CN102184319A - 治疗计划逆向规划方法和治疗计划系统 - Google Patents
治疗计划逆向规划方法和治疗计划系统 Download PDFInfo
- Publication number
- CN102184319A CN102184319A CN2011100977003A CN201110097700A CN102184319A CN 102184319 A CN102184319 A CN 102184319A CN 2011100977003 A CN2011100977003 A CN 2011100977003A CN 201110097700 A CN201110097700 A CN 201110097700A CN 102184319 A CN102184319 A CN 102184319A
- Authority
- CN
- China
- Prior art keywords
- treatment plan
- population
- individual treatment
- target body
- plan
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Radiation-Therapy Devices (AREA)
Abstract
本发明公开了一种治疗计划逆向规划方法,包括:A输入患者医学图像;B勾画患者体表、靶体、危及器官的组织轮廓;C设置逆向规划目标;D创建初始治疗计划;E设置迭代优化参数;F产生个体治疗计划;G计算个体治疗计划剂量场;H个体计划筛选;I根据剂量场选择当前最优计划;J若当前最优计划达到逆向规划目标,转M;否则进入下一步;K若进化次数大于种群进化次数,转M;否则进入下一步;L种群剩余的个体治疗计划进化到新一代种群,转到G;M停止种群进化并输出当前最优计划。本发明还公开了一种治疗计划系统。本发明通过对种群计划进行筛选,并对筛选后剩余的个体治疗计划进行迭代,使得整个迭代过程更加高效。
Description
技术领域
本发明涉及一种放射治疗规划技术,尤其涉及放射治疗计划逆向规划方法和治疗计划系统。
背景技术
立体定向放射治疗手术或立体定向放射治疗是放射治疗中常见的两种放射治疗技术,常见的设备是基于钴-60放射源的伽玛刀和基于电子加速器的X刀。前者通常采用多个钴-60放射源聚焦照射的方式,使靶体接受高剂量的均匀照射而周围健康组织受量很低以达到控制或根除病变的目的。利用伽玛刀治疗设备实施放射治疗之前,通常需要制定出一个可接受的放射治疗计划。伽玛刀的治疗计划通常通过手工采用交互迭代的方式进行。这是一个正向规划过程,即:医生或物理师根据靶体的体积和形状,采用试错方式,逐步增加靶点数目,交互调整各靶点的位置、准直器大小以及相对权重等参数,直到最终获得一个令人满意的治疗计划。由于伽玛刀可供选择的准直器大小有限,治疗计划通常需要采用多个靶点照射,这样需要调整的参数很多,尤其是当靶体的体积较大且形状不规则,或者靶体邻近有健康组织时,这是一个非常费时的过程,同时对计划设计人员的经验和技能要求很高。
为了解决这个问题提出了治疗计划的逆向规划,即由医生或物理师预先给出放射治疗的若干目标,然后通过数学优化技术,反求出满足这些放射治疗目标的最优的治疗计划。当前治疗计划的逆向规划方法通常是预设一个初始计划,然后根据计划设计人员设定的治疗目标,通过迭代优化方式,对初始计划进行优化以获得一个最优的治疗计划。因此对于逆向规划而言,其迭代过程是否高效成为一个关键问题。
发明内容
本发明要解决的技术问题是提供一种高效的治疗计划逆向规划方法;
本发明要解决的另一技术问题是提供一种基于该规划方法的治疗计划系统。
本发明要解决的技术问题通过以下技术方案加以解决:
一种治疗计划逆向规划方法,用于在放射治疗前对患者要进行放射治疗的区域进行剂量规划,包括:
步骤A:输入患者医学图像;
步骤B:根据患者医学图像勾画患者体表、靶体、危及器官的组织轮廓;
步骤C:设置治疗计划的逆向规划目标;
步骤D:创建初始治疗计划;
步骤E:设置迭代优化参数:种群大小、种群进化次数;
步骤F:对所述初始治疗计划进行随机抖动,产生种群中的个体治疗计划;
步骤G:计算所述种群所有个体治疗计划对应的剂量场;
步骤I:根据个体治疗计划筛选策略,对个体治疗计划进行筛选;
步骤J:在种群中剩余的个体治疗计划中,选择最优的个体治疗计划;
步骤K:如果当前最优个体计划达到所述逆向规划目标,转到步骤N,否则进入下一步;
步骤L:如果当前迭代次数大于所述种群进化次数,则转到步骤N,否则进入下一步;
步骤M:所述种群剩余的个体治疗计划进化到新一代种群,转到步骤G;
步骤N:停止迭代优化并输出最优的治疗计划。
其中所述步骤B还包括:
将所述靶体体积向外扩展预设的第一范围,形成靶体第一扩展区;
所述步骤I包括:
将所述靶体第一扩展区内大于预设第一剂量阈值的体积超过预设第一体积阈值的个体治疗计划筛选出种群。
其中所述步骤B还包括:将所述靶体体积在所述第一扩展区向外扩展预设的第二范围,形成靶体第二扩展区;
所述步骤I还包括:将靶体第二扩展区内存在大于预设第二剂量阈值剂量的个体治疗计划筛选出种群。
其中所述步骤i还包括:将健康组织/危及器官内大于预设第三剂量阈值的体积超过预设第二体积阈值的个体治疗计划筛选出种群。
其中所述步骤i还包括:将健康组织/危及器官内存在大于预设第四剂量阈值剂量的个体治疗计划筛选出种群。
一种治疗计划系统,用于在放射治疗前对患者要进行放射治疗的区域进行剂量规划,包括设置模块、优化模块和迭代模块;
所述设置模块,用于输入患者医学图像,根据患者医学图像勾画患者体表、靶体、危及器官的组织轮廓,设置治疗计划的逆向规划目标,创建初始治疗计划,设置迭代优化参数:种群大小、种群进化次数,对所述初始治疗计划进行随机抖动,产生种群中的个体治疗计划;
所述优化模块,用于计算所述种群所有个体治疗计划对应的剂量场;根据个体治疗计划筛选策略,对个体治疗计划进行筛选;在种群中剩余的个体治疗计划中,选择最优的个体治疗计划;
所述迭代模块,用于若迭代次数大于所述种群进化次数或当前最优个体计划达到所述逆向规划目标,停止迭代优化并输出最优的治疗计划;否则所述种群剩余的个体治疗计划进化到新一代种群,并调用所述优化模块进行优化。
其中所述设置模块还用于将所述靶体体积向外扩展预设的第一范围,形成靶体第一扩展区;所述优化模块还用于将所述靶体第一扩展区内大于预设第一剂量阈值的体积超过预设第一体积阈值的个体治疗计划筛选出种群。
其中所述设置模块还用于将所述靶体体积在所述第一扩展区向外扩展预设的第二范围,形成靶体第二扩展区;所述优化模块还用于将靶体第二扩展区内存在大于预设第二剂量阈值剂量的个体治疗计划筛选出种群。
其中所述优化模块还用于将健康组织/危及器官内大于预设第三剂量阈值的体积超过预设第二体积阈值的个体治疗计划筛选出种群。
其中所述优化模块还用于将健康组织/危及器官内存在大于预设第四剂量阈值剂量的个体治疗计划筛选出种群。
由于采用了以上技术方案,使本发明具备的有益效果在于:
(1)本发明通过对种群计划进行筛选,并对筛选后剩余的个体治疗计划进行迭代,使得整个迭代过程更加高效。
(2)本发明通过定义靶体第一扩展区,并将第一扩展区中内大于预设第一剂量阈值的体积超过预设第一体积阈值的个体治疗计划筛选出种群,这样可以将明显靶体“过剂量”的计划筛选出去,从而提高种群进化的效率。
(3)本发明通过定义靶体第二扩展区,将靶体第二扩展区内存在大于预设第二剂量阈值剂量的个体治疗计划筛选出种群,这样可以将明显靶体“超剂量”的计划筛选出去,从而进一步提高种群进化的效率。
(4)本发明通过将健康组织/危及器官内大于预设第三剂量阈值的体积超过预设第二体积阈值的个体治疗计划筛选出种群,以及将健康组织/危及器官内存在大于预设第四剂量阈值剂量的个体治疗计划筛选出种群,可增强对健康组织/危及器官的保护,进一步提高种群进化的效率。
附图说明
图1示出根据本发明治疗计划逆向规划方法的一个实施例的流程图;
图2示出根据本发明治疗计划逆向规划方法的另一个实施例的流程图;
图3示出根据本发明治疗计划逆向规划方法的另一个实施例的靶体外轮廓插值示意图;
图4示出根据本发明治疗计划逆向规划方法的另一个实施例的患者3D体素模型的示意图;
图5示出根据本发明方法的一个实施例的靶体及扩展区示意图;
图6示出根据本发明方法的一个实施例的交配前示意图;
图7示出根据本发明方法的一个实施例的交配后示意图;
图8示出根据本发明方法的一个实施例的变异前示意图;
图9示出根据本发明方法的一个实施例的变异后示意图;
图10示出根据本发明治疗计划系统的一个实施例的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
图1示出根据本发明治疗计划逆向规划方法的一个实施例的流程图,包括:
步骤102:输入患者医学图像;
步骤104:根据患者医学图像勾画患者体表、靶体、危及器官的组织轮廓;
步骤106:设置治疗计划的逆向规划目标;
步骤108:创建初始治疗计划;
步骤110:设置迭代优化参数:种群大小、种群进化次数;
步骤112:对初始治疗计划进行随机抖动,产生种群中的个体治疗计划;
步骤114:计算种群所有个体治疗计划对应的剂量场;
步骤116I:根据个体治疗计划筛选策略,对个体治疗计划进行筛选;
步骤118:在种群中剩余的个体治疗计划中,选择最优的个体治疗计划;
步骤120:如果当前最优个体计划达到所述逆向规划目标,转步骤126;否则进入下一步;
步骤122:如果当前迭代次数大于所述种群进化次数,转到步骤126;否则进入下一步;
步骤124:所述种群剩余的个体治疗计划进化到新一代种群,转到步骤114;
步骤126:停止种群进化并输出当前最优计划。
一种实施方式,步骤120中判断当前最优个体计划达到所述逆向规划目标可以采用判断其差值是否小于预先定义的一个阈值来进行。剂量规划目标可包括靶体处方剂量、健康组织/危及器官的限制剂量等,也可以通过适形度等指标来表示。该值是预先定义的可容许优化结果与剂量规划目标的差,例如可定义为0.1等。
种群大小是指种群中的个体个数,例如可以设为20个,种群进化次数是指从初始算起允许进化多少代,例如可以设为10。
一种实施方式,步骤B还可包括:将靶体体积向外扩展预设的第一范围,形成靶体第一扩展区;步骤I包括:将靶体第一扩展区内大于预设第一剂量阈值的体积超过预设第一体积阈值的个体治疗计划筛选出种群。
一种实施方式,步骤B还包括:将所述靶体体积在所述第一扩展区向外扩展预设的第二范围,形成靶体第二扩展区;步骤I还包括:将靶体第二扩展区内存在大于预设第二剂量阈值剂量的个体治疗计划筛选出种群。
一种实施方式,步骤i还包括:将健康组织/危及器官内大于预设第三剂量阈值的体积超过预设第二体积阈值的个体治疗计划筛选出种群。
一种实施方式,步骤i还包括:将健康组织/危及器官内存在大于预设第四剂量阈值剂量的个体治疗计划筛选出种群。
图2示出根据本发明治疗计划逆向规划方法的另一个实施例的流程图,其使用SGS-II型立体定向伽玛治疗系统进行放射治疗,包括:
步骤202:输入患者图像,可输入患者的CT或MRI图像序列;
步骤204:勾画患者体表、靶体、危及器官等组织轮廓;
步骤206:设置治疗计划逆向规划参数
靶体PTV处方剂量Dp:一般选择50%等剂量线
靶体弹性扩展区域限制剂量DpEx1:为靶体弹性扩展区域(即靶体第一扩展区)内的剂量限制(即第一剂量阈值);
靶体限制扩展区域限制剂量DpEx2:为靶体限制扩展区域(即靶体第二扩展区)内的最大剂量限制(即第二剂量阈值);
靶体弹性扩展区域限制剂量体积比Rptv(即第一体积阈值):为靶体弹性扩展区域内,剂量超过限制剂量的体积与该区域体积之比的最大限制值;
健康组织/危及器官OARs限制剂量Doar(k):为危及器官/健康组织的剂量限制(即第三剂量阈值);
健康组织/危及器官OARs最大限制剂量Dm oar(k):为危及器官/健康组织内的最大剂量限制,即不允许超过的最大限制剂量(即第四剂量阈值);
健康组织/危及器官OARs限制剂量体积比Roar(k)(即第二体积阈值):为危及器官/健康组织中,剂量超过限制剂量的体积与危及器官/健康组织体积之比的最大限制值。
步骤208:建立患者3D体素模型;
根据用户在定位序列图像上勾画的体表、靶体、危及器官等组织外轮廓,构造患者3D体素模型。具体方法如下:
A:组织外轮廓插值;
通常定位扫描时,采用的层厚或层间距比定位图像的像素尺寸大很多,为了构造患者的3D体素模型,需要定位序列图像上勾画的体表、靶体、危及器官等所有外轮廓插值。插值采用线性插值,图3所示为靶体外轮廓插值示意图。体表和危及器官等的外轮廓采用相同的方法进行插值。
B:通过体素化构造患者3D体素模型;
对体表、靶体、危及器官等所有外轮廓进行插值后,将这些轮廓体素化即得到患者的3D体素模型。患者3D体素模型通常需要足够高的分辨率以确保后续治疗计划逆向规划获得好的结果。一种可选择的分辨率是采用患者定位图像的分辨率,这个分辨率一般为0.5mm-1mm。另一种方法确定分辨率的方法是由用户定制分辨率大小。例如:在SGS-II的治疗计划逆向规划中,3D体素模型的分辨率采用与剂量计算网格相同的分辨率。这样用户可以通过设置剂量计算矩阵网格的分辨率来调整3D体素模型的分辨率。
图4示出一个患者3D体素模型的示意图。
步骤210:创建初始“种子”治疗计划;
“种子”治疗计划用作创建一个种群的“种子”,即一个种群可以由该“种子”计划构造出来。
“种子”治疗计划可以通过手工交互的方式建立。另一种可选方法是通过自动靶点布置技术创建。在SGS的治疗计划逆向规划中,支持上述两种创建初始治疗计划方式。
步骤212:治疗计划的逆向规划;
采用并行遗传算法,通过迭代优化技术进行治疗计划的逆向规划。具体流程如下:
1.设置迭代优化参数:
种群大小Np:种群中个体数目
种群进化代数Nr:种群需要进化的代数
交叉概率Pc:遗传优化中个体之间的交叉概率,一般由程序预设,不用用户设置。
变异概率Pm:遗传优化中个体变异概率,一般由程序预设,不用用户设置。
2.种群初始化:
种群由若干个体组成,其中每一个个体对应一个候选的治疗计划。种群初始化就是创建一个包含若干候选治疗计划的初始种群。
A:个体治疗计划编码
一个治疗计划主要包括如下参数:靶点数目Nf、靶点位置Pk(x,y,z),靶点权重Wk,靶点准直器规格Ck等。为了适应遗传优化算法,需要对上述参数进行编码。编码方式有多种,可以采用二进制编码、实数编码或者格雷码编码等。在SGS-II逆向治疗计划规划中,采用了标准的二进制编码方法。表1给出了一个个体治疗计划的二进制编码:
表1治疗计划二进制编码示例
B:构造种群
根据前述建立的“种子”治疗计划创建初始种群。为了确保种群中个体尽量多样化,采用随机“抖动”技术来构造初始种群。这里的随机“抖动”就是按照一定的随机概率,将对应序列中的某位进行取反。具体方法如下:
(1)将前述建立的初始治疗计划进行编码,获得一个二进制0/1序列Sb。
通过迭代方式,随机对Sb0序列进行随机“扰动”,得到若干新的二进制0/1序列S’b。每一个新序列即代表一个新个体。
(2)解码每个新序列,得到初始的种群,即若干初始治疗计划。解码过程是编码过程的逆过程。
初始种群包括“种子”治疗计划。并将该“种子”治疗计划预设为上一代种群中的最优治疗计划。
步骤214:种群剂量场并行计算
采用剂量场计算引擎计算一个种群所有个体治疗计划对应的剂量场分布。
通常,剂量场可以用一个3D剂量计算网格Dm×m×n来表示,如图2所示。一个治疗计划的3D剂量场Dp m×m×n为其所有靶点的剂量场Df m×m×n(k)叠加,
Dp m×m×n=∑Df m×m×n(k)
其中:
Dp m×m×n:为某个治疗计划的3D剂量场;
Df m×m×n(k):为第k个靶点的3D剂量场;
k:为治疗计划包含的靶点数目。
这样一个治疗计划的总的剂量计算网格数目Nd可以如下计算得到:
Nd=m×m×n×k
一个大小为Np的种群的总的剂量计算网格数目Nd可以如下计算得到:
Ng=m×m×n×k×Np
这样一个种群的剂量场可以通过Ng个剂量点的并行计算快速得到。
步骤216:对种群的个体治疗计划进行筛选;
种群个体预筛选的目的是根据种群剂量场,将某些明显不合格的治疗计划预先剔除,这样可以避免不必要的计算,提高效率。剔除的具体标准如下:
A:基于靶体的剂量场分析;
对于靶体,采用靶体体积扩展模型进行分析。靶体体积扩展模型通过对靶体体积进行扩展建立,如图5所示:
将靶体体积V向外扩展预设范围Ex1,形成靶体体积扩展区VEx1即第一扩展区;
将靶体体积向外扩展预设范围Ex2,形成靶体体积扩展区VEx2即第二扩展区;
VEx1称为弹性扩展区。允许VEx1内一些点的剂量大于某个设定剂量阈值即第一剂量阈值,但是VEx1内剂量大于某个设置剂量阈值的体积不超过某个设定的体积阈值即第一体积阈值;
VEx2称为限制扩展区。VEx2内任意点的剂量都不得大于某个设定剂量阈值即第二剂量阈值。
基于上述模型,不合格治疗计划的剔除标准如下:
靶体体积内,剂量大于某个预设剂量阈值(如处方剂量Dp)的体积与靶体体积之比小于某个预设阈值的治疗计划应该剔除;
弹性扩展区域VEx1内,剂量大于第一剂量阈值(如靶体弹性区域限制剂量DpEx1)的体积与该区域的体积之比大于第一体积阈值Rptv的治疗计划应该剔除;
限制扩展区域VEx2内,存在剂量大于第二剂量阈值(如靶体限制区域限制剂量DpEx2)的治疗计划应该剔除。
B:基于健康组织/危及器官的剂量场分析;
基于健康组织/危及器官不合格治疗计划的剔除标准如下:
健康组织/危及器官体积内,剂量大于某个预设剂量阈值即第三剂量阈值(如健康组织/危及器官的限制剂量Doar(k))的体积与健康组织/危及器官体积体积之比大于某个预设阈值Roar(k)即第二体积阈值的治疗计划应该剔除;
健康组织/危及器官体积内,存在剂量大于某个预设剂量阈值即第四剂量阈值(如健康组织/危及器官的最大限制剂量Dm oar(k))的治疗计划应该剔除;
步骤218:种群最优个体治疗计划选择;
遍历种群个体计划,搜索所有治疗计划中剂量场与规划目标最接近的治疗计划,即当前迭代中最优的治疗计划。
步骤220:判断最优计划与逆向规划目标的差是否满足预设的阈值,即判断最优计划是否达到规划目标,是则转步骤228;否则进入下一步;
步骤222:判断是否达到种群进化代数Nr,是则转步骤228;否则进入下一步;
步骤224:创建新一代种群;
计算当前种群中最优个体治疗计划与上一代种群中最优个体治疗计划的差异。如果差异小于给定的预设阈值,则将“种子”治疗计划更新为当前最优治疗计划,通过种群中筛选后剩下的个体治疗计划的交配和/或变异操作进化生成新一代种群。
1.交配操作
随机选择两个个体治疗计划;
采用随机数生成器生成一个随机数a,当a小于交叉概率Pc,则进行后续操作,反之退出交配操作;
随机确定交配位置k;
图6示出根据本发明一个实施例的交配前示意图,图中个体为i和j,k为交配位置。
图7示出根据本发明一个实施例的交配后示意图,图中个体i和j在k位置以后的数位进行交换,形成i’和j’,如图中黑体所示。
2.变异操作
选择个体治疗计划;
采用随机数生成器生成一个随机数b,当b小于变异概率Pm,则进行变异操作,反之退出变异操作;
随机确定变异的位置h;
将个体h位置的二进制编码取反;
图8示出根据本发明一个实施例的变异前示意图;图9示出根据本发明一个实施例的变异后示意图。
步骤226:把经过交配和/或变异后的种群作为当前种群,转步骤214;
步骤228:停止迭代并输出当前最优计划。
图10示出根据本发明治疗计划系统的一个实施例的结构示意图,用于在放射治疗前对患者要进行放射治疗的区域进行剂量规划,包括设置模块、优化模块和迭代模块:
设置模块,用于输入患者医学图像,根据患者医学图像勾画患者体表、靶体、危及器官的组织轮廓,设置治疗计划的逆向规划目标,创建初始治疗计划,设置迭代优化参数:种群大小、种群进化次数,对初始治疗计划进行随机抖动,产生种群中的个体治疗计划;
优化模块,用于计算种群所有个体治疗计划对应的剂量场;根据个体治疗计划筛选策略,对个体治疗计划进行筛选;在种群中剩余的个体治疗计划中,选择最优的个体治疗计划;
迭代模块,用于若迭代次数大于种群进化次数或当前最优个体计划达到逆向规划目标,停止迭代优化并输出最优的治疗计划;否则对种群剩余的个体治疗计划进行变异和/或交配操作,使其进化到新一代种群,并调用优化模块进行优化。
一种实施方式,其中设置模块还用于将所述靶体体积向外扩展预设的第一范围,形成靶体第一扩展区;优化模块还用于将靶体第一扩展区内大于预设第一剂量阈值的体积超过预设第一体积阈值的个体治疗计划筛选出种群。
一种实施方式,设置模块还用于将靶体体积在第一扩展区向外扩展预设的第二范围,形成靶体第二扩展区;优化模块还用于将靶体第二扩展区内存在大于预设第二剂量阈值剂量的个体治疗计划筛选出种群。
一种实施方式,优化模块还用于将健康组织/危及器官内大于预设第三剂量阈值的体积超过预设第二体积阈值的个体治疗计划筛选出种群。
一种实施方式,优化模块还用于将健康组织/危及器官内存在大于预设第四剂量阈值剂量的个体治疗计划筛选出种群。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种治疗计划逆向规划方法,用于在放射治疗前对患者要进行放射治疗的区域进行剂量规划,其特征在于,包括:
步骤A:输入患者医学图像;
步骤B:根据患者医学图像勾画患者体表、靶体、危及器官的组织轮廓;
步骤C:设置治疗计划的逆向规划目标;
步骤D:创建初始治疗计划;
步骤E:设置迭代优化参数:种群大小、种群进化次数;
步骤F:对所述初始治疗计划进行随机抖动,产生种群中的个体治疗计划;
步骤G:计算所述种群所有个体治疗计划对应的剂量场;
步骤I:根据个体治疗计划筛选策略,对个体治疗计划进行筛选;
步骤J:在种群中剩余的个体治疗计划中,选择最优的个体治疗计划;
步骤K:如果当前最优个体计划达到所述逆向规划目标,转到步骤N,否则进入下一步;
步骤L:如果当前迭代次数大于所述种群进化次数,则转到步骤N,否则进入下一步;
步骤M:所述种群剩余的个体治疗计划进化到新一代种群,转到步骤G;
步骤N:停止迭代优化并输出最优的治疗计划。
2.如权利要求1所述的方法,其特征在于,其中所述步骤B还包括:
将所述靶体体积向外扩展预设的第一范围,形成靶体第一扩展区;
所述步骤I包括:
将所述靶体第一扩展区内大于预设第一剂量阈值的体积超过预设第一体积阈值的个体治疗计划筛选出种群。
3.如权利要求2所述的方法,其特征在于,其中所述步骤B还包括:
将所述靶体体积在所述第一扩展区向外扩展预设的第二范围,形成靶体第二扩展区;
所述步骤I还包括:
将靶体第二扩展区内存在大于预设第二剂量阈值剂量的个体治疗计划筛选出种群。
4.如权利要求1至3任一所述的方法,其特征在于,其中所述步骤i还包括:
将健康组织/危及器官内大于预设第三剂量阈值的体积超过预设第二体积阈值的个体治疗计划筛选出种群。
5.如权利要求1至3任一所述的方法,其特征在于,其中所述步骤i还包括:
将健康组织/危及器官内存在大于预设第四剂量阈值剂量的个体治疗计划筛选出种群。
6.一种治疗计划系统,用于在放射治疗前对患者要进行放射治疗的区域进行剂量规划,其特征在于,包括设置模块、优化模块和迭代模块;
所述设置模块,用于输入患者医学图像,根据患者医学图像勾画患者体表、靶体、危及器官的组织轮廓,设置治疗计划的逆向规划目标,创建初始治疗计划,设置迭代优化参数:种群大小、种群进化次数,对所述初始治疗计划进行随机抖动,产生种群中的个体治疗计划;
所述优化模块,用于计算所述种群所有个体治疗计划对应的剂量场;根据个体治疗计划筛选策略,对个体治疗计划进行筛选;在种群中剩余的个体治疗计划中,选择最优的个体治疗计划;
所述迭代模块,用于若迭代次数大于所述种群进化次数或当前最优个体计划达到所述逆向规划目标,停止迭代优化并输出最优的治疗计划;否则所述种群剩余的个体治疗计划进化到新一代种群,并调用所述优化模块进行优化。
7.如权利要求6所述的系统,其特征在于,其中所述设置模块还用于将所述靶体体积向外扩展预设的第一范围,形成靶体第一扩展区;所述优化模块还用于将所述靶体第一扩展区内大于预设第一剂量阈值的体积超过预设第一体积阈值的个体治疗计划筛选出种群。
8.如权利要求7所述的系统,其特征在于,其中所述设置模块还用于将所述靶体体积在所述第一扩展区向外扩展预设的第二范围,形成靶体第二扩展区;所述优化模块还用于将靶体第二扩展区内存在大于预设第二剂量阈值剂量的个体治疗计划筛选出种群。
9.如权利要求6至8任一所述的系统,其特征在于,其中所述优化模块还用于将健康组织/危及器官内大于预设第三剂量阈值的体积超过预设第二体积阈值的个体治疗计划筛选出种群。
10.如权利要求6至8任一所述的系统,其特征在于,其中所述优化模块还用于将健康组织/危及器官内存在大于预设第四剂量阈值剂量的个体治疗计划筛选出种群。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100977003A CN102184319A (zh) | 2011-04-18 | 2011-04-18 | 治疗计划逆向规划方法和治疗计划系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100977003A CN102184319A (zh) | 2011-04-18 | 2011-04-18 | 治疗计划逆向规划方法和治疗计划系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102184319A true CN102184319A (zh) | 2011-09-14 |
Family
ID=44570496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100977003A Pending CN102184319A (zh) | 2011-04-18 | 2011-04-18 | 治疗计划逆向规划方法和治疗计划系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102184319A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108697905A (zh) * | 2016-03-09 | 2018-10-23 | 皇家飞利浦有限公司 | 强度调制辐射治疗中临床目标的可实现性的快速预测的预优化方法 |
CN113453752A (zh) * | 2019-02-21 | 2021-09-28 | 皇家飞利浦有限公司 | 调制电弧治疗(mat)计划中最优分割电弧的方法 |
-
2011
- 2011-04-18 CN CN2011100977003A patent/CN102184319A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108697905A (zh) * | 2016-03-09 | 2018-10-23 | 皇家飞利浦有限公司 | 强度调制辐射治疗中临床目标的可实现性的快速预测的预优化方法 |
CN113453752A (zh) * | 2019-02-21 | 2021-09-28 | 皇家飞利浦有限公司 | 调制电弧治疗(mat)计划中最优分割电弧的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110197709B (zh) | 一种基于深度学习与先验计划的三维剂量预测方法 | |
Jia et al. | GPU-based fast Monte Carlo simulation for radiotherapy dose calculation | |
CN102247660B (zh) | 治疗计划逆向规划方法和治疗计划系统 | |
CN101120871A (zh) | 精确放射治疗计划系统 | |
CN105031820B (zh) | 调强放疗逆向优化方法和装置 | |
CN110415785A (zh) | 人工智能引导放疗计划的方法及系统 | |
CN110124214A (zh) | 基于预测剂量分布引导的调强放疗计划优化方法及应用 | |
CN103083821A (zh) | 一种直接优化静态调强子野形状及其机器跳数的系统和方法 | |
CN105930636A (zh) | 一种自动确定目标函数权重的放射治疗方案优化系统 | |
CN102481458A (zh) | 用于计算电离辐射沉积的剂量的方法 | |
Cao et al. | Multi-objective optimization of inverse planning for accurate radiotherapy | |
CN110603075A (zh) | 凸逆计划方法 | |
CN102136041A (zh) | 治疗计划逆向规划方法和治疗计划系统 | |
CN106039599A (zh) | 调强放疗中危及器官平均剂量的预测方法及其应用 | |
CN102063569A (zh) | 一种治疗计划中靶点布置方法和治疗计划系统 | |
CN102184319A (zh) | 治疗计划逆向规划方法和治疗计划系统 | |
Yousefi et al. | Novel Method for More Efficient Optimizing the Knowledge-Based Planning: Specific Voxels of each Structure Influenced by Dominant Beamlets (SVSIDB) | |
CN110021399A (zh) | 一种放射治疗计划的自动设计方法 | |
Zhang et al. | A two-stage sequential linear programming approach to IMRT dose optimization | |
D D'Souza et al. | A nested partitions framework for beam angle optimization in intensity-modulated radiation therapy | |
CN102043909A (zh) | 治疗计划中靶点布置优化方法和治疗计划系统 | |
Zhang et al. | Action levels on dose and anatomic variation for adaptive radiation therapy using daily offline plan evaluation: preliminary results | |
CN102194054A (zh) | 治疗计划逆向规划方法和治疗计划系统 | |
CN102184318A (zh) | 治疗计划逆向规划方法和治疗计划系统 | |
Alhamada et al. | Monte Carlo as quality control tool of stereotactic body radiation therapy treatment plans |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110914 |
|
RJ01 | Rejection of invention patent application after publication |