简介:摘要目的针对调强放疗(IMRT)计划大量耗费人工及计划质量高度依赖物理师临床经验且差异较大等问题,探讨一种可实现无监督调强放疗自动计划的方案。方法采用Varian Eclipse 15.6治疗计划系统(TPS)自带的脚本应用程序接口(ESAPI)和优化参数树搜索算法(OPTSA)模拟,实现整个计划设计过程。通过ESAPI进行交互,自动输入输出相关参数;利用OPTSA对靶区和危及器官(OAR)的剂量学参数进行评估,并迭代调整优化目标参数来逐步改善,最终获得满足临床需求的IMRT计划。为验证自动计划的有效性,从临床数据库中选取20例既往已完成治疗的直肠癌病例,比较基于OPTSA算法的自动计划和临床人工计划在剂量分布和特定剂量学参数上的差异。结果所有的自动计划均满足临床要求。90%的自动计划质量超过既往人工计划,10%的自动计划则与人工计划质量基本一致。PTV平均适形指数(CI)在自动计划和人工计划中分别为0.88和0.80。与人工计划相比,自动计划OAR剂量学指标平均降低11%。自动计划和人工计划平均运行时间分别为(28.15±3.61)和(36.7±4.6)min。结论利用ESAPI所创建的OPTSA自动计划质量不劣于人工计划。在保证计划质量和一致性的情况下,OPTSA自动计划可缩短计划设计中所耗费的人力时间。
简介:摘要:电力系统的稳定运行能够为电力用户提供更高质量的电能,从而确保电力供应质量的提高,也更好地满足用户的电力需求。但受电力系统的长时间运行影响,很容易出现故障问题,进而影响到电力用户的正常用电,对此,就需要开展计划停电工作,以开展日常的设备检修及电网升级改造,从而确保电力正常供应,并促进电网的安全可靠运行。但就目前来看,各种停电计划的实施较为复杂,由此很容易出现停电计划描述不清楚的情况,基于此就需要设计一种停电计划任务只能规整及预警辅助工具,这样可以通过应用决策树算法来实现对停电计划的详细描述,以便于更好更快地传达停电计划任务,确保此项工作的顺利开展,并且实现工作质量的提升。本文主要分析了基于决策树算法的停电计划任务智能规整与预警辅助工具,以为停电计划工作开展提供有效支持。
简介:摘要:本文介绍了传统NAS-RIF算法的原理,针对NAS-RIF算法对噪声敏感的不足,加入正则化参数,改进了NAS-RIF算法,实验结果证明,与传统的复原算法相比,改进后的算法图像复原效果较好,峰值信噪比和复原后的视觉效果较优,图像细节清楚度有所提高,证明了改进算法的有效性。
简介:摘要:本文介绍了一种新的高效优化方法“基于教与学的优化”。该方法研究了教师对学习者的影响。与其他受自然启发的算法一样,TLBO也是一种基于总体的方法,并使用大量的解决方案来进行全局解决方案。人口被认为是一组学习者或一组学习者。TLBO的过程分为两部分:第一部分是“教师阶段”,第二部分是“学习阶段”。“教师阶段”指向教师学习,“学习者阶段”指通过学习者之间的互动来学习。