عنوان

رویکرد برنامه ریزی احتمالی برای کنترل عدم قطعیت در برنامه درمان پرتودرمانی

پ۲۴۲۳۰

per

رویکرد برنامه ریزی احتمالی برای کنترل عدم قطعیت در برنامه درمان پرتودرمانی

رقیه مجیدی ثانی

ریاضی

۱۳۹۸

۶۵ص.

سی دی

کارشناسی ارشد

علوم ریاضی کاربردی

۱۳۹۸/۰۶/۱۷

این رساله، شامل سه رویͺرد برنامه ریزی قطعی و برنامه ریزی بهینه سازی استوار، برنامه هایقیدهای شانسی برای برنامه ریزی درمان پرتو درمانͬ بیماری های سرطانی است.دو نکته اساسی زیر در چارچوب برنامه ریزی درمان وجود دارد:اولا پرتو درمانی معمولا در طول چندین هفته تجویز م شود و بیمار باید روی نیمکت درمان در همانموقعیت که برای بار اول روی نیمکت درمان قرار گرفته بود، برای هر درمان قرار گیرد. تغییر درموقعیت میتواند علت اختلاف بین دریافتͬ دوز تابشی به واکسل نسبت به دوز تابشی مورد نظر بهواکسل باشد ولی در عمل وجود عدم قطعیت در قرار گرفتن بیمار بطور روزانه در طول دوره درمانروی صندلی درمان اجتناب ناپذیر است.دوما در پرتو درمانی باید الگوریتم مربوط به آسیب نرساندن پرتو درمانی به بافت سالم اطرافتومور وجود داشته باشد و در عمل نقص این الگورتیم ها فقط تا حدی قابل تحمل است )این مفهومبه این حقیقت برمیگردد که قیود جز در شرایط اضطراری نباید نقض گردند.(.با این فرضیات، یک چارچوب برنامه ریزی قیدهای شانسͬ CCPمعرفی می شود تا بتواند نحویتنظیم بازه ای عدم قطعیت در برنامه ریزی درمان را مدیریت کند و می تواند مدل پیشنهادی را با فرضتوزیع های مختلف توسعه دهد. هدف رویکرد پیشنهادی به ماکزیمم رساندن سطح اطمینان آماریبرنامه درمانی و همگنی دوز توزیع هست. این دیدگاه جدید ی یک مدل بهینه سازی شخصی و مرکزیفراهم می آورد که اجازه می دهد تا توازن بین پوشش کافی تومور و صرفه جویی در بافت سالم تحتعدم اطمینان باشد. عملͺرد دکارتی مدل CCPپیشنهادی در حالت مقاوم بودن، همگنی و سطحاطمینان با استفاده از داده های کلینکی ͬͺبیماران سرطان پروستات شرح داده می شود و همچنین مدل CCPبا حالت قطعی )داده ها دارای عدم قطعیت نباشد( و مدل بهینه سازی استوار مقایسه می شود

This dissertation includes three approaches of deterministic planningand robust optimization planning, chance constraint programs for radiation therapy treatment of cancer diseases.There are two basic points in the treatment planning framework:First, radiation therapy is usually given over several weeks, and thepatient should be placed on the treatment bench in the same positionas the first time on the treatment bench for each treatment. A changein position can cause the radiation dose received by a voxel to differfrom the planned dose to that voxel, but in practice there is uncertaintyas to whether the patient will be in a treatment chair on a daily basisduring treatment.Secondly, in radiotherapy, there must be an algorithm that does notdamage the healthy tissue around the tumor, and in practice the defect of these algorithms is only partially tolerable (this implies thatconstraints should not be violated except in emergencies).With these assumptions, a CCP odds constraint planning framework isintroduced to be able to manage how to adjust the interval of treatmentplanning uncertainty and to be able to develop the proposed model byassuming different distributions. The aim of the proposed approach isto maximize the level of statistical certainty of the treatment plan andthe dose homogeneity of the distribution. This new perspective providesa central and personal optimization model that allows the balance be-tween adequate tumor coverage and the preservation of healthy tissueto be uncertain. The Cartesian function of the proposed CCP model isdescribed in terms of robustness, homogeneity, and level of reliabilityusing clinical data from prostate cancer patients

A Chance-Constrained Programming Framework to Handle Uncertainties in Radiation Therapy Treatment Planning

مجیدی ثانی

‏ رقیه

تهيه کننده

‏خانجانی

‏وکیلی

‏ راشد

‏ جواد

استاد راهنما

استاد مشاور

‏ تبریز