附：算法介绍

子野权重优化算法

FMO和SPO是uARC的两种优化策略，区别在于生成子野形状的方式不同。在优化设置中可进行选择。

将优化弧段等分形成小弧段，每个小弧段中间位置建立一个虚拟静态射野。通过分组优化，多轮调用FMO+LS优化模块（FMO对所有虚拟射野进行通量图优化，LS将每个优化后的通量图分别转化为一组控制点形状和跳数)的模式。形成一组理想的子野形状和跳数作为CPO初始解。

以MC 1%，3mm网格优化鼻咽癌双弧为例列举两者区别如下。

Table 1. FMO与SPO区别
比较项	FMO	SPO
第一次优化时间（50次迭代）	2m12s	4m05s
继续优化时间（50次迭代）	1m11s	1m02s
分野算法	两个射野自动分区域优化	需要锁野：支持自动锁野或由用户手动设置JawLock的范围
计划效果（首次优化达标率）	低	高
执行效率	通常 90s/360°	通常 60s/360°

Note: SPO算法支持自定义时间

当uArc技术选择了SPO算法时，在射束优化设置中设置期望执行时间，计划优化效果会有体现。默认时间是90秒。适当延长执行时间可部分提高计划优化效果，在容忍范围内缩短时间降低计划优化质量可获得治疗效率提高。

首先生成TERMA矩阵。TERMA（Total Energy Released In the Medium）是光子与物质相互作用时在单位质量物质中释放的总能量，反映了光子初级反应发生的强度
生成点核矩阵。点核是光子发生初级反应后导致的作用点附近的相对能量沉积。反应由光子初级反应生成的次级粒子与物质相互作用沉积能量的过程
将两个矩阵进行卷积运算得出剂量分布

MC（蒙特卡洛算法）是一种以概率和统计理论为基础的计算方法。该算法将所求解的问题和一特定的概率模型相联系，随机抽样和模拟，以获得问题的近似解。在放疗计划计算中，MC通过逐一模拟和记录单个粒子的历程来求解粒子输运问题

首先读取粒子输运的物理输入：系统形状、材料、光子电子的分布、粒子和物质相互作用的类型和概率、发生反应后粒子的能量、角度分布、结束运动的条件、所求物理量。。。。。
然后通过随机抽样，模拟粒子能量，直到低于预先设定的阈值。常见的抽样方法有：
1. 光子与原子作用的机制和抽样方法：光电效应、康普顿散射、电子对效应
2. 电子与物质相互作用的抽样方法：电子多次散射、韧致辐射、正电子湮灭、非弹性碰撞
模拟中每次粒子与周围介质发生反应，算法都会记录粒子向周围介质沉积的能量
最后统计每个网格内沉积的总能量，即电离辐射剂量
本系统提供两种蒙卡计算剂量：
1. 等效物质剂量：模拟患者体内真实环境的剂量，具有更高的准确性
2. 等效水剂量：通常在QA计划时选择使用，QA设备本身校准基于相对于水的剂量