CN103336295A - 一种医用电子直线加速器光子束能谱获取方法 - Google Patents
一种医用电子直线加速器光子束能谱获取方法 Download PDFInfo
- Publication number
- CN103336295A CN103336295A CN2013102451580A CN201310245158A CN103336295A CN 103336295 A CN103336295 A CN 103336295A CN 2013102451580 A CN2013102451580 A CN 2013102451580A CN 201310245158 A CN201310245158 A CN 201310245158A CN 103336295 A CN103336295 A CN 103336295A
- Authority
- CN
- China
- Prior art keywords
- photon beam
- energy spectrum
- energy
- measured
- linear accelerator
- 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
本发明涉及一种医用电子直线加速器光子束能谱获取方法,通过测量待测加速器发出的光子束在水模体中产生的百分深度剂量值向量,基于光子束能谱的单峰特性构建获取待测光子束能谱的约束优化重建模型,并通过对该模型的求解,获得该模型的最优解,即获得待测光子束能谱;本发明设计的医用电子直线加速器光子束能谱获取方法,针对光子束能谱重建模型增加了能谱的约束条件,采用全局优化算法进行优化求解,使得本方法所获得的解与能谱的固有单峰特性相一致,从而使得获得的优化解更加稳定,大大减小了与实际能谱的偏差,具有高精度、高效率的优点,且成本低廉、简便快捷。
Description
技术领域
本发明涉及一种医用电子直线加速器光子束能谱获取方法。
背景技术
肿瘤放射治疗,是利用电离辐射进行治疗,主要是通过χ射线和γ射线治疗肿瘤。其中,对于某些肿瘤只需要放疗,即可治愈;对于另外一些肿瘤,无论是手术治疗还是化疗,为了降低风险,在实施过程中往往都需要进行辅助放疗,放射治疗几乎可用于治疗全身各个部位的多种癌症,是治疗癌症的重要手段之一,随着放疗技术的发展,其临床应用日益广泛。
但放射治疗也会带来副作用,提高肿瘤的控制率并降低正常组织的并发症概率,一直是放疗技术研究的焦点。国际辐射单位度量委员会(International Commission onRadiation Units and Measurements,ICRU)24号与42号报告指出,临床上对于肿瘤靶区的剂量给予,要求剂量不准确度必须小于5%;而高精度的collapsed cone剂量计算方法需要根据医用加速器治疗头所产生的射束能谱进行计算,只有射束的能谱信息足够精确,才能保证剂量计算的精确性,因此获得医用加速器X射线的能谱对于研究放疗患者体内的剂量分布非常重要。
但是,加速器治疗头产生的光子束能量高,其能谱很难直接测量;根据容易获得的剂量测量数据,建立一定的数学模型快速重建出精确的能谱引起了诸多学者的关注。罗正明等人提出了“一种测量医用加速器能谱的方法”的专利,通过松弛迭代法求解线性方程组得到加速器光子束的能谱。但是,其重建模型没有包含能谱的约束条件,该方法所获得的解往往不稳定,与实际能谱偏差往往较大。
发明内容
本发明所要解决的技术问题是提供一种具有高效率、高精度的医用电子直线加速器光子束能谱获取方法。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种医用电子直线加速器光子束能谱获取方法,包括如下步骤:
步骤1.测量医用电子直线加速器所射出的待测光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值向量;
步骤2.将该待测光子束的标称能量E平均分成m个等间隔能量的能量区域,取各能量区域中标称能量的均值为该能量区域的标称能量,记录为单能光子束{E1、E2、…、Em};
步骤3.分别模拟计算各个单能光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值矩阵;
步骤4.构建获取待测光子束能谱的约束优化模型如下:
min F=|W×A-D|
其中,Ei、Ej、Ep∈{E1、E2、…、Em},且Ep为能谱峰值点的标称能量,D为待测光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值向量,A为各个单能光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值矩阵,W为标称能量为Ei的单能光子束占标称能量为E的待测光子束的权重的向量;求出该模型的最优解W=(W1、…、Wi、…、Wm),即为待测光子束的能谱。
作为本发明的一种优选技术方案:所述步骤1中,所述待测光子束垂直射向水模体。
作为本发明的一种优选技术方案:所述步骤3中,使用蒙特卡罗方法分别模拟计算各个单能光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值矩阵。
作为本发明的一种优选技术方案:所述步骤4中,所述获取待测光子束能谱的模型的最优解采用遗传算法或模拟退火算法或蚁群算法或上述方法的混合算法进行求解。
本发明所述一种医用电子直线加速器光子束能谱获取方法采用以上技术方案与现有技术相比,具有以下技术效果:
(1)本发明设计的医用电子直线加速器光子束能谱获取方法具有高精度、高效率的优点,且成本低廉、简便快捷;
(2)本发明设计的医用电子直线加速器光子束能谱获取方法中,针对获得的待测光子束能谱的特点,建立了求解能谱的约束优化模型,采用遗传算法或模拟退火算法或蚁群算法或上述方法的组合算法进行求解,可获得全局最优解,具有可靠性高的优点。
附图说明
图1是本发明设计的医用电子直线加速器光子束能谱获取方法的流程图;
图2是本发明实际应用过程中待测光子束在水中的百分百深度剂量值数据曲线图;
图3是本发明实际应用过程中采用蒙特卡罗方法模拟计算得到3.125MeV单能光子束在水中的百分百深度剂量值数据曲线图;
图4是本发明实际应用过程中获得6MV加速器的光子能谱。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
如图1所示,本发明设计了一种医用电子直线加速器光子束能谱获取方法,包括如下步骤:
步骤1.测量医用电子直线加速器所射出的待测光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值向量;
步骤2.将该待测光子束的标称能量E平均分成m个等间隔能量的能量区域,取各能量区域中标称能量的均值为该能量区域的标称能量,记录为单能光子束{E1、E2、…、Em};
步骤3.分别模拟计算各个单能光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值矩阵;
步骤4.基于能谱的固有单峰特性,构建获取待测光子束能谱的约束优化模型如下:
min F=|W×A-D|
其中,Ei、Ej、Ep∈{E1、E2、…、Em},且Ep为能谱峰值点的标称能量,D为待测光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值向量,A为各个单能光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值矩阵,W为标称能量为Ei的单能光子束占标称能量为E的待测光子束的权重的向量;求出该模型的最优解W=(W1、…、Wi、…、Wm),即为待测光子束的能谱。
本发明设计的医用电子直线加速器光子束能谱获取方法具有高精度、高效率的优点,且成本低廉、简便快捷。
作为本发明的一种优选技术方案:所述步骤1中,所述待测光子束垂直射向水模体。
作为本发明的一种优选技术方案:所述步骤3中,使用蒙特卡罗方法分别模拟计算各个单能光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值矩阵。
作为本发明的一种优选技术方案:所述步骤4中,所述获取待测光子束能谱的模型的最优解采用遗传算法或模拟退火算法或蚁群算法或上述方法的混合算法进行求解。
本发明设计的医用电子直线加速器光子束能谱获取方法中,针对获得的待测光子束能谱的约束优化模型,采用遗传算法或模拟退火算法或蚁群算法或上述方法的组合算法进行求解,可获得全局最优解,具有可靠性高的优点。
本发明设计的医用电子直线加速器光子束能谱获取方法在实际应用过程当中,首先设定待测光子束的射野和标称能量E,其中,针对医用电子直线加速器进行如下设置,源皮距为100cm,机架角和机头角均为0°,调整准直器形成待测大小的射野;将三维水箱置于加速机头下方,使机头中轴垂直三维水箱内水模体的表面并通过其几何中心,待测光子束由医用电子直线加速器射向水模体;
紧接着,通过设置在水中的剂量计,分别测量该待测光子束对应其射野中心轴水模体内不同深度d1、d2、…、dn处的百分深度剂量值P1、P2、…、Pn,记录为该待测光子束百分深度剂量值向量D=(P1、P2、…、Pn);
再将该待测光子束的标称能量E平均分成m个等间隔能量的能量区域,取各能量区域中标称能量的均值为该能量区域的标称能量,记录为单能光子束{E1、E2、…、Em};
采用蒙特卡罗方法模拟计算标称能量为E1、E2、…、Em的单能光子束对应其射野中心轴不同深度d1、d2、…、dn处的百分深度剂量值矩阵
由于待测光子束由电子在靶中发生轫致辐射而产生,其能谱连呈现连续的谱分布,将待测光子束能量区间分割的很小,即m较大时,可认为每个能量区间的标称能量近似相等;能量为Ei的单能光子束在加速器机头射出待测光子束中所占的权重Wi代表该能量区间的能谱,其中i∈{1、2、…、m}。
步骤5.构建获取待测光子束能谱的约束优化模型如下:
min F=|W×A-D|
其中,W为标称能量为Ei的单能光子束占标称能量为E的待测光子束的权重的向量;求出该模型的最优解W=(W1、…、Wi、…、Wm),即为待测光子束的能谱,其中,i∈{1、2、…、m},Ep为能谱峰值点的标称能量。其中,所述获取待测光子束能谱的模型的最优解采用遗传算法或模拟退火算法或蚁群算法或上述方法的组合算法进行求解。
其中,采用遗传算法获取待测光子束能谱的模型的最优解,包括如下步骤:
步骤⑴随机初始化能谱个体数目为K的群体,群体内每个能谱个体以实数编码形式进行表示,各个能谱个体满足待测光子束能谱的模型,各个能谱个体分别为:
其中,g∈{1、2、…、G},G为能谱优化求解问题的变量个数,k∈{1、2、…、K},[ag,bg]为所述待测光子束能谱的模型的解的取值范围;
步骤⑵根据F=|W×A-D|获得群体中各个能谱个体的适应度值,以表示进化的好坏程度,为下一步骤的选择操作提供了数据和方向;
步骤⑶根据各个能谱个体的适应度值,从父代中选择两个能谱个体,适应度函数值越大,被选中的概率越大;
步骤⑷将选择出的两个能谱个体按杂交概率进行杂交,产生两个新的能谱个体;
步骤⑸针对新的能谱个体按变异概率进行变异;
步骤⑹接受新的能谱个体并判断是否完成新群体的生成;如果没有,则返回到步骤⑶;
步骤⑺检验停止演化的条件,若满足停止条件则停止演化,停止演化时,最优的能谱个体解就是待测光子束的能谱,其中,每一次进化过程就产生新一代的群体,群体内的每个能谱个体表示一个可能的能谱解;否则跳转至步骤⑵重新进行演化。
将获得的光子束能谱保存到数据文件,当进行collapsed cone剂量计算时,将该光子束能谱数据导入放射治疗计划系统,即可实现高精度剂量计算的优点。
在实际应用过程当中,医用电子直线加速器选用6MV的西门子加速器(不仅仅限于6MV,不仅仅限于西门子加速器),设定好待测光子束的射野和标称能量后,待测光子束由6MV的西门子加速器垂直射向水面,待测光子束在水中的百分百深度剂量值数据如图2所示;之后,分别采用蒙特卡罗方法模拟计算0MeV到6MeV的单能光子束在水中的百分百深度剂量值数据,其中,3.125MeV单能光子束在水中的百分百深度剂量值数据如图3所示;构建获取待测光子束能谱的模型;采用遗传算法获取待测光子束能谱的模型的最优解,即获得待测光子束的能谱如图4所示;最后将获得的待测光子束的能谱保存于数据文件中,以便该光子束能谱用于放射治疗计划系统中。
本发明设计的医用电子直线加速器光子束能谱获取方法,针对光子束能谱重建模型增加了能谱的约束条件,采用全局优化算法进行优化求解,使得本方法所获得的解与能谱的固有单峰特性相一致,从而使得获得的优化解更加稳定,大大减小了与实际能谱的偏差,具有高精度、高效率的优点,且成本低廉、简便快捷。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (4)
1.一种医用电子直线加速器光子束能谱获取方法,包括如下步骤:
步骤1.测量医用电子直线加速器所射出的待测光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值向量;
步骤2.将该待测光子束的标称能量E平均分成m个等间隔能量的能量区域,取各能量区域中标称能量的均值为该能量区域的标称能量,记录为单能光子束{E1、E2、…、Em};
步骤3.分别模拟计算各个单能光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值矩阵;
其特征在于,还包括如下步骤:
步骤4.构建获取待测光子束能谱的约束优化模型如下:
min F=|W×A-D|
其中,Ei、Ej、Ep∈{E1、E2、…、Em},且Ep为能谱峰值点的标称能量,D为待测光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值向量,A为各个单能光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值矩阵,W为标称能量为Ei的单能光子束占标称能量为E的待测光子束的权重的向量;求出该模型的最优解W=(W1、…、Wi、…、Wm),即为待测光子束的能谱。
2.根据权利要求1所述一种医用电子直线加速器光子束能谱获取方法,其特征在于:所述步骤1中,所述待测光子束垂直射向水模体。
3.根据权利要求1所述一种医用电子直线加速器光子束能谱获取方法,其特征在于:所述步骤3中,使用蒙特卡罗方法分别模拟计算各个单能光子束对应其射野中心轴在水模体内不同深度的百分深度剂量值矩阵。
4.根据权利要求1所述一种医用电子直线加速器光子束能谱获取方法,其特征在于:所述步骤4中,所述获取待测光子束能谱的模型的最优解采用遗传算法或模拟退火算法或蚁群算法或上述方法的混合算法进行求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102451580A CN103336295A (zh) | 2013-06-19 | 2013-06-19 | 一种医用电子直线加速器光子束能谱获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102451580A CN103336295A (zh) | 2013-06-19 | 2013-06-19 | 一种医用电子直线加速器光子束能谱获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103336295A true CN103336295A (zh) | 2013-10-02 |
Family
ID=49244497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013102451580A Pending CN103336295A (zh) | 2013-06-19 | 2013-06-19 | 一种医用电子直线加速器光子束能谱获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103336295A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104001270A (zh) * | 2014-05-07 | 2014-08-27 | 上海交通大学 | 超高能电子束或光子束放射治疗机器人系统 |
CN108333621A (zh) * | 2018-02-01 | 2018-07-27 | 中国计量科学研究院 | 加速器辐射质测量方法 |
CN112231899A (zh) * | 2020-09-30 | 2021-01-15 | 天津医科大学 | X射线连续能谱的确定方法、装置、电子设备及存储介质 |
CN113856069A (zh) * | 2021-09-30 | 2021-12-31 | 南方医科大学 | 一种高低能射束融合剂量分布的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071172A (zh) * | 2006-12-29 | 2007-11-14 | 成都川大奇林科技有限责任公司 | 一种测量医用加速器光子束能谱的方法 |
CN101571596A (zh) * | 2008-04-29 | 2009-11-04 | 清华大学 | 测量脉冲型射线能谱的系统及方法 |
-
2013
- 2013-06-19 CN CN2013102451580A patent/CN103336295A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071172A (zh) * | 2006-12-29 | 2007-11-14 | 成都川大奇林科技有限责任公司 | 一种测量医用加速器光子束能谱的方法 |
CN101571596A (zh) * | 2008-04-29 | 2009-11-04 | 清华大学 | 测量脉冲型射线能谱的系统及方法 |
Non-Patent Citations (3)
Title |
---|
JUN DENG ET AL: ""Derivation of electron and photon energy spectra from electron beam central axis depth dose curves"", 《PHYSICS IN MEDICINE AND BIOLOGY》 * |
周正东 等: ""Collapsed Cone光子束剂量计算方法研究"", 《中国生物医学工程学报》 * |
周正东 等: ""基于遗传算法的医用直线加速器光子能谱重建方法"", 《东南大学学报(自然科学版)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104001270A (zh) * | 2014-05-07 | 2014-08-27 | 上海交通大学 | 超高能电子束或光子束放射治疗机器人系统 |
CN104001270B (zh) * | 2014-05-07 | 2016-07-06 | 上海交通大学 | 超高能电子束或光子束放射治疗机器人系统 |
CN108333621A (zh) * | 2018-02-01 | 2018-07-27 | 中国计量科学研究院 | 加速器辐射质测量方法 |
CN112231899A (zh) * | 2020-09-30 | 2021-01-15 | 天津医科大学 | X射线连续能谱的确定方法、装置、电子设备及存储介质 |
CN112231899B (zh) * | 2020-09-30 | 2023-02-03 | 天津医科大学 | X射线连续能谱的确定方法、装置、电子设备及存储介质 |
CN113856069A (zh) * | 2021-09-30 | 2021-12-31 | 南方医科大学 | 一种高低能射束融合剂量分布的方法 |
CN113856069B (zh) * | 2021-09-30 | 2023-11-03 | 南方医科大学 | 一种高低能射束融合剂量分布的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Giordanengo et al. | The CNAO dose delivery system for modulated scanning ion beam radiotherapy | |
Piersanti et al. | Measurement of charged particle yields from PMMA irradiated by a 220 MeV/u 12C beam | |
Wilcox et al. | Accuracy of dose measurements and calculations within and beyond heterogeneous tissues for photon fields smaller than produced by Cyberknife | |
CN100432699C (zh) | 一种测量医用加速器光子束能谱的方法 | |
CN103083820A (zh) | 一种剂量引导精确放射治疗系统 | |
Carrara et al. | In vivo rectal wall measurements during HDR prostate brachytherapy with MOSkin dosimeters integrated on a trans-rectal US probe: Comparison with planned and reconstructed doses | |
CN103127623B (zh) | 一种放射治疗中在线验证加速器出束准确性的方法 | |
Thoelking et al. | Patient-specific online dose verification based on transmission detector measurements | |
CN103336295A (zh) | 一种医用电子直线加速器光子束能谱获取方法 | |
CN104857639A (zh) | 三维剂量验证装置及其方法 | |
Rucinski et al. | Secondary radiation measurements for particle therapy applications: charged particles produced by 4He and 12C ion beams in a PMMA target at large angle | |
Wijesooriya et al. | RapidArc patient specific mechanical delivery accuracy under extreme mechanical limits using linac log files | |
CN104383638A (zh) | 一种针对肺部放疗中笔形束剂量计算的三维修正方法 | |
CN110215619B (zh) | 质子智能在线监测系统 | |
CN102274588A (zh) | 一种放疗剂量控制方法及系统 | |
Belec et al. | Position‐probability‐sampled Monte Carlo calculation of VMAT, 3DCRT, step‐shoot IMRT, and helical tomotherapy dose distributions using BEAMnrc/DOSXYZnrc | |
Gómez et al. | Measurement of carbon ion microdosimetric distributions with ultrathin 3D silicon diodes | |
CN109125952A (zh) | 基于核模型的卷积叠加剂量计算方法 | |
Molinelli et al. | Impact of TPS calculation algorithms on dose delivered to the patient in proton therapy treatments | |
Marrazzo et al. | Real-time beam monitoring for error detection in IMRT plans and impact on dose-volume histograms | |
CN106621071B (zh) | 基于云计算的治疗计划系统及其使用方法 | |
Tozuka et al. | Improvement of deep learning prediction model in patient‐specific QA for VMAT with MLC leaf position map and patient's dose distribution | |
Caivano et al. | Clinically relevant quality assurance for intensity modulated radiotherapy plans: gamma maps and DVH-based evaluation | |
CN204723619U (zh) | 三维剂量验证装置 | |
Whelan et al. | Bayesian optimization to design a novel x‐ray shaping device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131002 |