剂量预测联合参数迭代优化算法的VMAT全自动计划研究

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V_(30)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V_(20)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。

一种基于阵列构型与阵元数量联合优化的分布式雷达主瓣干扰抑制方法

针对单基雷达无法有效抑制伴随式主瓣压制干扰的问题,可通过部署稀疏辅助阵形成等效大孔径阵列,从空域上将主瓣干扰与目标进行分离,但该方法易形成空域栅瓣。针对以上问题,该文提出了一种基于阵列构型与阵元数量双参数迭代优化框架,该框架由阵列构型优化与子阵阵元数量优化两部分组成,其中阵列构型优化固定子阵阵元数量,基于最小方差无失真响应准则在主瓣干扰方向形成零陷,利用改进自适应遗传粒子群算法在孔径尺寸、子阵最小间距和主瓣干扰方向零陷深度等约束条件下优化阵列构型,抑制波束栅瓣;子阵阵元数量优化通过改进自适应遗传粒子群算法在有限子阵阵元数量、主瓣干扰方向零陷深度等约束条件下优化子阵阵元数量,进一步抑制波束栅瓣。此外,通过数值仿真验证了相同参数条件下阵列构型与阵元数量双参数迭代优化框架的有效性。最后,针对典型分布式机动平台协同探测场景,探索了主瓣干扰抑制和栅瓣抑制性能边界。

电镜图像的量子衍生增强算法

在量子信息处理框架下,从像素灰度归一化、像素量子态表示、量子测量、测量结果映射等方面,总结了现有量子衍生图像增强算法的处理流程。以SARS-CoV-2新冠病毒电镜图像增强为样本,结合实验分析,改进了量子衍生增强算子的加权方式,提出了灰度变换可调参数优化值的非迭代式确定算子。实验结果表明,量子衍生增强算法综合考虑了电镜图像的全局与局部信息,兼顾了对电镜图像对比度与亮度的调节,图像细节清晰、明暗适宜。

航空发动机机匣基于自适应加工的无人干预技术研究

应用自适应系统对机匣的加工过程进行控制,合理调整进给速度,对主轴过载和刀具冲击进行保护,对刀具磨损进行补偿等,保证机匣在加工过程机床的安全性和零件加工质量的一致性,实现机匣加工过程的无人干预。