CN101954148A - 放射治疗中基于gpu的剂量计算加速方法 - Google Patents

Abstract

本发明公开一种对放射治疗中光子剂量计算的加速方法。与常规方法不同之处在于：结合CPU处理复杂逻辑和事务等串行计算，使用图形处理器(Graphic Processor Unit，GPU)处理光子剂量计算中等效深度计算和剂量累加两个过程，这两个过程中，每个过程都存在数据量大、数据相关性低、数据有相同的执行程序，并行度和计算密度高等特点。因而通过GPU，可以让更多的计算单元并行执行，缩短了运算时间，提高了计算效率，治疗方案优化过程中任何治疗参数改变时，从剂量计算到剂量分布的显示基本能达到实时的效果。

Description

放射治疗中基于GPU的剂量计算加速方法

技术领域

本发明涉及肿瘤放射治疗中光子的剂量计算，具体来说是针对放射治疗中的规则野、非规则野和调强野采用GPU加速的有限笔束算法进行计算。

背景技术

剂量计算是放疗治疗计划系统的核心内容之一。快速准确地提供感兴趣区内所受照射剂量的数据，对放疗计划的制定至关重要。调强放射治疗中的剂量计算包括剂量计算算法和剂量优化两部分。

目前放射治疗中研究和使用的光子剂量计算算法基本分为三种：蒙特卡洛算法，卷积积分算法和有限笔形束算法。蒙特卡洛算法通常被作为剂量计算的标准，模拟了粒子与物质相互作用的全过程，能计算各种复杂条件下的剂量分布，但计算复杂，耗时长，临床应用较少，理论研究较多。卷积积分法又可分为微分卷积积分和快速傅里叶法，微分卷积积分考虑了三维非均匀修正，对不均匀组织及复杂结构的计算有较高的精度，但对临床应用来说仍然较慢。因此，快速傅里叶法和有限笔束算法是临床的商业计划系统中应用较为广泛的方法。

放射治疗中为了较好地处理肿瘤组织和周围正常组织的剂量关系，使肿瘤得到最大限度的局部控制而周围正常组织和器官的放射损伤最小，需要对治疗方案进行优化，优化的过程也是治疗方案的改进过程，通常需要多次的人机交互。临床在使用计划系统过程中，希望任何治疗参数改变时，从剂量计算到剂量分布的显示能达到实时的效果。

图像处理器(graphic processing unit，GPU)最初是用于计算机图像显示和渲染的计算机元件。近年来，多个GPU厂商已推出可编程GPU，使其应用不局限于图形处理方面，在并行计算方面也倍受关注。相比CPU，GPU凭借多核及很高的存储器读写带宽，具备很高的运算性能。GPU由多个流处理器(SMP，Stream Multiprocessor)组成，每个流处理器都可看作包含8个核(Core)的单指令多数据(SIMD)的处理器，所以GPU适合那些用相同程序并行处理大量数据的计算，即高密集度数据运算。本发明正是利用GPU的这种特性，对放射治疗中的剂量计算进行加速的。

发明内容

本发明针对光子剂量计算中等效深度计算和剂量累加两个过程都存在数据量大、数据相关性低、数据有相同的执行程序，并行度和算术计算密集性高等特点，运用GPU实现了一种对剂量计算加速的方法。它与常规方法不同之处在于：采用了CPU处理复杂逻辑和事务等串行计算，GPU处理具有高并行度的问题。即在等效深度计算和剂量累加两个过程中，不使用CPU对体元依次进行处理。而采用GPU，使一个线程对应一个体元进行处理，同时多个体元并行执行，这样使得运算时间大大减少。

具体实施方式

在有限笔束模型中，射束能被离散化为许多相互独立的有限大小的射束元，模体中沉积在某点的能量是各射束元在此点的能量沉积的累加。在点(x，y，z)处的能量沉积可写为：

$D(x,y,z)=\underset{i}{\mathrm{\Σ}}f\left(z\right)\mathrm{\φ}(x_i,y_i)k(x_i-x,y_i-y,d(x,y,z))---\left(1\right)$

式中φ(x_i，y_i)为坐标为(x_i，y_i)的第i个射束元的入射注量，f(z)是和深度相关的平方反比修正因子。积分核k是利用Monte Carlo程序模拟射束元照射标准水模，得到不同深度的剂量分布而储存起来的数据库。d(x，y，z)是点(x，y，z)的等效深度。可表示为：

$d(x,y,z)={\∫}_l\frac{\mathrm{\ρ}(x^{\′},y^{\′},z^{\′})}{{\mathrm{\ρ}}_w}\mathrm{dl}---\left(2\right)$

这里，ρ(x′，y′，z′)是电子密度体模电子密度分布，ρ_w是水的电子密度，可由体模的CT值转换得到。积分是从点(x，y，z)到射元的线积分，l是积分路径。

等效深度计算过程中先将体模离散化为等大的体元，让体元标识与线程标识一一对应，在射束坐标系下沿射线逆向进行追踪，体元的电子密度可由体元的CT值转化得到。射线穿过的体元的等效长度就是穿过这个体元的物理长度与此体元的电子密度的乘积，将这条射线穿过的每个体元的等效长度累加就得到这个体元的等效深度。

剂量累加过程中将体元标识与线程标识一一对应，在射束坐标系下查找感兴趣区内体元对应的等效深度，并获得该等效深度对于的积分核，采用公式(1)进行计算，在照射野范围内将对这个体元有影响的射束元在此体元沉积的能量进行累加。

为了测试上述两个过程的加速结果，选取了一个人头颈部的体模做了实验，实验在两种显卡上进行，Geforce 210和Geforce GT320。为了便于比较不同显卡的加速结果，都选用AMD Athlon四核630(主频2.8GHz)的CPU的计算时间T_CPU和数据拷贝(包括在设备上分配内存空间)时间T_COPY为标准。核函数的执行时间用

表示，函数用GPU处理消耗的时间(包括核函数执行时间和数据拷贝时间)用T_GPU表示。

表1等效深度计算加速结果

表2剂量累加加速结果

如上面两表所示测试结果，通过使用GPU的并行运行机制，使得剂量计算过程中的等效深度的计算和剂量累加两个过程都获得了不同程度的加速。由于GPU和CPU的存储器是相对独立的，它们相互之间不能直接访问存储器，必须先将数据拷贝到当前设备下才能进行处理，数据量较小时是否考虑数据拷贝时间对最后的加速结果有很大的影响。还可以发现，不同GPU的加速效率是不一样的，这是由于不同GPU具有不同数量的多处理器，GPU中多处理器的数目越多，在同一时刻可以并行执行的线程数目就越多，加速效果也会越好。加速效果还与显存的大小有关系。通过以上实验测得的数据，可以说明本发明使得剂量计算所需的时间大大减少，在一定条件下任何治疗参数的改变，从剂量计算到剂量分布的显示基本能达到实时的效果。

Claims (4)

1.一种用于加快放射治疗中光子剂量计算速度的方法，其特征在于，使用了CPU与GPU联合进行光子剂量计算。

2.根据权利要求1所述的用于加快放射治疗中光子剂量计算速度的方法，其特征在于：对于一些具有并行条件的处理过程使用GPU进行加速处理，而复杂逻辑和事务处理等串行计算仍然采用CPU。

3.根据权利要求2所述的GPU加速处理，其特征在于：对放射治疗中的规则野、非规则野和调强野采用GPU加速的有限笔束算法，每个GPU线程计算一个体元的剂量。

4.根据权利要求2所述的GPU加速处理和权利要求3所述的剂量计算方法，其特征在于：采用等效深度法对模体进行非均匀修正，等效深度计算采用射线追踪法，每个GPU线程计算一个体元的等效深度。