质子放疗由于质子束在组织中深度剂量曲线的布拉格峰特性,近年来在国内外发展迅速。目前,商用的质子治疗计划系统完全被国外厂商的垄断。开发具有自主知识产权的国产质子治疗计划系统能摆脱对国外厂商的依赖,造福国内的癌症患者。质子调强放疗治疗计划系统的研发主要面临三个技术问题:1)扫描点众多导致寻找最优扫描路径的难度大,优化时间较长;2)完成剂量优化的时间长,效率低;3)质子笔形束剂量计算在面对解剖结构较复杂的肿瘤时,比如肺和头颈部肿瘤,剂量精度低。本论文的研究目标是弥补我国在开发具有自主知识产权的国产质子治疗计划系统方面的不足,针对质子调强放疗治疗计划的核心技术进行研发并解决上述问题。首先,本论文开发了基于模拟退火算法的质子调强放疗扫描路径优化方法,利用GPU并行计算技术加速优化过程,并实现各能量层的扫描路径的同时优化,从而显著提升扫描路径优化的速度。四个临床病例扫描路径优化测试结果显示,优化后病例的扫描路径长度分别降低30.0%、22.6%、55.4%和62.6%,优化时间分别为0.217s,0.249s,0.173s和0.176s。本文方法实现了快速有效的扫描路径优化,使治疗计划的质量得以提高。其次,本论文开发并编程实现了用于国产质子治疗计划系统的剂量计算和剂量优化引擎。通过比较在均匀水模体中不同能量的质子束的剂量分布,本文研发的剂量计算引擎计算得到的笔形束剂量分布与蒙特卡罗剂量分布相当吻合,2%/2mm标准的Gamma通过率达到98%,而3%/3mm标准的Gamma通过率达到了100%。本文利用拟牛顿优化算法寻求实现剂量目标的最优解,并通过GPU并行计算技术加速优化迭代中目标函数值和照射点梯度矩阵的计算速度。利用CUDA C++编程实现剂量优化引擎,将其集成于国产质子调强放疗治疗计划系统。水膜体例子和临床病例的剂量优化验证结果显示,经剂量优化引擎优化后的剂量分布均能满足处方要求。40次优化迭代所需要的总时间最短只需30.3s,实现了快速有效的剂量优化。最后,本论文开发了可从质子笔形束剂量分布和CT图像预测蒙特卡洛剂量的深度学习模型,从而将质子笔形束剂量计算的精度快速提高到蒙特卡洛的级别。对每一个射野,模型平均所需的预测时间小于3秒。模型可以准确预测多种不同肿瘤患者的蒙特卡洛剂量,且能通过简单的迁移学习适用于新的病人数据集。用于测试模型性能的头颈部、肝脏、肺和前列腺患者的预测剂量分布和蒙特卡洛剂量分布之间的Gamma通过率(1mm/1%标准)分别达到了92.8%,92.7%,89.7%和99.6%。该预测模型可作为质子治疗计划系统中一个可以有效提高质子剂量计算准确性的工具,提升计划质量。本论文对研发质子调强扫描路径优化方法、研发质子调强放疗剂量计算与优化引擎和利用人工智能技术提高质子笔形束剂量计算精度等质子治疗计划的三个核心技术进行了深入研究,为国产质子治疗计划系统的研发做出了贡献。