| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 1.绪论 | 第13-24页 |
| 1.1 课题研究的背景和意义 | 第13-14页 |
| 1.2 调强放射治疗的实现方式 | 第14-17页 |
| 1.3 国内外研究现状 | 第17-22页 |
| 1.3.1 自动方案优化 | 第17-20页 |
| 1.3.2 方案优化算法 | 第20-22页 |
| 1.4 本文工作内容 | 第22-24页 |
| 2.放疗方案优化的基本理论介绍 | 第24-40页 |
| 2.1 光子剂量计算模型 | 第25-30页 |
| 2.1.1 卷积/叠加算法 | 第27-28页 |
| 2.1.2 蒙特卡罗算法 | 第28-30页 |
| 2.2 目标函数 | 第30-35页 |
| 2.2.1 物理目标函数 | 第30-32页 |
| 2.2.2 生物目标函数 | 第32-35页 |
| 2.3 评价准则 | 第35-39页 |
| 2.3.1 适形指数 | 第35-36页 |
| 2.3.2 均匀性指数 | 第36-37页 |
| 2.3.3 靶区覆盖率 | 第37页 |
| 2.3.4 剂量—体积直方图 | 第37-39页 |
| 2.4 小结 | 第39-40页 |
| 3.基于改进粒子群算法的权重因子优化技术研究 | 第40-62页 |
| 3.1 权重因子优化模型 | 第41-42页 |
| 3.2 粒子群算法原理 | 第42-44页 |
| 3.3 新算法模型及求解 | 第44-53页 |
| 3.3.1 基于改进粒子群算法的权重因子优化 | 第45-51页 |
| 3.3.2 注量图优化求解器 | 第51-53页 |
| 3.4 实验结果与分析 | 第53-60页 |
| 3.4.1 基于物理目标函数的优化结果 | 第54-59页 |
| 3.4.2 基于生物目标函数的优化结果 | 第59-60页 |
| 3.5 小结 | 第60-62页 |
| 4.基于梯度信息的直接子野优化算法 | 第62-82页 |
| 4.1 直接子野优化算法模型 | 第64-66页 |
| 4.2 模拟退火算法原理 | 第66-68页 |
| 4.3 新算法模型及求解 | 第68-74页 |
| 4.3.1 基于改进模拟退火算法的子野形状优化 | 第68-72页 |
| 4.3.2 子野权重优化 | 第72-74页 |
| 4.4 实验结果与分析 | 第74-81页 |
| 4.4.1 不同的优化目标与不同子野数目对优化结果的影响 | 第75-79页 |
| 4.4.2 与传统模拟退火算法进行比较 | 第79-81页 |
| 4.5 小结 | 第81-82页 |
| 5.基于阈值分割算法的子野生成算法 | 第82-107页 |
| 5.1 列生成优化算法模型 | 第83-85页 |
| 5.2 图像阈值分割算法 | 第85-89页 |
| 5.3 新算法模型及求解 | 第89-99页 |
| 5.3.1 模糊控制器 | 第90-93页 |
| 5.3.2 自适应阈值 | 第93-95页 |
| 5.3.3 连通区域标记算法 | 第95-98页 |
| 5.3.4 嵌入列生成算法 | 第98-99页 |
| 5.4 实验结果与分析 | 第99-105页 |
| 5.4.1 模糊控制器与自适应阈值的影响 | 第100-102页 |
| 5.4.2 基于列生成的DAO与基于阈值分割DAO的对比 | 第102-105页 |
| 5.5 小结 | 第105-107页 |
| 6.总结和展望 | 第107-110页 |
| 6.1 总结 | 第107-109页 |
| 6.2 展望 | 第109-110页 |
| 参考文献 | 第110-126页 |
| 攻读博士学位期间发表论文、参与项目情况 | 第126-128页 |
| 致谢 | 第128页 |