基于GPU加速的質子調強放療魯棒優化器

摘要：開發一種基于圖形處理器(GPU)加速的質子調強放療魯棒優化器,用于減小質子束射程不確定性和靶區定位偏差對質子放療的影響。建立的魯棒優化模型使用的目標函數包括9種邊界劑量目標,分別是:無偏差情況、2種射程偏差(偏長與偏短)、6種擺位不確定性(前后、側向、上下入射方向各2種正負偏差)。首先靶區和危及器官的劑量貢獻矩陣使用筆形束算法計算得到,然后使用共軛梯度法優化目標函數讓其滿足約束條件,這兩部分均采用GPU加速。頭頸部、肺部和前列腺三個臨床病例被用來檢測本優化器的性能表現。與傳統基于計劃靶區(PTV)的質子調強放療計劃相比,魯棒優化器能夠優化出對射程不確定性和擺位誤差更加不敏感的治療計劃,讓靶區實現了高劑量均勻性的同時危及器官(OARs)也得到了更好的保護。經過100次迭代,三個病例的優化時間均在10 s左右。該結果證明了基于GPU加速的質子調強放療魯棒優化器能夠在短時間內設計出高魯棒性的質子治療計劃,從而提高質子放射治療的可靠性。