Proton radiation therapy is an alternative to conventional photon radiation therapy, which accounts for the majority of radiation treatments today. The rationale for using protons in radiation therapy lies in their dose deposition properties; photons deposit a radiation dose inversely proportional to the energy, and therefore tissue depth, while protons exhibit a sharp Bragg peak when traversing matter. This property could increase the precision of dose delivery to the target region, and spare healthy tissue in distal and proximal regions. As part of the proton therapy treatment planning, a computed tomography (CT) scan of the patient is performed and the stopping power ratios (SPR) relative to water of the tissues are derived from the CT numbers. Estimates of SPR values are known to be a significant source of uncertainty, leading to increased margins and radiation to healthy tissue. Photon-counting detectors within CT have demonstrated many advantages over their energy-integrating counterparts, such as improved spectral imaging, higher resolution and filtering of electronic noise. In this study, the potential of photon-counting computed tomography for improving proton therapy planning was assessed by training a deep neural network on a domain transform from photon-counting CT images to SPR maps. Since one of the main types of cancer treated with proton therapy are tumours in the brain and head area, head phantoms were constructed and used to simulate photon-counting CT images, as well as to calculate the ground truth SPR value in each image point. The CT images and SPR maps were then used as input and labels to a neural network. Prediction of SPR with this method yielded relative errors of 0.52 - 0.96 %, and RMSE of 0.54 - 1.25 %, which is comparable to methods based on dual energy CT (DECT) using energy-integrating detectors. / Protonterapi är ett alternativ till konventionell strålbehandling med fotoner, som idag utgör majoriteten av strålbehandlingar. Partiklarnas respektive dosegenskaper utgör det främsta skälet till att strålbehandla med protoner istället för fotoner. Fotoners deponerade dosnivå avtar med energi, och därmed vävnadsdjup. Protoner deponerar förhållandevis låg dos fram till en dostopp ('Bragg peak'), efter vilken stråldosen snabbt avtar. Detta ökar dosprecisionen och kan göra behandlingen mer skonsam för den friska vävnad som omger tumören. Inför strålterapibehandling med protoner utförs en datortomografi av patienten, där vävnadernas bromsförmåga (stopping power ratio, SPR) relativt vatten beräknas från CT-talen. De skattade SPR-värdena utgör en källa till osäkerhet, vilket leder till tilltagna marginaler under behandlingen och ökad stråldos till frisk vävnad. Fotonräknande detektorer inom datortomografi har uppvisat många fördelar gentemot konventionella energiintegrerande detektorer, som exempelvis förbättrade spektrala mätningar, högre bildupplösning samt filtrering av elektroniskt brus. Studien syftar till att undersöka huruvida fotonräknande detektorteknik kan förbättra protonterapiplanering, genom att träna ett neuralt nätverk på en domäntransform från fotonräknande datortomografbilder till SPR-kartor. Då en av de främsta typerna av cancer som behandlas med protonterapi är tumörer i huvudet och hjärnan, konstruerades huvudfantom som dels användes för att simulera bilder från den fotonräknande datortomografen, och dels för att beräkna det sanna SPR-värdet i varje punkt. Dessa utgjorde in- och utdata till ett neuralt nätverk. Beräkning av SPR med denna metod gav relativa fel mellan 0.52 - 0.96 % och RMSE mellan 0.54 - 1.25 %, vilket är jämförbart med metoder baserade på datortomografi med dubbelenergi (dual energy CT, DECT) för energiintegrerande detektorer.

This study aimed to investigate the impact of uncertainties in treatment planning related to the setup and range uncertainties. Three locations of targets were chosen, one in the head, one in the abdomen, and one in the pelvis. The treatment planning was assembled by utilising a CT image of a full body anthropomorphic phantom that was implemented into the treatment planning system RayStation (version 10, RaySearch Laboratories AB). A total of five regions of interest for the target were delineated as well as the associated organs at risks. The initial treatment plan considered the objective functions that aimed to achieve coverage of the CTV according to the clinical goal whilst minimising the dose reviewed by the organs at risk. In order to take the uncertainties into account for the treatment plan robustness optimization was applied with a predetermined set of setup and range uncertainties for each target. Dose histograms for the different cases of setup and range uncertainties were used to evaluate the significance of setup and range uncertainties onto the targets and the organs at risk. In addition, dose volume histograms and the difference in dose distribution aided to visualise the greatest deviation between the different cases. For the targets located in the head the small structures and the tissue heterogeneity resulted in being more affected by the range uncertainty rather than the setup uncertainty. The targets located in the abdomen and pelvic were on the other hand more affected by the setup uncertainties. This was a result related to structures adjacent to the target with different dose constraints and tissue heterogeneities. A comparison of the dose distribution showed the effect of setup uncertainties in the two aforementioned regions. For all cases the target coverage with the robust optimisation was as expected achieved. / Syftet med denna studie var att undersöka påverkan av osäkerheterna för protonernas utbredning och patienternas positionering med avseende på planeringen av en behandlingsplan. Totalt valdes tre områden som valdes att fokusera på var av två tumörer som var placerade i huvudet, en tumör som var placerad i abdomen och en tumör som var placerad i pelvis. Behandlingsplanen konstruerades med hjälp av en CT bild för en antropomorf helkropps fantom som överfördes till behandlingsteamet RayStation (version 10, RaySearch Laboratories AB). Samtliga tumörer och relevanta organ som anses vara i riskzonen för strålning fick definierade konturer. Därefter infördes funktioner för att optimera strålning till tumörer och funktioner för att begränsa strålningen till organen som var placerade i riskzonen enligt de kliniska önskemålen. För att beakta de ingående osäkerheterna i behandlingsplanen användes optimeringsalgoritmer för att säkerhetsställa att behandlingsplanen var robust gentemot ett antal förbestämda värde på de angivna osäkerheterna. Resultaten för osäkerheterna påverkas redovisades med histograms som påvisade den erhållna dosen för tumörer respektive organ i riskzonen. Utöver histogrammen redovisades differens mellan olika tillstånd av osäkerheterna med avseende på fördelning av dos. Tumörer som var placerade i huvudet hade större påverkan av protonernas utbredning på grund av de strukturer som är små till storlek relativt tumören, men även på grund av den heterogena omgivningen i det området. Däremot var tumörer som var placerade i abdomen och i pelvis mer påverkade av patientens position. Detta på grund av att närliggande organ och strukturer hade en diskrepans i de begränsade dosnivåerna samt på grund av heterogena omgivningar. Dessa fenomen påvisades även i de jämförelser som gjordes med avseende på fördelning av dos mellan olika tillstånd av osäkerheter. Slutligen visade denna studie att robust optimering gav samtliga tumörer en dosfördelning, vilket stämmer överens med vad som var förväntat.

Treatment planning for radiation therapy inherently involves tradeoffs, such as between tumor control and normal tissue sparing, between time-efficiency and dose quality, and between nominal plan quality and robustness. The purpose of this thesis is to develop methods that can facilitate decision making related to such tradeoffs. The main focus of the thesis is on multicriteria optimization methods where a representative set of treatment plans are first calculated and the most appropriate plan contained in this representation then selected by the treatment planner through continuous interpolation between the precalculated alternatives. These alternatives constitute a subset of the set of Pareto optimal plans, meaning plans such that no criterion can be improved without a sacrifice in another. Approximation of Pareto optimal sets is first studied with respect to fluence map optimization for intensity-modulated radiation therapy. The approximation error of a discrete representation is minimized by calculation of points one at the time at the location where the distance between an inner and outer approximation of the Pareto set currently attains its maximum. A technique for calculating this distance that is orders of magnitude more efficient than the best previous method is presented. A generalization to distributed computational environments is also proposed. Approximation of Pareto optimal sets is also considered with respect to direct machine parameter optimization. Optimization of this form is used to calculate representations where any interpolated treatment plan is directly deliverable. The fact that finite representations of Pareto optimal sets have approximation errors with respect to Pareto optimality is addressed by a technique that removes these errors by a projection onto the exact Pareto set. Projections are also studied subject to constraints that prevent the dose-volume histogram from deteriorating. Multicriteria optimization is extended to treatment planning for volumetric-modulated arc therapy and intensity-modulated proton therapy. Proton therapy plans that are robust against geometric errors are calculated by optimization of the worst case outcome. The theory for multicriteria optimization is extended to accommodate this formulation. Worst case optimization is shown to be preferable to a previous more conservative method that also protects against uncertainties which cannot be realized in practice. / En viktig aspekt av planering av strålterapibehandlingar är avvägningar mellan behandlingsmål vilka står i konflikt med varandra. Exempel på sådana avvägningar är mellan tumörkontroll och dos till omkringliggande frisk vävnad, mellan behandlingstid och doskvalitet, och mellan nominell plankvalitet och robusthet med avseende på geometriska fel. Denna avhandling syftar till att utveckla metoder som kan underlätta beslutsfattande kring motstridiga behandlingsmål. Primärt studeras en metod för flermålsoptimering där behandlingsplanen väljs genom kontinuerlig interpolation över ett representativt urval av förberäknade alternativ. De förberäknade behandlingsplanerna utgör en delmängd av de Paretooptimala planerna, det vill säga de planer sådana att en förbättring enligt ett kriterium inte kan ske annat än genom en försämring enligt ett annat. Beräkning av en approximativ representation av mängden av Paretooptimala planer studeras först med avseende på fluensoptimering för intensitetsmodulerad strålterapi. Felet för den approximativa representationen minimeras genom att innesluta mängden av Paretooptimala planer mellan inre och yttre approximationer. Dessa approximationer förfinas iterativt genom att varje ny plan genereras där avståndet mellan approximationerna för tillfället är som störst. En teknik för att beräkna det maximala avståndet mellan approximationerna föreslås vilken är flera storleksordningar snabbare än den bästa tidigare kända metoden. En generalisering till distribuerade beräkningsmiljöer föreslås även. Approximation av mängden av Paretooptimala planer studeras även för direkt maskinparameteroptimering, som används för att beräkna representationer där varje interpolerad behandlingsplan är direkt levererbar. Det faktum att en ändlig representation av mängden av Paretooptimala lösningar har ett approximationsfel till Paretooptimalitet hanteras via en metod där en interpolerad behandlingsplan projiceras på Paretomängden. Projektioner studeras även under bivillkor som förhindrar att den interpolerade planens dos-volym histogram kan försämras. Flermålsoptimering utökas till planering av rotationsterapi och intensitetsmodulerad protonterapi. Protonplaner som är robusta mot geometriska fel beräknas genom optimering med avseende på det värsta möjliga utfallet av de föreliggande osäkerheterna. Flermålsoptimering utökas även teoretiskt till att innefatta denna formulering. Nyttan av värsta fallet-optimering jämfört med tidigare mer konservativa metoder som även skyddar mot osäkerheter som inte kan realiseras i praktiken demonstreras experimentellt. / <p>QC 20130527</p>