본문으로 건너뛰기
TextGrad: Automatic "Differentiation" via TextMert Yuksekgonul et al.

G.2 치료 계획을 위한 내부 루프 최적화

우리는 두 개의 루프 최적화 접근법 [109]을 채택하는데, 이는 (i) 역 계획을 위한 내부 루프와 (ii) 내부 루프의 하이퍼파라미터를 최적화하기 위한 외부 루프를 포함한다. 내부 루프는 전통적인 플루언스 맵 최적화에 초점을 맞추며, 다양한 표적과 위험 장기에 대한 여러 가중 목적들을 결합한 비용 함수를 최소화함으로써 최적의 플루언스 맵 xx를 결정하고자 한다. 이 비용 함수는 다음과 같이 정의된다:

min⁡∑t=1Ntwt([Kx]t−dt)2+∑s=1NswsΘ([Kx]s−ds)([Kx]s−ds)s.t.D95([Kx]t)=dt,x≥0,(26)\begin{array}{r l} & {\min \sum_{t = 1}^{N_{t}}w_{t}([K x]{t} - d{t})^{2} + \sum_{s = 1}^{N_{s}}w_{s}\Theta ([K x]{s} - d{s})([K x]{s} - d{s})}\\ & {\mathrm{s.t.} D_{95}([K x]{t}) = d{t},}\\ & {\qquad x\geq 0,} \end{array} \quad (26)

여기서, {wt}t=1Nt\{w_{t}\}{t = 1}^{N{t}}와 {ws}s=1Ns\{w_{s}\}{s = 1}^{N{s}}는 각각 NtN_{t}개의 PTV 표적과 NsN_{s}개의 OAR에 대한 다양한 목적들의 균형을 맞추는 중요도 가중치(TEXTGRAD에 의해 최적화되는 하이퍼파라미터)이다. KK는 선량 영향 행렬을 나타내며, 이는 각 빔렛에 의해 체적 내 각 복셀에 전달되는 플루언스 단위당 선량을 명시한다. {dt}t=1Nt\{d_{t}\}{t = 1}^{N{t}}와 {ds}s=1Ns\{d_{s}\}{s = 1}^{N{s}}는 각 구조에 대한 스칼라 목적 선량이다. 비용 함수는 본질적으로 PTV 표적에 대한 목적 선량으로부터의 제곱 편차를 벌하고, OAR에 대해서는 선량이 dsd_{s}를 초과할 때만 제곱 과다선량을 벌한다. 헤비사이드 함수 Θ\Theta는 목적이 양수 값만 고려하도록 보장하는 데 사용된다. 최소화는 양수 xx 값으로 제약되며, D95D_{95}—구조 체적의 95%95\%가 받는 최소 선량—가 임상 목표에 대한 처방 선량과 일치하도록 보장한다. 우리는 내부 루프 최적화를 풀기 위해 내점 알고리즘과 함께 matRad [65]를 사용한다.