Mathematical Researches

fa کاربرد الگوریتم های تکاملی چند هدفه خاکستری در بهینه سازی میزان دوز در روش براکی تراپی با میزان دوز بالا Application of gray multi-objective evolutionary algorithms for dose optimization in high dose brachytherapy problems ریاضی Mat مقاله مستقل Original Manuscript <div>مسائل برنامه ریزی درمان براکی تراپی  با میزان دز بالا، شامل تعیین برنامه حرکتی یک منبع تابشی است به گونه ای که حجم های هدف به طور مناسب با دوز کافی پوشش داده شوند، در حالی که اندامها در معرض خطر اشعه فراتر از آستانه قابل قبول بالینی دریافت نکنند. هدف این مقاله، ارائه یک مدل بهینه سازی دو هدفه فازی است که به  طور مستقیم، حالت چند بعدی بودن مسئله برنامه ریزی درمان براکی تراپی را در دو هدف لحاظ شده است. بنابراین فرایند تصمیم گیری برنامه ریزان درمان را هنگام ایجاد یک برنامه قابل قبول از نظر بالینی، ساده تر می کند. از طرفی با توجه به اینکه حجم دقیق تومور قابل تشخیص و محاسبه نیست، لذا از اعداد خاکستری در جهت محاسبه حجم تومور در مدل مسئله براکی تراپی استفاده شده است. در این پژوهش از چهار الگوریتم تکاملی چند هدفه قدرتمند، الگوریتم های NSGA1-II، MOEA/D2، SPEA3-II  و الگوریتم تکاملی چند هدفه خاکستری G-NSGA4-II استفاده شده است. این الگوریتم ها به جای ارائه ی تنها یک پاسخ بهینه، مجموعه ای از جواب های پارتو ایجاد می کنند که هیچ کدام بر دیگری برتری ندارند. نتایج بدست آمده از این چهار الگوریتم، نشان می دهند که الگوریتم تکاملی چند هدفه خاکستری G-NSGA-II ، هم به لحاظ کیفیت جوابها و هم به لحاظ حفظ تنوع در جوابها، و همچنین بخاطر ساختار خاکستری و عملگرهای خاکستری مورد استفاده در آن، بهترین الگوریتم تکاملی چند هدفه بین این چهار الگوریتم قدرتمند، برای بهینه سازی میزان دوز در مسئله براکی تراپی است که از وابستگی بین متغیرهای تصمیم گیری برای حل کارآمد آن بهره می برد.  این نتایج بیانگر اثربخش بودن عملکرد این الگوریتم و همچنین مدل فازی دو هدفه در کوتاه کردن دوره درمان و افزایش دقت برنامه براکی تراپی می باشد.  </div> Background Cancer is one of the great human challenges in all countries, both advanced and developing. Cancer treatment management can include surgery, chemotherapy, or radiation therapy [1]. Radiation therapy is done in two ways: Teletherapy and Brachytherapy. Brachytherapy involves the use of radiation sources to treat cancer by irradiating cancerous tissue from within the patient’s body [2]. But the dose and how to use this method has always been questionable for researchers. The purpose of this paper is to present a two-objective optimization model that directly summarizes the multidimensional nature of the problem of brachytherapy treatment planning in two objectives. Therefore, it simplifies the decision-making process of treatment planners when creating a clinically acceptable plan. Methods In the present study, the dose prescribed for an organ was evaluated by dosimetric indices listed in Table 1. For the present study, data from patients in the age range of 50 to 74 and mean age 62 years with a wide range of prostate volume between 23 and 103 cubic centimeters, and for the treatment of prostate cancer by brachytherapy from the Academic Medical Center (AMC, Amsterdam, the Netherlands) had participated. To compare brachytherapy programs with high interstitial dose, the dose rate was calculated with 192Ir beam with a radiation dose of 13 Gy, according to the standard protocol TG-43. To begin with, computed tomography (CT) scans or magnetic resonance imaging (MRI) were taken from the patients pelvis, and entered into the treatment planning software for use in treatment planning sessions. BT treatment planners and specialists then determined the input catheters, target volumes, and OARs obtained from the medical images. Depending on the size and exact location of the target volumes, between 14 and 20 catheters entered the patient’s body, reaching the target volumes. After designing and approving an acceptable treatment plan, the catheters inserted into the patient’s body were connected to a retractor that controls the movement of the radiation source. After the treatment program, the source was returned to the retractor. Results According to this study, four multi-objective evolutionary algorithms, NSGA-II, MOEA / D, SPEA-II algorithms and G-NSGA-II (gray multi-objective evolutionary algorithm) have been used. Instead of providing only one optimal answer, these algorithms create a set of Pareto optimal answers, none of which is superior to the other. But they have better results compared to other methods. The results show that the G-NSGA-II (gray multi-objective evolutionary algorithm) is the best multi-objective evolutionary algorithm for both the quality of the answers and the diversity of the answers, as well as the gray structure and the gray operators used in it. Dose optimization is a problem in brachytherapy that uses the interdependence between decision variables to solve it efficiently. These results indicate the effectiveness of this algorithm in shortening the treatment period and increasing the accuracy of the brachytherapy program. Conclusion According to the obtained results, it can be stated that whether the main goal is the maximum coverage or the goal is the shortest possible time to reach the coverage above 95%, the best algorithm that can get a good answer for each patient is the G-NSGA-II (gray multi-objective evolutionary algorithm). Ethical Considerations and Compliance with ethical guidelines All ethical principles were considered in this article. In order to observe the ethical points in the truth, the researcher undertook to keep all the information in the questionnaire confidential. It also provides the results of the research to the respondents. Funding This research did not receive any specific grant from funding agencies in the public, commercial, or not-for profit sectors. Conflicts of interest The authors declared no conflict of interest   بهینه سازی چند هدفه – الگوریتم های تکاملی – براکی تراپی – نظریه سیستم های خاکستری Multi-objective optimization - Evolutionary algorithms - Brachytherapy - Gray systems theory 66 80 http://mmr.khu.ac.ir/browse.php?a_code=A-10-1628-1&slc_lang=fa&sid=1 Mohammad Mohammadi Najafabadi محمد محمدی نجف آبادی mm.najafabadi@pnu.ac.ir 10031947532846006982 10031947532846006982 Yes Payame Noor University دانشگاه پیام نور تهران Davood Darvishi داوود درویشی d_darvishi@pnu.ac.ir 10031947532846006983 10031947532846006983 No Payame Noor University دانشگاه پیام نور تهران