論文の概要: Towards the optimization of ballistics in proton therapy using genetic
algorithms: implementation issues
- arxiv url: http://arxiv.org/abs/2205.08283v1
- Date: Tue, 17 May 2022 12:31:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-12 21:16:47.712618
- Title: Towards the optimization of ballistics in proton therapy using genetic
algorithms: implementation issues
- Title（参考訳）: 遺伝的アルゴリズムを用いた陽子治療における弾道の最適化に向けて:実装課題
- Authors: Fran\c{c}ois Smekens, Nicolas Freud, Bruno Sixou, Guillaume Beslon and
Jean M L\'etang
- Abstract要約: 遺伝的アルゴリズムに基づく新しい最適化フレームワークについて検討する。
提案された最適化ルーチンは典型的には、数千の固定サイズのスポットを考慮に入れている。
提案する遺伝的アルゴリズムの挙動は, 基礎的, 臨床的に有意なテストケースで示される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The dose delivered to the planning target volume by proton beams is highly
conformal, sparing organs at risk and normal tissues. New treatment planning
systems adapted to spot scanning techniques have been recently proposed to
simultaneously optimize several fields and thus improve dose delivery. In this
paper, we investigate a new optimization framework based on a genetic algorithm
approach. This tool is intended to make it possible to explore new schemes of
treatment delivery, possibly with future enhanced technologies. The
optimization framework is designed to be versatile and to account for many
degrees of freedom, without any {\it a priori} technological constraint. To
test the behavior of our algorithm, we propose in this paper, as an example, to
optimize beam fluences, target points and irradiation directions at the same
time.
The proposed optimization routine takes typically into account several
thousands of spots of fixed size. The evolution is carried out by the three
standard genetic operators: mutation, crossover and selection. The
figure-of-merit (or fitness) is based on an objective function relative to the
dose prescription to the tumor and to the limits set for organs at risk and
normal tissues. Fluence optimization is carried out via a specific scheme based
on a plain gradient with analytical solution. Several specific genetic
algorithm issues are addressed: (i) the mutation rate is tuned to balance the
search and selection forces, (ii) the initial population is selected using a
bootstrap technique and (iii) to scale down the computation time, dose
calculations are carried out with a fast analytical ray tracing method and are
multi-threaded.
In this paper implementation issues of the optimization framework are
thoroughly described. The behavior of the proposed genetic algorithm is
illustrated in both elementary and clinically-realistic test cases.
- Abstract（参考訳）: プロトンビームによる計画目標容積への投与量は高度に一致しており、リスクのある臓器や正常な組織を防いでいる。
スポットスキャン技術に適応した新しい治療計画系が最近提案され、複数のフィールドを同時に最適化し、線量伝達を改善する。
本稿では,遺伝的アルゴリズムを用いた新しい最適化手法について検討する。
このツールは、おそらく将来強化された技術で、治療デリバリーの新しいスキームを探索できるようにすることを目的としている。
最適化フレームワークは、技術的制約を伴わずに、多目的で多くの自由度を考慮できるように設計されている。
そこで本研究では, ビームフラレンス, ターゲット点, 照射方向を同時に最適化する手法を提案する。
提案する最適化ルーチンは、通常、固定サイズの数千のスポットを考慮に入れる。
この進化は、突然変異、交叉、選択という3つの標準的な遺伝操作によって行われる。
悪性度(または適合度)は、腫瘍に対する線量処方や、リスクのある臓器や正常な組織に設定された限界に対する客観的な機能に基づいている。
フラエンス最適化は, 解析解を用いた平面勾配に基づく特定のスキームを用いて行う。
いくつかの特定の遺伝的アルゴリズムの問題に対処する。
i) 突然変異率は探索と選択のバランスをとるために調整される。
(ii)ブートストラップ技術を用いて初期人口を選定し、
三 計算時間を小さくするため、高速な分析線トレーシング法により線量計算を行い、マルチスレッド化する。
本稿では,最適化フレームワークの実装問題について概説する。
提案する遺伝的アルゴリズムの挙動は,初回および臨床実効試験例で示される。
関連論文リスト
- Enhancing CNN Classification with Lamarckian Memetic Algorithms and Local Search [0.0]
そこで本研究では,局所探索機能を組み込んだ2段階学習手法と集団最適化アルゴリズムを併用した新しい手法を提案する。
実験の結果,提案手法は最先端の勾配に基づく手法よりも優れていた。
論文 参考訳（メタデータ） (2024-10-26T17:31:15Z) - Globally-Optimal Greedy Experiment Selection for Active Sequential
Estimation [1.1530723302736279]
逐次的に収集したデータの実験を適応的に選択するアクティブシーケンシャル推定の問題について検討する。
目標は、より正確なモデル推定のための実験選択ルールを設計することである。
そこで本稿では,グリーディ実験の選択手法のクラスを提案し,最大可能性の統計的解析を行う。
論文 参考訳（メタデータ） (2024-02-13T17:09:29Z) - Discovering Attention-Based Genetic Algorithms via Meta-Black-Box
Optimization [13.131971623143622]
全く新しい遺伝的アルゴリズムをデータ駆動方式で発見する。
我々は、選択と突然変異率の適応をクロスアテンションモジュールおよびセルフアテンションモジュールとしてパラメトリズする。
学習アルゴリズムは、未確認の最適化問題、探索次元、評価予算に適用できる。
論文 参考訳（メタデータ） (2023-04-08T12:14:15Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳（メタデータ） (2022-10-27T01:58:10Z) - Variable length genetic algorithm with continuous parameters
optimization of beam layout in proton therapy [0.0]
遺伝的アプローチに基づく新しい最適化フレームワークについて検討する。
目標点とビーム入射角を連続的に同時に最適化することを提案する。
テクティタの技術的制約は考慮されていない、すなわちビームエネルギー値、入射方向、ターゲットポイントは自由パラメータである。
論文 参考訳（メタデータ） (2022-05-17T14:31:33Z) - On Constraints in First-Order Optimization: A View from Non-Smooth
Dynamical Systems [99.59934203759754]
本稿では,スムーズな制約付き最適化のための一階法について紹介する。
提案手法の2つの特徴は、実現可能な集合全体の投影や最適化が避けられることである。
結果として得られるアルゴリズムの手順は、制約が非線形であっても簡単に実装できる。
論文 参考訳（メタデータ） (2021-07-17T11:45:13Z) - Unified Convergence Analysis for Adaptive Optimization with Moving Average Estimator [75.05106948314956]
1次モーメントに対する大きな運動量パラメータの増大は適応的スケーリングに十分であることを示す。
また,段階的に減少するステップサイズに応じて,段階的に運動量を増加させるための洞察を与える。
論文 参考訳（メタデータ） (2021-04-30T08:50:24Z) - IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。
提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。
加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
論文 参考訳（メタデータ） (2020-06-11T18:49:06Z) - Devolutionary genetic algorithms with application to the minimum
labeling Steiner tree problem [0.0]
本稿では、進化的遺伝的アルゴリズムを特徴付けるとともに、最小ラベル付けスタイナーツリー(MLST)問題を解く際の性能を評価する。
我々は、進化的アルゴリズムを、時間とともに超最適で実現不可能な解の集団を進化させることによって実現可能な解に到達する過程として定義する。
我々は, 交叉, 突然変異, 適合性などの古典的進化的概念が, 最適解, 最適解に到達するためにどのように適応できるかを示す。
論文 参考訳（メタデータ） (2020-04-18T13:27:28Z) - Stochastic batch size for adaptive regularization in deep network
optimization [63.68104397173262]
ディープラーニングフレームワークにおける機械学習問題に適用可能な適応正規化を取り入れた一階最適化アルゴリズムを提案する。
一般的なベンチマークデータセットに適用した従来のネットワークモデルに基づく画像分類タスクを用いて,提案アルゴリズムの有効性を実証的に実証した。
論文 参考訳（メタデータ） (2020-04-14T07:54:53Z) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。