迭代方法在逆向放射治療中的應用

電氣自動化論文編號:ZD759    論文字數:17201,頁數:47 ,有開題報告，任務書

目    錄
 
摘要 Ⅰ
Abstract Ⅱ

第1章  緒論 1
1.1  課題背景 1
第2章 應用技術 3
 2.1 技術簡介 3
 2.1.1  放射治療 3
          2.1.2  優化技術 4
          2.1.3  優化方法 6
        2.2  迭代技術 8
          2.2.1 共軛梯度法 9
 2.2.2 牛頓法 12
        2.3 遺傳算法 15
 2.3.1 標準遺傳算法 15
 2.3.2 算法關鍵參數與操作的設計 17
第3章 建立數學模型與仿真 20
3.1 建立數學模型 20
 3.1.1  應用共軛梯度法分析 21
 3.1.2  應用牛頓法分析 22
 3.1.3  應用遺傳算法分析 24
3.2 MATLAB仿真 26
 3.2..1  MATLAB簡介 26
 3.2.2  MATLAB仿真 26
 3.2.3  共軛梯度法仿真 26
 3.2.4  牛頓法仿真 27
 3.2.5  遺傳算法仿真 29

結論 31
致謝 32
附錄I 參考文獻 33
附錄II 程序清單 34

摘  要
本文對逆向放射治療中應用的迭代算法進行了相應的研究。由于迭代算法簡單易懂，并且數學模型建立以后易于變形調整，現已被應用于逆向治療計劃中，其中的一個應用領域就是放射治療。在本文逆向放射治療計劃中將會采用共軛梯度法、牛頓法和遺傳算法對每束射線的初始強度和照射距離進行優化。首先，介紹了有關逆向放射治療計劃和優化算法的相關知識。其次，講解了本文所采用的優化算法：共軛梯度法、牛頓法和遺傳算法的原理與應用。再次，建立放射治療的數學模型，并利用MATLAB語言對所建立的數學模型進行仿真。最后，根據幾種優化方法對數學模型的仿真結果進行比較，得出射線的最優照射強度和照射距離。

 關鍵字： 逆向放射治療計劃 迭代算法 共軛梯度法 牛頓法 遺傳算法 MATLAB
Abstract
 This project study the iterative methods used in inverse radiotherapy treatment planning. Iterative methods have often been used in inverse treatment planning as they are usually easy to understand an modifications can be made easily once the methods have been developed. One of the areas of application is in radiotherapy treatment. In this project, the gradient estimation method ,Newton method and genetic algorithm will be used to find an optimal beam intensity distribution and a optimal beam radiation distant of each individual beams. First, introduce the knowledge of inverse radiotherapy treatment planning and iterative methods. Second, introduce the methods-- the gradient estimation method ,Newton method and genetic algorithm, which are used in this project. Third, found the function, and use MATLAB software to simulate. The last, discuss the conclusions of methods which are used in this project, and find an optimal beam intensity distribution and a optimal beam radiation distant of each individual beams.
Keywords:  Inverse radiotherapy treatment planning   Iterative method 
   Gradient estimation method      Newton method
 Genetic algorithm       MATLAB