An approaching genetic algorithm for automatic beam angle selection in IMRT planning
An approaching genetic algorithm for automatic beam angle selection in IMRT planning
复制标题
IMRT 规划中自动波束角选择的逼近遗传算法
DOI：
10.1016/j.cmpb.2008.10.005
复制
发表时间：
2009-03
影响因子：
6.1
通讯作者：
中科院分区：
文献类型：
--
作者：
引入一种称为逼近遗传算法（AGA）的方法来自动选择调强放射治疗（IMRT）计划的射束角度。在AGA中，首先找到当前种群中最好的个体，其余的正常个体根据一些专门设计的规则逼近当前最好的个体。在接近的过程中，可能会获得一些更优秀的个体。然后，更新当前最佳个体，以尝试接近真正的最佳个体。 AGA的逼近和更新操作完全替代了遗传算法（GA）的选择、交叉和变异操作。与GA相比，AGA采用专门设计的更新策略，可以在一定程度上恢复种群的多样性，并保留强大的进化能力。使用 AGA 选择光束角度，然后使用共轭梯度 (CG) 进行光束强度图优化。通过模拟病例和鼻咽癌临床病例验证了AGA的可行性。对于所研究的案例，AGA 对于 IMRT 规划中的波束角优化 (BAO) 问题是可行的，并且比 GA 收敛得更快。
A method named approaching genetic algorithm (AGA) is introduced to automatically select the beam angles for intensity-modulated radiotherapy (IMRT) planning. In AGA, the best individual of the current population is found at first, and the rest of the normal individuals approach the current best one according to some specially designed rules. In the course of approaching, some better individuals may be obtained. Then, the current best individual is updated to try to approach the real best one. The approaching and updating operations of AGA replace the selection, crossover and mutation operations of the genetic algorithm (GA) completely. Using the specially designed updating strategies, AGA can recover the varieties of the population to a certain extent and retain the powerful ability of evolution, compared to GA. The beam angles are selected using AGA, followed by a beam intensity map optimization using conjugate gradient (CG). A simulated case and a clinical case with nasopharynx cancer are employed to demonstrate the feasibility of AGA. For the case investigated, AGA was feasible for the beam angle optimization (BAO) problem in IMRT planning and converged faster than GA.
登录
查看更多内容
DOI：
10.1201/b11579-3
发表时间：
2011
期刊：
--
影响因子：
--
作者：
Xiaojun Wu
通讯作者：
Xiaojun Wu
DOI：
10.1145/2598394.2605342
发表时间：
2014-07
期刊：
Proceedings of the Companion Publication of the 2014 Annual Conference on Genetic and Evolutionary Computation
影响因子：
--
作者：
A. Engelbrecht
通讯作者：
A. Engelbrecht
DOI：
10.1016/b978-0-12-409547-2.14581-0
发表时间：
2020
期刊：
Comprehensive Chemometrics
影响因子：
--
作者：
Federico Marini;Beata Walczak
通讯作者：
Federico Marini;Beata Walczak
DOI：
10.1201/9780429422614-20
发表时间：
2018-10
期刊：
Swarm Intelligence Algorithms
影响因子：
--
作者：
Adam Slowik
通讯作者：
Adam Slowik
DOI：
10.2139/ssrn.2693499
发表时间：
2007
期刊：
--
影响因子：
--
作者：
R. Poli;J. Kennedy;T. Blackwell
通讯作者：
R. Poli;J. Kennedy;T. Blackwell