Efficient Radiation Treatment Planning based on Voxel Importance

要約

放射線治療計画には多数のボクセルにわたる最適化が含まれますが、その多くは臨床上の問題に関する限られた情報しか伝えません。
情報ボクセルの代表的なサブセットのみを使用することで、大きな最適化問題を軽減するアプローチを提案します。
これにより、計画の品質を維持しながら計画の効率が大幅に向上します。
最初の調査ステップ内で、ボクセルごとの重要度スコアを導出する単純化された目的を含む、より簡単な最適化問題を事前に解決します。
この重要度スコアはサンプリング分布に変換され、重要度サンプリングを使用して情報を提供するボクセルの小さなセットをサブサンプリングできるようになります。
このサブセットを使用して、元の最適化問題の縮小バージョンを解くことにより、満足のいく線量照射が困難な領域を考慮しながら、問題のサイズと計算需要を効果的に削減します。
他の確率的 (サブ) サンプリング手法とは対照的に、私たちの手法では、縮小された最適化問題を定義するために 1 回のプローブとサンプリングのステップのみが必要です。
この問題は、確立されたソルバーを使用して、修正や適応を必要とせずに効率的に解決できます。
オープンベンチマークデータの実証実験では、従来の方法と同等の計画品質を維持しながら、強度変調放射線治療（IMRT）の最適化時間が大幅に短縮され、元の最適化時間よりも最大 50 倍高速であることが明らかになりました。
私たちの新しいアプローチは、放射線治療の固有の計算上の課題に対処することで、放射線治療計画を大幅に加速する可能性があります。
最適化手法を変更および改善するのではなく、最適化問題のサイズを縮小することで治療計画時間を短縮します。
したがって、私たちの取り組みはこれまでの多くの開発を補完するものです。

要約(オリジナル)

Radiation treatment planning involves optimization over a large number of voxels, many of which carry limited information about the clinical problem. We propose an approach to reduce the large optimization problem by only using a representative subset of informative voxels. This way, we drastically improve planning efficiency while maintaining the plan quality. Within an initial probing step, we pre-solve an easier optimization problem involving a simplified objective from which we derive an importance score per voxel. This importance score is then turned into a sampling distribution, which allows us to subsample a small set of informative voxels using importance sampling. By solving a – now reduced – version of the original optimization problem using this subset, we effectively reduce the problem’s size and computational demands while accounting for regions where satisfactory dose deliveries are challenging. In contrast to other stochastic (sub-)sampling methods, our technique only requires a single probing and sampling step to define a reduced optimization problem. This problem can be efficiently solved using established solvers without the need of modifying or adapting them. Empirical experiments on open benchmark data highlight substantially reduced optimization times, up to 50 times faster than the original ones, for intensity-modulated radiation therapy (IMRT), all while upholding plan quality comparable to traditional methods. Our novel approach has the potential to significantly accelerate radiation treatment planning by addressing its inherent computational challenges. We reduce the treatment planning time by reducing the size of the optimization problem rather than modifying and improving the optimization method. Our efforts are thus complementary to many previous developments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google