目的:开发并评估一种针对治疗计划系统（TPS）的调强放疗（IMRT）无监督自动计划方案，使其能够模拟人工进行治疗计划的自动优化。方法:回顾性分析2022年3月至2023年3月浙江省肿瘤医院已经完成放疗的25例胃癌患者资料，患者年龄40~60岁，其中训练集7例，测试集18例。所有患者均采用相同的临床处方剂量标准45 Gy分25次，并接受飞利浦大孔径腹部CT扫描，扫描层厚为5 mm。基于深度强化学习（DRL）框架，提出一种多智能体优化决策网络（MOPN），对多个优化目标进行调整，从而模拟临床人工计划设计的过程。所有病例的自动计划方案均借助Eclipse脚本应用程序接口（ESAPI）进行代码编程，由MOPN模型自动生成。利用Wilcoxon符号秩检验比较自动计划方案与人工计划方案在相关剂量学指标间的差异。结果:初始优化目标经过MOPN调整后，自动计划的平均得分由（576.1±221.2）分上升至（1852.8±294.9）分。与临床人工计划相比，MOPN自动计划在脊髓D max、肝D mean和肝V 5 Gy方面分别降低了21.4%、9.8%和11.5%。 结论:MOPN模型借助ESAPI工具完成了与TPS的数据互通，同时也实现了胃癌IMRT治疗计划的自动化设计。经过训练的MOPN模型可以模仿计划者在优化过程中的人为操作来调整多个目标，逐步改善计划质量。

目的:在Eclipse计划系统中实现早期非小细胞肺癌(NSCLC)体部立体定向放疗计划中靶区适形度、剂量溢出、剂量跌落等指标的自动评估。方法:使用Eclipse Scripting API应用程序开发接口和C#编程语言，以脚本插件结合可执行程序的方式进行开发。根据美国肿瘤放射治疗协作组(RTOG)0915号报告中NSCLC立体定向放疗计划要求，实现相关指标的自动评估，其中还设计了一种等间距采样和双阈值的规则，可以更精确和便捷进行靶区外剂量跌落的评估。结果:随机选取临床上13例NSCLC立体定向放疗计划，分别使用本文中的方法和Eclipse系统自带的模块进行评估结果对比可知，两种方式评估结果都符合临床要求，耗时分别为(6.31±1.11) s和(678.54±60.92) s，使用前者评估效率更高( P<0.05)。 结论:NSCLC立体定向放疗计划评估软件界面友好，能实现靶区适形度、剂量溢出和剂量跌落等指标的自动评估，有效的提高了工作效率。

目的:设计一种软件将随机六维摆位误差引入到直肠癌调强放疗(IMRT)计划中，并评估其剂量学影响。方法:随机选取21例直肠癌IMRT计划作为参考计划(单次剂量2 Gy,共50 Gy；PTV为CTV均匀外扩5 mm)。对参考计划的每个分次，通过调整射野几何参数的方法引入随机生成的六维摆位误差，并重新完成剂量计算。再将各分次剂量累加后得到存在摆位误差情况下的总剂量分布。基于美国瓦里安Eclipse脚本应用程序接口(ESAPI)开发能够自动完成上述流程的治疗模拟软件，将服从两种预设分布[分布1：平移误差服从 N(0，4 2)，旋转误差服从 N(0，2 2)；分布2：平移误差服从 N(0，2 2)，旋转误差服从 N(0，1 2)]的六维摆位误差引入参考计划，并评估剂量学影响。 结果:参考计划、误差分布1和误差分布2情况下，CTV的 Dmin分别为(49.4±0.41)、(47.56±0.76)和(49.17±0.64)Gy；CTV的 D98%分别为(50.23±0.07)、(49.98±0.10)和(50.27±0.09)Gy；主体靶区(靶区除去边缘后的内核部分) D98%为(50.25±0.08)、(50.42±0.13)和(50.33±0.10)Gy；边缘靶区 D98%为(50.22±0.10)、(49.88±0.11)和(50.26±0.10)Gy。另外，相比参考计划，误差分布1和2的情况下，膀胱和股骨头平均受量的变化差异均无统计学意义( P>0.05)，剂量分布的适形指数虽有微弱降低，但临床意义有限。 结论:本方法及据此开发的治疗模拟软件可以根据需要将服从不同分布的六维摆位误差引入到直肠癌IMRT计划中，并给出总体剂量学变化情况。

目的:在Eclipse计划系统中实现放疗剂量交互式表格评估和适形指数(CI)、均匀性指数(HI)的自动计算。方法:使用Eclipse Scripting API (ESAPI)应用程序开发接口和C#编程语言，以脚本插件结合独立程序的方式进行开发。通过可视化界面编程和调用API中相关剂量查询函数实现了交互式表格剂量评估和HI自动计算，并通过调用API中关于剂量结构创建和结构布尔操作等函数实现CI自动计算。结果:选取15例鼻咽癌放疗病例，分别使用本方法和Eclipse系统自带的模块进行剂量评估结果对比，结果显示两种方式评估结果的精度一致( P>0.05)，但前者评估效率更高( P<0.05)。 结论:本文中的交互式评估表格界面友好，能够让用户较便捷地进行剂量评估、多计划对比和CI、HI计算，有效提高了工作效率，可以更好服务于放疗临床和科研工作。

目的:针对调强放疗(IMRT)计划大量耗费人工及计划质量高度依赖物理师临床经验且差异较大等问题，探讨一种可实现无监督调强放疗自动计划的方案。方法:采用Varian Eclipse 15.6治疗计划系统(TPS)自带的脚本应用程序接口(ESAPI)和优化参数树搜索算法(OPTSA)模拟，实现整个计划设计过程。通过ESAPI进行交互，自动输入输出相关参数；利用OPTSA对靶区和危及器官(OAR)的剂量学参数进行评估，并迭代调整优化目标参数来逐步改善，最终获得满足临床需求的IMRT计划。为验证自动计划的有效性，从临床数据库中选取20例既往已完成治疗的直肠癌病例，比较基于OPTSA算法的自动计划和临床人工计划在剂量分布和特定剂量学参数上的差异。结果:所有的自动计划均满足临床要求。90%的自动计划质量超过既往人工计划，10%的自动计划则与人工计划质量基本一致。PTV平均适形指数(CI)在自动计划和人工计划中分别为0.88和0.80。与人工计划相比，自动计划OAR剂量学指标平均降低11%。自动计划和人工计划平均运行时间分别为(28.15±3.61)和(36.7±4.6)min。结论:利用ESAPI所创建的OPTSA自动计划质量不劣于人工计划。在保证计划质量和一致性的情况下，OPTSA自动计划可缩短计划设计中所耗费的人力时间。

目的:对于调强放疗(IMRT)计划,优化过程较为耗时,且计划的质量取决于计划人员的经验和时间,本文探讨并实现一种无监督IMRT自动优化的方案,使其能够模拟人工操作方式进行治疗计划优化.方法:本研究基于深度强化学习框架,提出一种优化调整决策网络(OAPN)自动化计划优化的方法.利用Varian Eclipse 15.6 TPS的脚本应用程序接口(ESAPI)实现OAPN与TPS之间的交互,以剂量体积直方图作为信息输入,通过强化学习的训练方式,OAPN学习TPS中目标参数的调整策略,从而逐步改善并获得较高质量的计划.实验从临床数据库中选取18例既往已完成治疗的直肠癌病例,其中5例计划案例用于OAPN网络训练,其余13例计划案例用于评估训练后OAPN的可行性与有效性,引入第三方计划评分工具来衡量计划质量.结果:用于测试的13例直肠癌计划,使用统一的初始优化目标参数(OOPs)所获得的平均得分为(45.53±4.58)分(计划得分上限值为110),经过OAPN对OOPs调整后计划所获得的平均得分为(88.67±6.74)分.结论:OAPN借助ESAPI实现与TPS之间数据交互,通过深度强化学习的方式形成行为价值策略,经过训练后的OAPN可以对目标参数进行高效率的调整,同时获得较高质量计划.