| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景 | 第10-12页 |
| ·放射治疗计划系统概述 | 第10-11页 |
| ·放射治疗计划系统的分类 | 第11页 |
| ·调强放射治疗中的优化算法 | 第11-12页 |
| ·IMRT优化算法的国内外研究现状 | 第12-13页 |
| ·国际上的研究现状 | 第12页 |
| ·国内的研究现状 | 第12-13页 |
| ·研究目的和意义 | 第13-14页 |
| ·研究的主要工作 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 IMRT逆向计划优化算法的研究 | 第16-27页 |
| ·引言 | 第16-17页 |
| ·最优化方法概述 | 第16-17页 |
| ·IMRT逆向计划的最优化问题 | 第17页 |
| ·IMRT逆向计划优化算法概述 | 第17-26页 |
| ·模拟退火算法 | 第17-20页 |
| ·遗传算法 | 第20-23页 |
| ·神经网络优化算法 | 第23-25页 |
| ·梯度算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 多目标优化算法中进化策略的研究 | 第27-48页 |
| ·引言 | 第27-28页 |
| ·多目标优化算法 | 第28-31页 |
| ·多目标优化的基本概念 | 第28-29页 |
| ·传统的多目标优化算法 | 第29-31页 |
| ·多目标进化策略的研究 | 第31-47页 |
| ·向量评估遗传算法(vector Evaluated Genetic Algorithm VEGA) | 第32-33页 |
| ·多目标遗传算法(Multi-objective Genetic Algorithm MOGA) | 第33-34页 |
| ·小生境Pareto遗传算法(Niched-Pareto Genetic Algorithm NPGA) | 第34-36页 |
| ·非支配分类遗传算法(Non-dominated Sorting Genetic Algorithm NSGA) | 第36-37页 |
| ·快速非支配分类遗传算法(Quick Non-dominated Sorting Genetic Algorithm NSGA-Ⅱ) | 第37-39页 |
| ·改进的快速非支配分类遗传算法(Improved Quick Non-dominated Sorting Genetic Algorithm NSGA-Ⅱ) | 第39-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 改进的NSGA-Ⅱ算法在IMRT逆向计划实验平台的应用 | 第48-55页 |
| ·IMRT逆向计划实验平台简介 | 第48-49页 |
| ·IMRT逆向计划实验平台涉及到的相关技术 | 第49-52页 |
| ·剂量计算方法 | 第49页 |
| ·目标函数的设定 | 第49-50页 |
| ·逆向计划过程步骤算例描述 | 第50-52页 |
| ·改进的NSGA-Ⅱ算法在实验平台的应用比较研究 | 第52-54页 |
| ·算例仿真 | 第52页 |
| ·实验平台前期优化工作结果 | 第52-53页 |
| ·改进的NSGA-Ⅱ算法的优化结果 | 第53页 |
| ·比较与分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 结论与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间参加的科研项目和成果 | 第60页 |
