Kmeans分群算法在札C静态调强适形放射疗法中的应用.pdfVIP

中则无一例焦虑症患者，说明急进高海拔区的人群中明显需要抗焦虑的医学防治的干预 手段，但对于高原焦虑症的机理仍需进一步探讨。随着我国青臧铁路的、开通，带动了 高原地区的经济、文化、旅游等一系列产业的发展，同时入藏的人群也将会成倍的增长， 而包括高原焦虑症在内的一系列急慢性疾病的治疗和预防研究无论从军事医学还是社 会医学角度来说都是一个目前急待解决的问题，而受众增多所带来强大的药物开发市场 也不容忽视。目前关于高原环境诱导焦虑症的研究主要存在的问题有：(1)缺少相应的 动物模型，研究手段有限；(2)未深入丌展机理探讨；(3)缺乏针对性干预措施。而针 对这几方面的研究也应成为未来的发展方向。结论：高原特殊环境引起的焦虑问题逐渐 引起国内外关注，应该予以重视，并开展相应的基础理论研究和应用防护研究。 【关键词】高原焦虑干预 Kmeans分群算法在MLC静态调强适形放射疗法中的应用 马文亮，蒋弧冲，靳培飞 合吧II?业人学电子科学s哀融物理学院．230091, E-raMl：jingjia#h：ut．edu．c，7 目的：在调强适形放疗(IMRT)的治疗计划中，我们通常逆向计算出用于放疗的每一射束 的强度。在静态调强放射中，连续分白．的调强分布必须被转化成由多叶光栅可以实施的 多个子野组合才能进一步应用于实际的放射治疗中。在多叶光栅(MLC)的叶片排序算法 中，通常采用的等间距分群算法难以准确反映原强度矩阵的特征，相比起来，在其基础 上用K-means算法尝试找出强度分布图中平方误差函数值最小的k个划分要更加先进， 更能减小放射剂量的误差。本论文具体介绍了精确放疗算法中的K-means算法的应用。 静态调强是数据源，强度数组的元素是非负浮点数，而在实施放疗照射的时候， 必须采用一定的分群算法将全矩阵的强度值离散为若干个“阶梯”值。分群算法的群 数目不同会影响到最后的实施效果。显然分群数目越多越精确，但是需要完成照射的 子野数目就越多，同时实施照射的时间也越长。而分群数目过少往往会失去局部极 ．159． 值，难以准确反映靶区处方剂量的波动，会使调强照射的调强目的失去意义。 方法：k-means算法： 每个对象对应的聚群中心的值由下式近似求出： F=融1㈤ 由此，数据库中所有对象的总偏差可以由下式表示： E=∑(薯一F)2 可以允许的最大偏差k，由用户定义的误差允许百分比(UT)与对象中的最大值)(-I的 乘积算得： 也眦2‰’‰=‰u一1 依据已，将数据库分成k群： 唬={(五，，一：，．．．，五。。)，(恐，，如，．．．，而。。)，(吆，，以2，…，％。)) 条件为： ‰一■l≤2Eo戤forj=1，．．．，k 且 誓，+1)l一0l2Em。forj=1，…，(七一1)， 其中(n，+n：+…+n。)3n是强度中n中所有对象的总数。 由此，获得一个最接近的分群结果： 矽={瓴，再，．．．，雨)吨，x2，．．．，恐)’(xk，垓，．．．，xk)) 其中，①。与①的差由下式算得： E=鸱l，q2，．．．，‰)，娩l，e22，．．．，％1)，@l，ek2，．．．，‰)) 因此，在我们的计划中，算得的最优的分群①由以下表示平方误差函数所取得的最小值 决定： D2 =∑∑e ii =著k1 i‰=l1 。 j= 我们通过放射治疗系统获得强度分布图的强度矩阵，K-means算法是一个梯度逐渐 ．160