跳到主要内容
TextGrad: Automatic "Differentiation" via TextMert Yuksekgonul et al.

G.3 补充实验细节

数据集 本研究使用的数据集包括5名接受调强放射治疗(IMRT)的前列腺癌患者的影像和治疗计划。每位患者的可用数据包括CT扫描、勾画的解剖结构以及通过Eclipse®获得的临床批准治疗计划。

方法 如我们在3.5中所述,TEXTGRAD用于优化生成治疗计划的内循环数值优化器的超参数(例如,PTV和OAR的重要性权重)。该优化使用原始TEXTGRAD的变体,即“带动量更新的投影梯度下降”来完成。特别地,提供了由临床医生优化的三个前列腺癌治疗计划及其相应的超参数。这些示例指导超参数的更新。该过程可以看作类似于投影,因为更新后的超参数被“软投影”到由三个上下文示例定义的可可行集上。此外,历史超参数和来自过去迭代的文本梯度,作为动量的类比,也被包含在用于更新超参数的提示词中。这些额外上下文有助于改进优化过程。如果损失表明所有方案均满足,则优化将停止;否则,如果达到最大迭代次数(我们将其设为10),则停止。

初始化 超参数,即重要性权重,对于不同器官均初始化为100。剂量目标设置为PTV为70.20,膀胱和直肠为0.00,股骨头和体部为30.00,并在优化过程中固定。