یکی از برجسته ترین مزایای روش پرتودرمانی هدایت شده با تصویر، توانایی درمان تومورهای متحرکِ واقع در ناحیۀ قفسۀ سینه و شکم است. در پرتودرمانی به کمک نشانگرهای خارجی، تعقیب زمان- واقعی تومور به وسیلۀ مدل های پیش بین انجام می شود. اخیراً مدل های پیش بین هوشمند، مثل مدل های مبتنی بر شبکۀ عصبیِ مصنوعی، سیستم فازی و سیستم فازی-عصبی، به دلیل توانایی هایشان در پیش بینی حرکت تومور، بیش از پیش در کاربردهای بالینی مورد توجه قرار گرفته اند. دقت یک مدل پیش بین نقش مهمی در دقت هدف یابی سیستم پرتودرمانی هدایت شده با تصویر، بازی می کند. به منظور پرهیز از پیچیدگی مدل ساخته شدۀ فازی-عصبی، یک الگوریتم پیش پردازش داده مورد نیاز است تا تعداد بهینه ورودی ها را تعیین کند و تعادلی میان عملکرد مدل و پیچیدگی آن برقرار نماید. علاوه بر این، الگوریتم بهینه سازی با کاهش ابعاد مسئله و بنابراین ساده تر کردن ساختار مدل، موجب کاهش قابل توجهی در زمان لازم برای ایجاد مدل می شود و تعقیب زمان-واقعی تومور که در طول درمان بسیار حیاتی است، حاصل می شود. در این پژوهش، ما سه مدل پیش بین مختلف ایجاد کرده ایم و پس از معرفی قابلیت های این مدل ها، با استفاده از معیارهای مختلفی به مقایسه عملکرد آن ها پرداخته ایم و در نهایت به مدلی با عملکرد قابل توجه رسیده ایم. در ابتدا، روش جدیدی برای افزایش دقت هدف یابی یک مدل پیش بین فازی-عصبی با کمک بخشی از دیتاست، به عنوان دادۀ سنجش پیشنهاد شده و در مرحلۀ بعد از الگوریتم رقابت استعماری به عنوان یک فن گزینش ورودی استفاده شده است. این الگوریتم بهترین ورودی های موجود در دیتاست را گزینش می کند که منجر به کمترین خطای پیش بینی، بعلاوه حداقل زمان اجرای مدل فازی-عصبی می شود. مقایسه های انجام شده با عمـلکرد دو مدل دیگری که در این پژوهش ارائه شده اند، یعنی مدل پیش بین مبتنی بر شبکه های عصبی مصنوعی و همچنین یک مدل فازی-عصبی که از این الگوریتم استفاده نمی کند، نشان می دهد مدل فازی عصبی بهینه شده به کمک الگوریتم رقابت استعماری، کاهش خطا ،زمان اجرا و پایداری قابل توجهی داشته است.

حرکت تومورهای قفسه سینه ناشی از تنفس، یکی از بزرگ ترین مسائل چالش برانگیز در درمان سرطان با اشعه می باشد. تغییراتی که در آناتومی بدن طی تصویربرداری در اثر حرکات ناشی از تنفس رخ می دهد، مشکلات زیادی را در رادیوتراپی بر مبنای تصویر ایجاد می کند که مهم ترین آن ها آسیب به بافت های سالم اطراف بافت سرطانی می باشد. بنابراین اطلاع از موقعیت تومور در هر لحظه می تواند کمک به سزایی در حل این مشکل داشته باشد. تصویربرداری چهاربعدی یکی از روش هایی است که برای ردیابی این تغییرات در فازهای تنفسی متفاوت پیشنهاد شده است. از طرفی می توان دقت ردیابی حرکت را به وسیله تولید تصاویر مجازی بین این تصاویر، افزایش داد. به این صورت بیمار از اسکن دوباره برای تولید تصاویر جدید محفوظ می ماند. برای این منظور نیاز است از فن درون یابی برای ایجاد داده های جدید میان دو تصویر در دسترس، استفاده کرد. روش استفاده شده در این تحقیق نیازمند جابه جایی های صورت گرفته از تصویر اول به دوم می باشد که این هدف به کمک فن ثبت تصویر محقق می شود. در این تحقیق برای یک مجموعه تصاویر چهاربعدی قفسه سینه، از چهار الگوریتم ثبت پرکاربرد برای به دست آوردن میدان جابه جایی بین دو حجم تنفسی استفاده شده است. از آن جا که دقت تصویر درون یابی شده به دقت میدان جابه جایی به دست آمده بستگی دارد، عملکرد این چهار الگوریتم در تولید تصویر مجازی مورد بررسی قرار گرفت. نتایج به دست آمده نشان دهنده عملکرد دقیق تر الگوریتم های ثبتی بود که میدان برداری متقارن ایجاد می کنند. به این معنی که ثبت تصویر اول به دوم یا تصویر دوم به اول، یک میدان برداری یکسان را تولید می کند.

در رادیوتراپی خارجی، برای انتقال دوز تابشی روی تومورهای حرکتی در ناحیه شکم و در عین حال جلوگیری از تابش دوز به نواحی سالم اطراف، حرکت تومور باید به صورت زمان- واقعی ردیابی شود. به همین منظور، چندین مدل پیش بین برای به دست آوردن مکان دقیق تومور به صورت تابعی از زمان در رادیوتراپی با نشانگر های خارجی، گسترش داده شده اند. دقت این مدل های پیش بین چالش اصلی مطرح در این زمینه می باشد که از میان آن ها، مدل های طراحی شده بر مبنای سیستم های فازی-عصبی به دلیل توانایی آن ها در تشخیص و شناسایی سیستم های دینامیکی با عدم قطعیت بالا، ابزار قدرتمند و موثرتری شناخته شده اند. در این مطالعه، یک مدل فازی-عصبی تطبیقی بر مبنای هفت الگوریتم خوشه بندی به منظور دستیابی به عملکرد مناسب در ردیابی حرکت تومور و با در نظر گرفتن زمان اجرای برنامه، پیشنهاد شده است. علاوه بر این، یک ارزیابی جامع روی سیستم های استنتاج فازی بر مبنای خوشه بندی نسبت به سیستم های پیشرفته ی گسترش یافته شده، انجام گرفته است. برای بررسی نحوه کارکرد سیستم فازی-عصبی تطبیقی و ترکیبی، بیست بیمار که با سایبرنایف تحت درمان بوده اند استفاده شده است. آنالیز نتایج نشان داد که ترکیب و استفاده همزمان از چندین نوع الگوریتم خوشه بندی برای تولید توابع عضویت، دقت عملکرد سیستم شناسایی را تا حد زیادی افزاش داده و نتایج قابل قبولی ارائه می دهد.

در پرتودرمانی با بیم خارجی، هدف اصلی رساندن دوز تجویز شده به حجم تومور می باشد در حالی که کمترین دوز ممکن توسط بافت های سالم اطراف آن دریافت گردد. با این حال در ناحیه نیم تنه بالای بدن، حرکات ناشی از ضربان قلب، فشار های مختلف نظیر پر و خالی شدن مثانه یا روده ها و به خصوص تنفس موجب عدم قطعیت بالایی در تشخیص موقعیت تومور شده که در نتیجه کیفیت درمان را کاهش می دهند. یکی از جدیدترین روش ها برای جبران حرکت این تومورها، تعقیب تومور بصورت لحظه ای می باشد. در این روش، از همبستگی بین سیگنال های بدست آمده از قسمت های مختلف بدن و حرکت تومور استفاده کرده و موقعیت تومور را پیش بینی می کنیم. سوال اساسی در این زمینه که باید پاسخ داده شود نوع، تعداد و محل این نماینده های تنفسی می باشد. در این پژوهش، با بهره گیری از فانتوم شبیه ساز انسان 4dxcat ابتدا سه سیگنال نماینده تنفس شامل حجم ریه، جابه جایی دیافراگم و جابه جایی نشانگرهای خارجی از نظر میزان همبستگی آن ها با حرکت تومورهای نیم تنه بالای بدن با یکدیگر مقایسه شدند. نتایج حاصل نشان داد نشانگرهای خارجی دارای بیشترین همبستگی با تومورها می باشند. سپس با بهره گیری از الگوریتم های گزینشگر ورودی، مکان های بهینه جهت استقرار نشانگرهای خارجی تعیین شد که موفق ترین الگوریتم گزینشگر ورودی الگوریتم correlation based feature selection بود. لازم به ذکر است، معیار مقایسه در این زمینه خروجی مدل هوشمند anfis در پیش بینی حرکت تومورها بود. جهت بررسی نماینده های داخلی نیز امکان استفاده از دنده ها را برای پیش بینی حرکت تومور های ریه و کبد مورد ارزیابی قرار داده و این موضوع را از جنبه های مختلف بررسی نمودیم. نتایج حاصل امکان استفاده از دنده ها را به عنوان نماینده های حرکتی تومورها تایید نمودند.

یکی از چالش های اساسی در پرتودرمانی خارجی عدم قطعیت های رخ داده شده در تنظیم کردن هندسه بیمار در مقابل پرتوی تابشی می باشد که در نهایت بر روی مقدار دوز سه بعدی تجویز شده در داخل حجم تومور اثر می گذارد. این عدم قطعیت های رخ داده شده شامل عدم درست تنظیم نشدن تخت درمان در طول جلسات درمان و جابجایی های رخ داده شده بین جلسات درمان می باشد که در نهایت منجر به کاهش دقت درمان می شود. روش های مختلفی برای تنظیم کردن تخت درمان در جهت بیم تابشی مورد استفاده قرار می گیرد که می توان به استفاده از سیستم ثابت نگهدارنده برای ثبت اطلاعات از سطح بدن به صورت تصویربرداری با استفاده از ابزارهای غیرتهاجهی می باشد. در این پژوهش، هندسه قرارگیری بیمار به طور جامع توسط فانتوم شبیه ساز انسان با نام 4d xcat شبیه سازی شده است. این فانتوم از روش غیرخطی به نام nurbs برمبنای روش spline برای شبیه سازی4d ارگان های بدن انسان مورد استفاده قرار گرفته است. در این شبیه سازی تمام موقعیت های رایج تخت درمان که شامل جابجایی و چرخش های واقعی است در نظرگرفته شده است. علاوه براین، برای ادامه تحقیقات داده های شبیه ساز برای پنج بیمار واقعی نیز گسترش پیدا کرده است. در برخی از روش های کلینیکالی از استراتژی های برای تنظیم کردن موقعیت بیمار در جهت پرتوی تابشی استفاده می کنند، در این روش ها از مدل های تصحیح کننده براساس به تصویر کشاندن سطح قفسه سینه، برمبنای نقاط مرجع همزمان سازی شده برای تخمین زدن جابجایی های رخ داده شده استفاده می کنند. در این تحقیق شش مدل هوشمند برای تخمین و محاسبه پارامترهای تنظیم کردن تخت درمان استفاده شده است. این مدل ها شامل شبکه های عصبی مصنوعی، سیستم استنتاج فازی عصبی، استفاده از دو الگوریتم انتخاب گر ورودی با نام های 1) همبستگی کانونیک با ضرایب 99% و 98% به صورت جداگانه که با روش سیستم استنتاج فازی عصبی ترکیب شده و 2) تجزیه مولفه های اصلی با ضرایب 70% و 19% به صورت جداگانه که با روش سیستم استنتاج فازی عصبی ترکیب شده است که برای تخمین زدن جابجایی های رخ داده شده براساس مجموعه دادهای که شامل نشانگرهای خارجی همزمان شده با موقعیت تخت درمان که به صورت نقاط مرجع تعریف شده استفاده گردید. در ساختار داده های آمورش کیفیت و کمیت از لحاظ چرخش و جابجایی تخت درمان لحاظ شده است که در نهایت منجر به دقت و عملکرد مناسب در مدل های هوشمند می شود. نتایج نهایی حاصل شده، توضیح دهنده این است که مدل های شبکه عصبی و سیستم استنتاج فازی عصبی برای تخمین زدن موقعیت تخت درمان مناسب است. علاوه بر این نتایج مدل ها برای هر بیماری به بیمار دیگر فرق می کند. همچنین رنج فازهای مختلف تنفس در ابتدای دم تا انتهای بازدم در مورد مقدار خطای حاصل شده از تنظیم کردن تخت درمان مورد بررسی قرار گرفته است. بهرحال، درست تنظیم کردن بیمار بر روی تخت درمان در جهت پرتوی تابشی به کیفیت و کمیت داده های آموزشی بستگی دارد. بعد از انتخاب بهترین مدل ها، از دو روش ریاضی همبستگی کانونیک و تجزیه مولفه های اصلی برای بررسی مکان های قرارگیری نشانگرهای خارجی برای پیدا کردن بهترین محل و مناسب ترین تعداد نشانگر استفاده می شود. که در نهایت مشاهده می شود که نشانگرهای 1&3&7&9 نسبت به سایر نشانگرهای خارجی از موقعیت مناسب تری با کمترین مقدار خطا برخوردار می باشد.

انرژی حاصل از یک بیم پروتونی به طور عمده در عمق مشخصی تحت براگ پیک به جا گذاشته می¬شود. در پروتون درمانی به طور معمول از دو روش بیم رسانی فعال و غیر فعال استفاده می¬شود. در روش بیم رسانی غیر فعال یک بیم درمانی موثر با استفاده از گسترده کردن بیم باریکه¬ی خارج شده از شتاب دهنده جهت تولید دو نوع یکنواختی در پروفایل بیم ایجاد می¬شود؛ یکنواختی عرضی و یکنواختی در عمق که به عنوان sobp (مجموع اثر براگ پیک¬ها) شناخته می¬شود. در پروتون درمانی، هدف نهایی ایجاد یک توزیع دز سه بعدی یکنواخت درون حجم تومور می¬باشد، به طوری که دز رسیده به بافت سالم اطراف تومور به حداقل برسد؛ اما با توجه به حرکت و تغییر شکل حجم هدف (تومور)، دز رسیده با دز تجویز شده مطابقت مناسبی نخواهد داشت. هدف ما در این مطالعه بدست آوردن یک ارزیابی کمی از توزیع دز سه بعدی بر روی تومورهای متحرک و تغییر شکل داده شده ناشی از حرکات تنفس و بافت¬های سالم اطراف هدف می¬باشد. برای رسیدن به این هدف یک مطالعه¬ی شبیه¬سازی با استفاده از کد مونت کارلوی فلوکا انجام پذیرفته است. تأثیر هر یک از المان¬ها در سیستم اسکن بیم غیر فعال بر روی توزیع دز در نظر گرفته شده است. دز به جا گذاشته شده از پروتون¬ها برای نواحی طراحی شده جهت درمان تومورهای ثابت، تغییر شکل یافته و متحرک شبیه سازی شده است. توزیع دز در تومورهای متحرک و تغییر شکل یافته با استفاده از تکنیک بیم رسانی غیر پیوسته بهبود یافت.

سیستم تنفسی بر مبنای گیت برای تومورهای نواحی که تحت تاثیر حرکات تنفسی اند بالقوه با کاهش حاشیه های اطراف تومور که منجر به کاهش نرخ پیچیدگی و عوارض و یا افزایش کنترل روی تومور می شود. تنفس برمبنای گیت به بیم درمانی امکان همزمانی سیکل تنفسی بیمار را می دهد. بیمار برای کاهش دوز رسیده به ارگان های مشخص در زمان بهینه در طول سیکل تنفسی خود تحت درمان قرار می گیرد.هدف از سیستم گیت، کاهش دوز رسیده به بافت های حساس اطراف تومور است. در سیستم گیت بر مبنای فاز بر اساس فاز سیگنال گیت را که در محدوده بین دو فاز قرار می گیرد اعمال کرده و پرتو را می تابانیم. در این پایان نامه به بررسی اثر دامنه در گیتهای مختلف پرداخته ایم.

در این پژوهش به بررسی ومقایسه پرتوهای یونیزان جهت از بین بردن بافت های معیوب (تومور) در بدن بیمار و همچنین تکنیک های مختلف پرتو دهی پرداخته شد.ذرات سنگین استفاده دراین طرح جهت پرتو دهی یون های سنگین کربن ،اکسیژن وپروتون می باشد. نتایج نشان می دهد یون ها سنگین به علت جرم زیاد در مقایسه با فوتون والکترون دارای letبیشتری و rbeکمتری هستند که ذرات سنگین نسبت به فوتون والکترون آسیب کمتری به بافت سالم اطراف تومور میرساند. با استفاده از یونهای سنگین ناحیه پشتی تومور کاملا از دریافت دوز اضافی محفوظ می ماند و این امر برای نواحی شامل ارگانهای حساس حایز اهمیت است. و همچنین مقدار انرژی بجا مانده از پرتوهای ثانویه به وجود آمده حاصل از اندرکنش یونهای سنگین با بافت سالم بسیار ناچیز می باشد.