要最大可能满足临床要求。
2. 放疗计划在执行过程中要最大程度降低对
机器和电子设备的损耗。
3. 放疗计划要有高的验证通过率和鲁棒性，

2019精确放疗技术计划设计高级培训班 在一定的扰动情况下，治疗效果不受太大
影响。
4. 放疗计划要在剂量分布，执行效率，和验
证通过率三个方面进行必要的折中，单纯
某个方面的最优并不能代表整体的最优。

6
 谢谢
2019精确放疗技术计划设计高级培训班

2019精确放疗技术计划设计高级培训班

2019精确放疗技术计划设计高级培训班