简介:摘要目的设计一种联合深度学习剂量预测和参数迭代优化算法的容积调强放射治疗(VMAT)全自动计划方法。方法选取2018年6月至2021年1月北京大学肿瘤医院既往165例直肠癌患者的VMAT计划开展研究,其中145例用于训练和验证深度学习模型,该模型用于预测危及器官的剂量,20例用于研究比对自动计划和人工计划的质量。该方法从危及器官的预测剂量分布中提取关键的剂量体积直方图(DVH)值作为初始优化参数(IOPs),利用治疗计划系统可编程接口自动创建VMAT计划,通过设计迭代优化算法自动调节优化参数(OPs)。结果剂量预测模型训练后能有效预测出20例测试计划危及器官的关键DVH值,与参考值相比差异均无统计学意义(P> 0.05)。20例VMAT自动计划均能满足临床处方剂量要求,对于PTV和PGTV的适形性指数(CI),人工计划与自动计划比较差异均无统计学意义(P> 0.05);而PGTV的D1和均匀性指数(HI),自动计划均高于人工计划,分别为0.6 Gy和0.01,两者比较差异均有统计学意义(t=-7.05、-6.92,P<0.05)。自动计划比人工计划的膀胱平均V30下降2.7%(t=3.37,P< 0.05),股骨头和危及器官辅助结构(Avoidance)的平均V20分别下降8.37%和15.95%(t=5.65、11.24,P< 0.05),并且膀胱、股骨头、Avoidance的平均剂量分别降低了1.91、4.01和3.88 Gy(t=9.29、2.80、10.23,P< 0.05)。测试的20例直肠癌患者病例的自动计划平均时间为(71.82±25.48)min。结论本研究利用直肠癌病例验证了一种联合剂量预测和参数迭代优化算法的VMAT自动计划方法的可行性。相比于人工计划,VMAT自动计划无需人工干预,在提高计划设计效率、计划质量和临床资源利用率等方面有很大的应用潜力。
简介:摘要:数控技术在机械加工中的精度控制与优化是现代制造业中的重要课题。本论文通过对数控技术在机械加工中的应用进行深入研究,发现了精度控制中存在的问题,如加工误差、工件变形等。在分析问题的基础上,提出了一些有效的策略,如优化刀具路径、改进工艺参数等,以提高加工精度和效率。在实践中,我们进行了大量的试验和应用,取得了显著的实践效果和收获。本论文对于进一步推动数控技术在机械加工中的发展和应用具有重要意义。
简介:摘要:海上风电场较陆上风电场设备造价成本高,加上交通工具不及陆上风电便利,在机型复杂的风电场备件数量设置不佳的前提下容易导致风机设备的使用寿命降低,且发电可利用率降低,并且若设置过多备件库存也会造成成本大幅提高。所以本文提出了基于部件更新的还是风电场备件数量优化办法。具体为:第一步,根据以往的部件劣化周期和程度加入检测制度,并利用时间延迟理论完成部件的优化和更新,从而计算更替周期。第二步,综合分析备件使用情况,分析最佳使用寿命和利用率,构建马尔科夫过程方程。第三步,采用仿真模拟的方法制定模型,从而确认最佳数量,进而为降低成本,提高风电场发电可利用率、减少因备件导致的停机时长提供支持。