CN104933652A - 一种基于云计算的肿瘤放射治疗的剂量验证系统和方法 - Google Patents

Abstract

本发明公开了一种基于云计算的肿瘤放射治疗的剂量验证系统和方法，所述系统包括用户终端的设备、云计算服务器、本地治疗计划系统、计算机、HDFS数据存储服务器、医用直线加速器。所述系统和方法将EPID信息的采集和剂量分析比较处理分开，把需要计算分析的部分转移到基于云计算的服务器上；位于用户端的设备仅进行治疗计划的制定和EPID影像采集、预处理、传递、接收和显示分析结果；加速待比较剂量分布和参考剂量分布之间的Gamma分析。通过使用云计算的并行运行机制，肿瘤放射治疗的计划剂量验证的执行速度可以得到大大提高，为临床的剂量学验证节省了时间，提高了放射治疗的效率。

Description

一种基于云计算的肿瘤放射治疗的剂量验证系统和方法

技术领域

本发明属于医疗技术领域，具体的为一种基于云计算的肿瘤放射治疗的剂量验证系统和方法，涉及医疗技术领域和云计算技术领域。本发明将云计算应用于处理放射治疗计划的剂量学验证中的分析过程，通过云计算，让更多的计算单元同时的并行执行，缩短了运算时间，提高了剂量学验证的速率，能有效地实现了对在线放疗计划的验证。

背景技术

肿瘤放射治疗的整个过程主要分治疗计划的设计阶段和治疗计划的执行阶段。射野影像系统是治疗计划执行阶段的重要质量保证工具，其主要功能是观察、记录和再现照射过程中的体位和射野与靶区间的关系的动态情况，验证治疗过程中病人的摆位是否正确。非晶硅平板型电子射野影像系统（amorphous silicon electronic portal imaging device，EPID）作为目前最先进的射野影像工具，具有优良的图像质量，更大的成像面积以及优越的抗辐射损伤能力逐渐成为放射治疗用加速器的常规配置设备，在放射治疗临床上广泛用于治疗患者的摆位和靶区几何位置的二维和三维成像验证。

调强放射治疗（IMRT）和快速调强（RapidArc）等新技术已经逐渐应用到现代临床放射治疗中，这些新技术实施起来比较复杂，易产生不同程度的偏差，为保证病人的治疗安全，治疗前的剂量学验证是非常必要的。目前，放射治疗照射野的常规剂量学质量控制检测主要是通过三维水箱扫描或其他二维的剂量测量系统来完成，检测过程十分耗时，占用大量宝贵的机器工作时间和人力资源。而非晶硅平板型电子射野影像系统（EPID）可以在短时间内获取大量的照射野剂量学信息，其分辨率甚至高于电离室检测，对这些信息进行合适的修正和校准后，可作为一种快速的二维剂量测量系统，用作放疗速器照射野常规剂量学质控检验的快速工具。

EPID成像与剂量有良好的线性关系，但存在非常大的能量依存性，对于主射束与多叶准直器(MLC)的穿透辐射，EPID呈现不同反应。为解决上述问题，一般采用对EPID每一个像素建立校正因子。校正因子需要将像素值转换为在水中dmax深度处的剂量，并需要取得不同大小开放照野(open field)及穿透照野（transmission field）的影像，並且结合游离腔测量的输出因子表格（output factor table），建立起EPID像素校正转换因子，可以將EPID 的所有像素转换成水中dmax深度处的平面剂量分布图。所得的剂量图可以和临床治疗计划系统使用的剂量演算法（如AAA）所得的剂量分布直接比較。因此，EPID是一种独立的剂量验证方法, 可作为治疗计划运算所得的剂量验证，以及治疗设备照射品质的验证。

目前在EPID 成像基础上，通过数据采集，剂量验证分析及其EPID一系列的校正到实现将影像转化为剂量分布都在本地单机运行，在计算完成后还需要将分析数据和报告上传供医生调阅，批准和存档保存。整个过程都存在数据量大、计算密度高等特点，由于单机单线程运行的局限性，整个系统的完成的实时性较差，对CPU工作量要求较高。

发明内容

本发明旨在解决上述现有技术中存在的问题，提出一种基于云计算平台的肿瘤放射治疗计划的剂量验证系统及方法。本发明利用云计算高密集度数据运算的特性，对放射治疗计划的剂量学验证中的分析和剂量图重构处理进行加速。它与常规方法不同之处在于：将EPID数据的采集与数据的处理分析、EPID校正、EPID影像转化为剂量分布、剂量验证剥离开来。由云计算来处理数据的采集与数据的处理分析、EPID校正、EPID影像转化为剂量分布，这样使得运算时间大大减少。

另外，针对光子与 EPID 和水物理反应能力的差别，由云计算实现蒙特卡罗方法对加速器、EPID 和水模体的模拟、光子笔形束剂量沉积核的计算，将EPID 光子通量转化为水中的通量，然后用模拟泛野的离轴比矩阵进行剂量分布校正与灰度-剂量校准后建立响应函数。在蒙特卡罗方法模拟过程中射野的相关特性，如光子和电子的能谱分布、离轴能量、离轴注量、辐射角等难以实际测量的物理项能够得到快速的计算分析。

基于云计算平台的肿瘤放射治疗计划验证的验证系统，与常规方法不同之处在于：医用直线加速器上的非晶硅平板电子射野影像系统（amorphous silicon electronic portal imaging device, EPID）作为一个二维剂量测量系统采集器，其采集到的信号通过网络上传到云端服务器；由云端服务器对采集信号进行整体计算机控制和剂量图（dose map）重构处理；同时控制与显示终端也通过网络连接云端服务器，向云端服务器发送操作指令和显示重构重构处理结果。

目前还没有基于云计算平台的肿瘤放射治疗计划的剂量验证系统和方法，基本上目前常用方法是EPID图像的采集和剂量分析处理都在本地PC完成，而本系统将EPID影像信息的采集和处理分开，把需要计算分析的部分转移到基于云计算的服务器上；位于用户端的设备仅进行影像采集、预处理、传递、接收和显示分析结果；位于云计算服务器的软件加速剂量沉积核与卷积模型建立，将上传的EPID影像转换成参考剂量分布；并通过云端的Hadoop的MapReduce编程模型加速待比较剂量分布和参考剂量分布之间的Gamma分析。分析结果保存于云计算服务器上，并可以让用户通过各种联网的平台获取到分析结果。

在剂量沉积核与卷积模型建立和将上传的EPID影像转换成参考剂量分布过程中，蒙特卡洛计算可以最精确的实现EPID的校正，从而能实现剂量的准确分析。然而蒙特卡洛计算无法在本地单机运行，云计算填补了这一缺陷。

并且，云计算的服务器端提供的开放性的接口，主节点可以根据用户终端制定的任务分配策略、具体算法处理函数、map函数和reduce函数上载到云计算平台。这样使得操作上的灵活性和新算法的维护的容易性上大大提高，新开发的剂量验证处理算法和各直线加速器的不同计算参数可以直接上载到云端平台进行处理。

现有技术中的各直线加速器装置并不是开放式的平台，软件系统和接口只能按照各厂家仪器使用标准进行操作，不能进行更新，而且基本上不具备肿瘤放射治疗计划的剂量验证复合分析评估功能。现有技术中的肿瘤放射治疗计划的验证系统缺乏一套具有开放性的独立复合分析评价的平台，从而肿瘤放射治疗计划的验证效率不高，准确性有待提高，肿瘤治疗的质量无法进一步提升。本发明的测量系统的有益效果是：

通过建立一个具有高速处理能力的肿瘤放射治疗计划的验证系统云端系统，不仅可以为医护人员提供一个加快剂量学验证的速率平台，还可以实现剂量学验证设备的便携化和远程控制，并降低造价和使用成本。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。本发明多处仅仅对做出改进的部分进行描述，而其他未说明部分可以借助本领域的现有技术实现，亦即未说明部分通过现有技术实现，在此不进行详细说明。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的剂量验证系统和方法的系统结构图。

附图1中，编号与步骤或部件的对应为：1、保存待比较剂量分布和EPID图像信号，2、启动EPID图像信号转化成参考剂量分布，3、提取欲处理的EPID图像信息，4、启动Map将配准任务分给不同slave处理，5、返回结果，6、11返回处理后的结果，7、启动Gamma分析，8、提取待比较和参考剂量分布，9、启动Map将评估任务分给不同slave处理，10、返回结果，12、肿瘤患者治疗的调强计划设计，13、生成水模体的调强验证计划，14、生成待比较剂量分布，15、医用直线加速器上运行，16、EPID采集图像信号，17、用户端，18、HDFS分布式文件系统，19、云端，20、主节点。大矩形框中上方矩形框表示：基于剂量沉积核与卷积理论(蒙特卡罗方法)以及EPID校正的方法将EPID图像信号转化成参考剂量分布；下方矩形框表示：基于云计算加速的Gamma分析的软件架构。

具体实施方式

下面结合附图和实施例对本发明的技术实施过程做进一步说明。

实施例1：

本实施例描述基于云计算平台的肿瘤放射治疗计划的剂量验证系统。

结合附图1，其为本发明的基于云计算平台的肿瘤放射治疗计划的剂量验证系统的系统结构图。如附图1所示，基于云计算平台的肿瘤放射治疗计划的剂量验证系统包括：用户终端的设备、云计算服务器、本地治疗计划系统、计算机、HDFS数据存储服务器、医用直线加速器。HDFS是一个分布式的文件系统，能够实现大数据可靠性存储且高吞吐量读取的存储解决方案。本发明中的云计算装置是Hadoop的MapReduce分布式计算框架建立在HDFS分布式文件系统的基础上。

基于云计算平台的肿瘤放射治疗计划的剂量验证系统，使用了云计算的并行计算能力对进行肿瘤放射治疗计划的验证过程进行加速，该系统具有如下特点：

（1）该系统将EPID信息的采集和剂量分析比较处理分开，把需要计算分析的部分转移到基于云计算的服务器上；

（2）位于用户端的设备仅进行治疗计划的制定和EPID影像采集、预处理、传递、接收和显示分析结果；

（3）用户终端的设备其特征在于，按照云计算平台的可编程接口设计和运行其上软件，将预处理后的数据信息发送到云计算服务器上；

（4）位于云计算服务器的通过云端的Hadoop的MapReduce编程模型加速剂量沉积核与卷积模型建立，将上传的EPID影像转换成参考剂量分布；

（5）位于云计算服务器的位于云计算服务器的通过云端的Hadoop的MapReduce编程模型加速待比较剂量分布和参考剂量分布之间的Gamma分析；

（6）分析结果保存于云计算服务器上，并可以让用户通过各种联网的平台获取到分析结果。

实施例2：

本实施例描述基于云计算平台的肿瘤放射治疗计划的剂量验证方法。基于云计算平台的肿瘤放射治疗计划验证的验证系统及方法构架包含两部分的软件架构，一部分在用户终端的设备上的，另一部分云计算服务器上。

实现本发明的方法包括如下步骤：

图1为本发明的基于云计算平台的肿瘤放射治疗计划验证的验证系统及方法的系统结构图。其方法步骤如下：

（1）在用户终端的本地治疗计划系统首先完成肿瘤调强治疗计划。

（2）在治疗计划系统将完成的调强治疗计划生成一个水模体的调强验证计划。并用治疗计划系统生成的计算机计算的剂量分布作为待比较剂量分布（Evaluated dose distribution）。待比较剂量分布被传递到云计算平台存储在HDFS数据存储服务器中，等待以之进行比较的实际测量的参考剂量分布（Reference dose distribution）。HDFS是一个分布式的文件系统，能够实现大数据可靠性存储且高吞吐量读取的存储解决方案。本发明中的云计算装置是Hadoop的MapReduce分布式计算框架建立在HDFS分布式文件系统的基础上。

（3）将水模体的验证计划传递到医用直线加速器上运行，并用EPID配套软件采集信号。EPID 测量到的图像信号将由云计算平台转换成剂量分布作为参考剂量分布（Reference dose distribution）。

（4）EPID软件采集到的图像信号传递给云计算平台。存储在HDFS数据存储服务器中。

（5）用户终端向主节点递交对指定HDFS目录下的EPID图像信号转化成参考剂量分布的要求。

（6）云端主节点在HDFS文件系统中提取EPID图像信号，主节点根据用户终端制定的任务分配策略、具体算法处理函数、map函数和reduce函数在云计算服务器上采用基于剂量沉积核与卷积理论的方法将EPID图像信号转化成参考剂量分布（细节见第7到第12步）。

（7）剂量沉积核主要通过基于云计算平台的蒙特卡罗模拟来获得，剂量验证的目的是比较采集到的EPID数据和治疗计划系统(treatment planning system) 移植到等效水的治疗计划数据。由于光子与EPID、水的物理反应能力有差别，需将探测器的光子通量转化为水中的通量，为此在云计算平台用蒙特卡罗方法模拟加速器获得能谱，再进一步模拟光子笔形束并计算光子在介质中的剂量沉积核。EPID 的剂量重建也通过云计算平台使用逆向算法来实现。

（8）在云计算平台根据加速器厂商标配预先建立好EPID结构和物质材料模型存储于HDFS数据存储服务器中。典型的EPID模型构成包括铝层、铜板层、荧光层、玻璃基板、反散射水模层。并建立与EPID相对应的水模体。

（9）在云计算平台使用蒙特卡罗方法模拟笔形束在物质中的物理反应和点剂量核（剂量点扩散函数），并通过对笔形束剂量分布的卷积叠加可以得到整个辐射束的剂量分布。笔形束的大小与EPID的最小探测单元大小一致。

（10）将EPID 测得通量去探测器散射而加入水的散射转化为水中通量，蒙特卡罗程序计算 EPID 的剂量沉积核和水中剂量沉积核。

（11）由于建模时 EPID 和等效水模体并非与 EPID 真实分辨率相同，因此在计算得到剂量沉积核后使用双线性插值调整分辨率。

（12）在云计算平台对EPID“Horn”信息校正。最终利用电离室完成EPID 的灰度值-剂量校准，建立剂量响应函数。最终将EPID图像信号转化成参考剂量分布，并将生成的参考剂量分布保存于HDFS目录下。

（13）用户终端向主节点递交对指定HDFS目录下的待比较剂量分布和参考剂量分布进行剂量验证的要求。

（14）云端主节点在HDFS中提取待比较剂量分布和参考剂量分布，主节点根据用户终端制定的任务分配策略、具体算法处理函数、map函数和reduce函数在云计算服务器上对待比较剂量分布和参考剂量分布进行Gamma分析。

Gamma分析法是在同一坐标系下依据参考剂量分布逐点进行计算，包括两个参数，即相对剂量差异和 DTA（Distance to agreement）距离，计算时对每个参考点，在待比较剂量分布中相同坐标位置的点附近对每一点求得与参考点的相对剂量差异和距离差，得到Г(r_r,r_e)，而后对其最小值得到该参考点最终的γ(r_r)：

γ(r_r) = min { Г(r_r, r_e)} { r_e }

其中Г(r_r, r_e) = 

是待比较点与参考点的距离差异；

是待比较点与参考点的相对剂量差异；

是允许的DTA距离误差标准，一般为3mm；

是允许的相对剂量差异误差标准，一般为3%；

以1作为比较通过值，当γ(r_r) ≤ 1，则待比较点通过，γ(r_r) ＞ 1，则未通过，一般γ通过率大于 95%,可认为治疗计划通过验证。其中r_r是参考点的坐标，r_e是待比较点的坐标。

（15）云端主节点对计算剂量体素分布进行细化的任务提交给各个Map节点，根据用户终端制定的任务分配策略，一个Map节点对应一个或者多个体素，Map节点对最近邻体素点进行剂量插值，然后再用第14步中的公式计算得出Gamma因子。

（16）各个Map任务节点在处理完主节点所递交的任务后，将处理结果反馈给主节点，主节点收到所有Map任务节点的反馈后，将处理结果映射给不同的Reduce任务节点，进行后续的处理。

（17）云端的Reduce节点将不同Map节点输出的处理后的Gamma因子及其相关的参考与待比较剂量分布图进行合并，生成等剂量线的叠加，并生成详细的Gamma分析结果（即γ通过率大于 95%,认为治疗计划通过验证，小于95%认为治疗计划未通过验证），保存到HDFS分布式文件系统中。Reduce节点并返回相应的处理状态信息给主节点。

（18）物理师和医生可以在用户终端，从HDFS分布式文件系统调用最后剂量分析报告的信息。

通过使用云计算的并行运行机制，肿瘤放射治疗的计划剂量验证的执行速度可以得到大大提高，为临床的剂量学验证节省了时间，提高了放射治疗的效率。

本发明是对现有技术进行了改进，故实施过程中借鉴了现有技术，限于篇幅，未对现有技术部分进行详细描述；凡是本发明未提及的技术部分，均可以采用现有技术实现。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于云计算平台的肿瘤放射治疗计划的剂量验证系统，其特征在于：系统包括：用户终端的设备、云计算服务器、本地治疗计划系统、计算机、HDFS数据存储服务器、医用直线加速器。

2.根据权利要求1所述的基于云计算平台的肿瘤放射治疗计划的剂量验证系统，其特征在于：系统还可以包括非晶硅平板型电子射野影像系统。

3.根据权利要求1或2所述的基于云计算平台的肿瘤放射治疗计划的剂量验证系统，其特征在于：所述的HDFS数据存储服务器是一个分布式的文件系统，云计算服务器是Hadoop的MapReduce分布式计算框架，建立在HDFS分布式文件系统的基础上。

4.一种基于云计算平台的肿瘤放射治疗计划的剂量验证方法，其特征在于，包括如下的步骤：

（1）在用户终端的本地治疗计划系统首先完成肿瘤调强治疗计划；

（2）在本地治疗计划系统将完成的调强治疗计划生成一个水模体的调强验证计划，并用本地治疗计划系统生成的剂量分布作为待比较剂量分布，待比较剂量分布被传递到云计算平台存储在HDFS数据存储服务器中，等待以之进行比较的实际测量的参考剂量分布；

（3）将水模体的验证计划传递到医用直线加速器上运行，并用EPID配套软件采集信号；EPID 测量到的图像信号将由云计算平台转换成剂量分布作为参考剂量分布；

（4）EPID软件采集到的图像信号传递给云计算平台，存储在HDFS数据存储服务器中；

（5）用户终端向主节点递交对指定HDFS目录下的EPID图像信号转化成参考剂量分布的要求；

（6）云端主节点在HDFS文件系统中提取EPID图像信号，主节点根据用户终端制定的任务分配策略、具体算法处理函数、map函数和reduce函数在云计算服务器上采用基于剂量沉积核与卷积理论的方法将EPID图像信号转化成参考剂量分布；

（7）剂量沉积核通过基于云计算平台的蒙特卡罗模拟来获得；

（8）在云计算平台根据厂商标配加速器预先建立好EPID结构和物质材料模型，存储于HDFS数据存储服务器中，并建立与EPID相对应的水模体；

（9）在云计算平台使用蒙特卡罗方法模拟笔形束在物质中的物理反应和点剂量核，并通过对笔形束剂量分布的卷积叠加得到整个辐射束的剂量分布；笔形束的大小与EPID的最小探测单元大小一致；

（10）将EPID 测得通量去探测器散射而加入水的散射转化为水中通量，蒙特卡罗程序计算 EPID 的剂量沉积核和水中剂量沉积核；

（11）由于建模时 EPID 和等效水模体并非与 EPID 真实分辨率相同，因此在计算得到剂量沉积核后使用双线性插值调整分辨率；

（12）在云计算平台对EPID“Horn”信息进行校正；最终利用电离室完成EPID 的灰度值-剂量校准，建立剂量响应函数，将EPID图像信号转化成参考剂量分布，并将生成的参考剂量分布保存于HDFS目录下；

（13）用户终端向主节点递交对指定HDFS目录下的待比较剂量分布和参考剂量分布进行剂量验证的要求；

（14）云端主节点在HDFS中提取待比较剂量分布和参考剂量分布，主节点根据用户终端制定的任务分配策略、具体算法处理函数、map函数和reduce函数在云计算服务器上对待比较剂量分布和参考剂量分布进行Gamma分析；

（15）云端主节点对计算剂量体素分布进行细化的任务提交给各个Map节点，根据用户终端制定的任务分配策略，一个Map节点对应一个或者多个体素，Map节点对最近邻体素点进行剂量插值，然后再计算得出Gamma因子；

（16）各个Map任务节点在处理完主节点所递交的任务后，将处理结果反馈给主节点，主节点收到所有Map任务节点的反馈后，将处理结果映射给不同的Reduce任务节点，进行后续的处理；

（17）云端的Reduce节点将不同Map节点输出的处理后的Gamma因子及其相关的参考与待比较剂量分布图进行合并，生成等剂量线的叠加，并生成详细的Gamma分析结果（即γ通过率大于 95%，认为治疗计划通过验证，小于95%认为治疗计划未通过验证），保存到HDFS分布式文件系统中，Reduce节点并返回相应的处理状态信息给主节点；

（18）物理师和/或医生可以在用户终端，从HDFS分布式文件系统调用最后剂量分析报告的信息。

5.一种基于云计算平台的肿瘤放射治疗计划的剂量验证方法，其特征在于：使用了云计算的并行计算能力对进行肿瘤放射治疗计划的验证过程进行加速，加速内容和过程包括：

（1）将EPID信息的采集和剂量分析比较处理分开，把需要计算分析的部分转移到基于云计算的服务器上；

（2）位于用户终端的设备仅进行治疗计划的制定和EPID影像采集、预处理、传递、接收和显示分析结果；

（3）用户终端的设备按照云计算平台的可编程接口设计，运行其上软件，将预处理后的数据信息发送到云计算服务器上；

（4）通过位于云计算服务器的云端的Hadoop的MapReduce编程模型加速剂量沉积核与卷积模型建立，将上传的EPID影像转换成参考剂量分布；

（5）通过位于云计算服务器云端的Hadoop的MapReduce编程模型加速待比较剂量分布和参考剂量分布之间的Gamma分析；

（6）分析结果保存于云计算服务器上，并可以让用户通过各种联网的平台获取到分析结果。

6.根据权利要求4或5所述的基于云计算平台的肿瘤放射治疗计划的剂量验证方法，其特征在于：Gamma分析法是在同一坐标系下依据参考剂量分布逐点进行计算，包括两个参数，即相对剂量差异和 DTA（Distance to agreement）距离，计算时对每个参考点，在待比较剂量分布中相同坐标位置的点附近对每一点求得与参考点的相对剂量差异和距离差，得到Г(r_r, r_e)，而后对其最小值得到该参考点最终的γ(r_r)：

γ(r_r) = min { Г(r_r, r_e)}                                                { r_e }

其中，Г(r_r, r_e) = 

是待比较点与参考点的距离差异；是待比较点与参考点的相对剂量差异；是允许的DTA距离误差标准，一般为3mm；是允许的相对剂量差异误差标准，一般为3%；以1作为比较通过值，当γ(r_r) ≤ 1，则待比较点通过，γ(r_r) ＞ 1，则未通过，一般γ通过率大于 95%，可认为治疗计划通过验证，其中r_r是参考点的坐标，r_e是待比较点的坐标。