CN104968395A

CN104968395A - 用于确定imrt中的射束数量的装置

Info

Publication number: CN104968395A
Application number: CN201480007506.3A
Authority: CN
Inventors: V·兰加纳坦; U·S·兰詹
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2013-02-05
Filing date: 2014-02-03
Publication date: 2015-10-07
Also published as: EP2953680A1; WO2014122567A1; JP2016506789A; US20160008630A1

Abstract

本发明涉及一种用于确定IMRT中的射束数量的装置。目标函数提供单元(13)提供IMRT流程的目标函数，其中，所述目标函数取决于要在所述IMRT流程期间被应用的目标剂量。敏感度确定单元(14)确定所述目标函数关于所述目标剂量的改变的敏感度，并且射束数量确定单元(15)根据所确定的敏感度来确定所述射束数量。已经发现，所述目标函数关于所述目标剂量的改变的敏感度是用于可靠确定IMRT中的优化的射束数量的准确度量，这允许生成高质量处置规划并且这继而实现改进的IMRT流程。

Description

用于确定IMRT中的射束数量的装置

技术领域

本发明涉及用于确定在强度调制的辐射治疗(IMRT)中的射束数量的装置、方法以及计算机程序。本发明还涉及用于的IMRT系统、IMRT方法以及执行所述IMRT的IMRT计算机程序。

背景技术

在IMRT流程期间，利用来自不同方向的不同射束来辐照在人内的规划的目标体积(PTV)，其中，通过使用多叶准直器(MLC)来对射束的强度进行空间调制。在将IMRT应用于人之前，例如根据以下来计算处置规划：PTV的位置和形状、射束数量、MLC的技术特性、要被应用到PTV的规定的目标辐射剂量、处于风险中的器官(OAR)的位置和形状等。处置规划应当被确定为使得PTV接收规定的目标辐射剂量，同时被应用到OAR的辐射剂量小于预先定义的阈值。处置规划的质量取决于-尤其是-在各自的处置规划确定算法中输入的射束数量。

J.Stein等人的文章“Number and orientations of beams inintensity-modulated radiation treatments”，Medical Physics，第24卷、第149-160页(1997)公开了用于确定射束数量的近似解决方案，所述近似解决方案包括研究射束数量对处置规划的质量的影响。然而，仅提供了对射束数量的粗略估计，这可能仍然导致非最优处置规划。

发明内容

本发明涉及用于确定IMRT中的射束数量的装置、方法及计算机程序，其允许确定优化的射束数量，所述优化的射束数量能够用于确定具有改进的质量的处置规划。因此，本发明的另外的目的是提供能够用于以改进的质量基于处置规划来应用IMRT的IMRT系统、IMRT方法以及IMRT计算机程序。

在本发明的第一方面中，提供了一种用于确定IMRT流程中的射束数量的装置，其中，所述装置包括：

-目标函数提供单元，其用于提供所述IMRT流程的目标函数，其中，所述目标函数取决于要在所述IMRT流程期间被应用的目标剂量，

-敏感度确定单元，其用于确定所述目标函数关于所述目标剂量的改变的敏感度，

-射束数量确定单元，其用于根据所确定的敏感度来确定所述射束数量。

已经发现，目标函数关于目标剂量的改变的敏感度是用于可靠确定IMRT中的优化的射束数量的准确度量。因此，由于所述敏感度确定单元确定所述目标函数关于所述目标剂量的改变的敏感度，并且由于所述射束数量确定单元根据所确定的敏感度来确定所述射束数量，所以能够以这样的方式来确定所述射束数量，即使得如果该射束数量用于生成处置规划，则高质量处置规划能够被生成，如果根据所述处置规划应用所述IMRT，则这继而实现被应用到生物对象，即人或动物的改进的IMRT。

在实施例中，所述射束数量确定单元适于，如果所述敏感度较大，则确定较大的射束数量，并且如果所述敏感度较小，则确定较小的射束数量。尤其是，所述射束数量确定单元适于基于定义所述射束数量所述敏感度的平方根成比例的依赖关系来确定所述射束数量。如果基于以该方式确定的该优化的射束数量来确定所述处置规划，则以该方式确定所述射束数量实现所述处置规划的更加改进的质量。

在优选的实施例中，所述目标函数提供单元适于提供用于预先定义的参考IMRT配置的所述目标函数。所述参考IMRT配置优选地由参考射束数量和参考射束分布来预先定义。在优选实施例中，所述参考射束数量是七并且所述参考射束分布是角等距射束分布。如果根据-特别是-所确定的射束数量来生成所述处置规划，则使用角等距射束分布作为所述参考射束分布实现所述处置规划的进一步改进的质量。此外，使用七个参考射束允许以足以提供所述目标函数的方式在360度旋转上对规划的目标体积及危及对象(例如OAR)进行采样，即，使用更多参考射束增加用于确定最终射束数量的计算时间，而实质上不增加根据-特别是-该确定的射束数量所生成的所述处置规划的质量。

优选地，所述敏感度确定单元适于确定：针对第一目标剂量的第一目标函数值、针对第二目标剂量的第二目标函数值以及取决于所述第一目标函数值与所述第二目标函数值之间的差异的所述敏感度。能够通过使用最小剂量体积直方图(minDVH)目标来定义所述目标剂量。这允许以计算上相对简单的方式准确地确定所述敏感度。此外，由于通过使用目标函数值来确定所述敏感度，所以对所述敏感度的确定本质上考虑几何因子、计量学因子、规划特异性参数、射束特异性参数、算法特异性因子和/或机器特异性参数。

还优选地，所述装置包括片段数量确定单元，所述片段数量确定单元用于确定针对要在所述IMRT期间被使用的射束的最大片段数量，其中，射束的最大片段数量(NOS)定义要在要被规划的所述IMRT期间被使用的所述射束的最大NOS，并且其中，所述片段数量确定单元适于根据所确定的射束数量来确定所述最大NOS。

所述处置规划应当被生成为使得在最后生成的处置规划中被定义各自的NOS不大于由所述片段数量确定单元所确定的各自的最大NOS。已经发现，如果该射束特异的，即角特异的NOS被输入到处置规划确定单元中，则基于所确定的总射束数量来针对每个射束确定所述最大NOS能够实现所述处置规划的进一步改进的质量，其中，相对低的NOS在处置规划中被定义。

在优选的实施例中，所述装置还包括投影图像提供单元，所述投影图像提供单元用于，针对特定射束的射束位置，提供示出规划目标体积的以及至少一个危及对象的投影的投影图像，其中，所述IMRT要被应用于所述规划目标体积并且被应用于所述至少一个危及对象的辐射要被最小化，其中，所述片段数量确定单元适于分割在所述投影图像中的所述规划目标体积的及所述至少一个危及对象的所述投影，并且适于根据所述规划目标体积的及至少一个危及对象的所分割的投影，来确定针对所述特定射束的所述最大NOS。所述投影图像优选地是射野方向观视图(BEV)图像。

在另外的优选的实施例中，所述片段数量确定单元适于确定所述规划目标体积的所分割的投影与所述至少一个危及对象的所分割的投影之间的交叠区域的数量，并且适于根据所确定的交叠区域数量来确定所述特定射束的所述最大NOS。还优选地，所述片段数量确定单元适于将所规划的目标体积的所分割的投影的布置以及所述至少一个危及对象的所分割的投影的布置分类到预先定义的布置种类中，并且适于根据所述布置种类来确定所述特定射束的所述最大NOS。在实施例中，所述片段数量确定单元适于根据在交叠区域中交叠的所规划的目标体积与所述至少一个危及对象的分割的投影的数量，来对所述布置进行分类。这些操作还改进所确定的最大NOS的质量，从而还改进根据-特别是-这些确定的最大NOS所生成的所述处置规划的质量。

在本发明的另一方面中，提供了一种用于执行IMRT流程的IMRT系统，其中，所述IMRT系统包括：

-用于确定如权利要求1所述的IMRT中的射束数量的装置，

-处置规划确定单元，其用于基于所确定的射束数量来确定针对所述IMRT的处置规划，以及

-IMRT应用设备，其用于根据所确定的处置规划来应用所述IMRT。

所述处置规划确定单元还能够适于基于所确定的射束数量和所述射束的所确定的最大NOS，来确定针对所述IMRT的所述处置规划。

在本发明的又一方面中，提供了一种用于确定IMRT流程中的射束数量的方法，其中，所述方法包括：

-由目标函数提供单元来提供所述IMRT的目标函数，其中，所述目标函数取决于要在所述IMRT流程期间被应用的目标剂量，

-由敏感度确定单元来确定所述目标函数关于所述目标剂量的改变的敏感度，

-由射束数量确定单元根据所确定的敏感度来确定所述射束数量。

在本发明的另一方面中，提供了一种用于执行IMRT的IMRT方法，其中，所述IMRT方法包括：

-如权利要求12所述地确定IMRT中的射束数量，

-由处置规划确定单元基于所确定的射束数量来确定针对所述IMRT的处置规划，并且

-由IMRT应用设备根据所确定的处置规划来应用所述IMRT。

在本发明的又一方面中，提供了一种用于确定IMRT流程中的射束数量的计算机程序，其中，所述计算机程序包括程序代码模块，所述程序代码模块用于，当所述计算机程序在控制如权利要求1所述的装置的计算机上运行时，令所述装置执行如权利要求12所述的方法的步骤。

在本发明的另一方面中，提供了一种用于执行IMRT流程的计算机程序，其中，所述计算机程序包括程序代码模块，所述程序代码模块用于，当所述计算机程序在控制如权利要求11所述的IMRT系统的计算机上运行时，令所述IMRT系统执行如权利要求13所述的IMRT方法的步骤。

应理解，如权利要求1所述的用于确定IMRT流程中的射束数量的装置、如权利要求11所述的IMRT系统、如权利要求12所述的用于确定IMRT流程中的射束数量的方法、如权利要求13所述的用于执行IMRT流程的方法、如权利要求14所述的用于确定IMRT流程中的射束数量的计算机程序以及如权利要求15所述的用于执行IMRT流程的计算机程序具有相似和/或相同的优选实施例，尤其是如从属权利要求中定义的优选实施例。

应理解，本发明的优选实施例还能够是从属权利要求或上面的实施例与各自的独立权利要求的任何组合。

本发明的这些和其他方面将根据下文描述的实施例变得显而易见，并且参考下文描述的实施例而得到阐述。

附图说明

在附图中：

图1示意性并且示范性地示出了用于执行IMRT流程的IMRT系统的实施例，

图2示范性地示出了在胰腺的情况下的根据使用的射束数量的目标函数值，

图3示出了示范性地图示用于执行IMRT流程的IMRT方法的实施例的流程图，

图4示范性示出了目标函数的敏感度关于使用的射束数量的依赖关系，

图5示范性示出了针对前列腺情况以及头部和颈部情况的目标函数关于使用的射束数量的依赖关系，

图6至8示出了PTV及至少一个OAR的分割的投影的不同布置，并且

图9示出了示范性地图示用于执行IMRT流程的IMRT方法的另外的实施例的流程图。

具体实施方式

图1示意性并且示范性地示出了用于执行IMRT流程的IMRT系统的实施例。IMRT系统1包括：装置4，其用于确定要在IMRT流程期间被使用的射束数量；处置规划确定单元5，其用于基于所确定的射束数量来确定针对IMRT流程的处置规划；以及IMRT应用设备6，其用于根据所确定的处置规划来应用IMRT。

装置4包括用于提供IMRT流程的目标函数的目标函数提供单元13，其中，所述目标函数取决于，特别是，要在IMRT期间被应用的目标剂量。装置4还包括：敏感度确定单元14，其用于确定目标函数关于目标剂量的改变的敏感度；以及射束数量确定单元15，其用于根据所确定的敏感度来确定射束数量。

目标函数提供单元13适于提供用于预先定义的参考IMRT配置的目标函数。在该实施例中，参考IMRT配置由参考射束数量及参考射束分布来预先定义。优选地，参考射束数量是七并且参考射束分布是角等距射束分布。

预先定义的IMRT配置，其能够被认为是参考射束几何状况，能够由用户来预先定义。参考IMRT配置被预先定义，以便生成要根据根据敏感度的射束数量选择(SBBNS)算法来获得的可再现结果，所述根据敏感度的射束数量选择算法由敏感度确定单元14以及射束数量确定单元15来执行，以确定最优的并且情况特异的射束数量。参考IMRT配置的等距的射束几何结构可以由以下公式来定义：

θ_{i} = (\frac{360}{N} (i - 1) + θ_{1}) \mod 360, - - - (1)

其中，θ_i是第i射束的机架角，N是参考IMRT配置中的参考射束的数量，并且θ₁是恒定的任意补偿角。在该实施例中，N是七。七个参考射束在规划中不显著延长剂量计算，并且因此降低使用SBBNS算法来选择最优射束数量所需的时间。被提供用于参考IMRT配置的目标函数能够由以下公式来描述：

F = Σ_{r = 1}^{n} [W_{r} f (D_{r}, V_{r})], - - - (2)

其中，F是目标函数，指数r指示第r目标函数分量(OFC)，D_r是针对第rOFC的剂量参数，V_r是第r OFC分量的体积参数并且W_r是第r OFC分量的重要性因子或惩罚因子。函数f(D_r，V_r)表示第r OFC的数值。剂量参数D_r和体积参数V_r被定义作为第r OFC的临床目标，即真实目标。目标函数优选地是根据二次剂量-体积的目标函数。OFC表示特定临床结构，例如，IMRT应当被应用于其的特定目标元件、关于其所应用的辐射应当被最小化的器官等。函数f(D_r，V_r)能够是已知函数，例如从S.V.Spirou和C.-S.Chui的文章“A gradient inverse planning algorithm with dose-volume constraints”，Medical Physics，第25卷、第321至333页(1998)已知的函数，在此通过引用将其并入。

在参考IMRT配置已经被设置之后，能够由敏感度确定单元14和射束数量确定单元15来执行SBBNS算法。SBBNS算法能够自动被调用或由用户调用，并且其基本上涉及两个步骤。在第一步骤中，在参考IMRT配置下，通过使用所提供的目标函数，剂量-体积约束被用作SBBNS算法的输入，并且总体目标函数得分F关于在规定的目标剂量中的预先定义的改变的敏感度而被计算。该第一步骤由敏感度确定单元14来执行。在第二步骤中，目标函数的估计的敏感度，即计算的敏感度，用于计算针对给定的情况的最优射束数量。该第二步骤由射束数量确定单元15来执行。

为了确定敏感度，在第一步骤中，针对第一目标剂量的第一目标函数值及针对第二目标剂量的第二目标函数值被确定，其中，根据在第一目标函数值与第二目标函数值之间的差异来确定所述敏感度。优选地通过使用minDVH目标来定义目标剂量，如在下文中将更加详细地描述的。

PTV的minDVH目标优选地被用作参考以测定目标函数的敏感度。为了确定第一目标函数值F_正常，在考虑第一目标剂量的情况下优化IMRT强度分布，所述第一目标剂量由初始参数D_r、V_r和W_r来定义，尤其是由对应的第一minDVH目标来定义。用于第一目标函数的参数，尤其是第一目标剂量，是针对实际情况规定的真实临床参数。

为了确定第二目标函数值，第二IMRT强度分布被生成，其中，PTV的minDVH目标实质上比针对PTV的规定的目标实现地更加严格。这意味着，针对相同的体积V_r和/或针对OAR增加D_r值，针对相同的体积V_r或针对OAR降低D_r值，针对增加的V_r保持相同的D_r值。例如，如果规定的minDVH需要PTV的仅95％来接收63Gy剂量，则为了计算第二目标函数值F_过度约束，第二目标剂量，即第二minDVH目标，能够被使用，其能够需要PTV的100％来接收68Gy。基于这些更加严格的参数，目标函数被最小化，以便确定第二目标函数值F_过度约束。然后能够根据以下公式计算敏感度：

ΔF＝F_过度约束-F_正常 (3)

将公式(2)代入公式(3)中实现针对目标函数的敏感度的以下公式：

在公式(4)中，[W_rf(D_r,V_r)]_过度约束表示针对过度约束的状况确定的第r OFC分量的数值，并且[W_rf(D_r,V_r)]_正常表示在正常状况下的第r OFC的数值，其对应于规定的临床参数。在另一个实施例中，为了定义公式(4)中的敏感度，权重W_r能够被省略，因为它们独立于目标剂量。实质上，目标函数的敏感度是周围正常结构的目标多大程度地受PTV目标剂量规定中的任何改变的扰动的度量。过度约束minDVH要求导致牺牲其他结构的免受伤害，使得F_过度约束通常大于F_正常。

射束数量确定单元15适于，如果敏感度较大则确定较大的射束数量，并且如果敏感度较小，则确定较小的射束数量。尤其是，射束数量确定单元适于基于依据以下公式来定义射束数量与敏感度的平方根成比例的依赖关系来确定射束数量：

其中，N_最优是要由SBBNS算法确定的最优射束数量，k是预先定义的比例常数，其可以被认为是射束数量常数并且其能够在校准步骤中被定义，并且ΔF_α表示目标函数的敏感度。在该实施例中使用目标函数的敏感度的平方根，因为在该实施例中，IMRT目标函数实质上是关于剂量和体积参数的二次函数。在公式(5)中，符号α指示应当在预先定义的参考射束几何状况下，即在预先定义的参考IMRT配置下执行对目标函数的敏感度的计算。常数k优选地是17.65。在下文中将示范性地描述用于确定常数k的一般校准技术。

能够使用针对其最优射束数量已知的参考情况在参考射束几何状况下计算参数k。然后能够根据以下公式确定常数k。

其中，指代在参考射束几何状况下针对参考情况的已知最优射束数量。指数β指代参考情况，即参考患者情况。

在该范例中，参考情况是具有对PTV和其他正常结构的严格的剂量-体积约束的胰腺情况。参考射束几何状况，即参考IMRT配置，涉及七个等距的参考射束，如上面提及的。下表提供在计算射束数量常数k时，该范例中采用的其他参考状况的列表。

参考状况	值/规格
		第一目标剂量规定	60Gy
第二目标剂量规定	65Gy
		总NOS	60
最小片段区	4cm²
		最小MU	4MU/片段
射束能量	6MV
		射束外围	0.7cm
LINAC	Elekta Synergy

MLC泄漏	≈0.5％
		技术	DMPO

在该表中，片段的总数是由用户给定的数量，其定义针对处置规划的最大片段数量，并且其被用作对转换算法的约束。最小片段区(MSA)是定义每个得到的片段的最小区的对转换算法的另外的约束。如果转换算法产生小于最小片段区的片段的，则该片段将被排除或者片段区将由所述算法所最大化。最小MU是定义针对每个得到的片段的最小MU的对转换算法的另外的约束。如果转换算法产生具有小于最小MU的MU的片段，则该片段将被去除或该片段的MU将被增加到最小MU。缩写LINAC意指线性粒子加速器，并且术语“技术”指的是用于优化和转换的技术，其中，在该范例中，直接机器参数优化(DMPO)技术已经被使用。

前表中提及的参数状况被设置，以便令对射束数量常数k的计算可再现。为了确定针对当前参考情况的最优射束数量，从3射束开始至15射束针对不同射束数量计算目标函数值，即最终目标函数得分。针对全部这些目标函数最小化计算，即针对全部对应的处置规划计算，剂量-体积约束被保持为相同，以便允许有效比较利用不同射束数量执行的不同计算。

图2示出了根据射束数量N的采取任意单位的目标函数值F。目标函数值，即目标函数得分越低，处置规划的质量越好，所述质量对应于目标函数值。因此，对应于相对低的目标函数值的射束数量被选择为最优射束数量。如能够在图2中看到的，在射束数量9处目标函数值开始饱和。这指示针对参考情况在超过9射束的剂量分布中将没有任何值得考虑的改进。如果多于9射束被使用，则将导致监测器单元(MU)和射束片段的不必要的增加，而没有剂量分布上的任何明显的改进。因此，能够总结出，9射束是针对所选择的参考情况的最优选择。

在该范例中，在已知最优射束数量已经被确定为是9之后，针对参考情况，目标函数的敏感度能够被确定，如上面参考公式(2)至(4)描述的，并且能够将得到的敏感度与最优射束数量一起用于根据以下公式计算常数k：

通常，如果示出在上面提及的表中的参考状况的值被修改，则射束数量常数值17.65可以被改变。然而，不期望k的极大的改变，这是因为针对由于参考状况中的变化而发生的分母项的任何改变，示出在公式(6)中的射束数量常数项的分子将对应地改变。因此，射束数量常数k＝17.65针对许多不同情况可以是有效的。

因为SBBNS算法使用目标函数的敏感度来计算最优射束数量，其本质上考虑各种影响因子，例如几何因子、剂量学因子、规划特异性参数、射束特异性参数、算法特异性因子以及机器特异性参数。几何因子例如是解剖结构的尺寸和形状、它们的交叠等。这些几何因子能够由IMRT流程要被应用到的躺在诸如患者台的支撑元件3上的人2的分割的三维图像来提供。分割的三维图像例如示出PTV和OAR。

剂量学因子例如是剂量-体积约束、惩罚等。规划特异性参数例如是NOS、最小片段尺寸、最小MU等。射束特异性参数例如可以是射束能量、射束外围等。此外，算法特异性因子能够是各种优化算法、各种剂量计算算法等。并且，机器特异性参数例如能够是MLC的机器和/或剂量学性质。

基于所确定的最优射束数量，处置规划确定单元5能够通过使用已知注量优化(fluence optimization)和转换算法来确定针对IMRT治疗的处置规划，所述注量优化和转换算法例如是在P.Xia和L.J.Verhey的文章“Multileaf collimator leaf sequencing algorithm for intensity modulated beamswith multiple static segments”，Medical Physics，第25卷、第1424至1434页(1998)中公开的算法。

SBBNS算法能够不仅被应用在胰腺情况下，而且被应用在其他情况下，例如在头部和颈部情况、前列腺情况、肺部情况等下。

在下文中，将参考图3中示出的流程图示范性地描述用于执行IMRT流程的IMRT方法的实施例。

在步骤101中，参考射束几何状况，即，参考IMRT配置被创建，其包括七个等距的射束，并且对应的目标函数被提供，其取决于要在IMRT流程期间被应用的目标剂量。在步骤102中，关于目标剂量的改变的目标函数的敏感度被确定，并且在步骤103中，根据目标函数的所确定的敏感度来确定最优射束数量。在步骤104中，基于所确定的最优射束数量来执行注量优化和转换算法，以便生成处置规划。在步骤105中，确定将从处置规划得到的剂量分布是否是可接受的。如果是这样的情况，则处置规划在步骤106中被输出并且在步骤107中根据处置规划执行IMRT流程。如果从处置规划得到的剂量分布不是可接受的，则在步骤108中，剂量-体积约束和惩罚，即D_r、V_r和W_r被定义，尤其是在步骤108中被重新定义，并且步骤102至104分别基于定义的或重新定义的剂量-体积约束和惩罚再次被执行。步骤102至105和108被执行，直到提供可接受的剂量分布的处置规划已经被确定为止。

在图3中，虚线框109指示SBBNS算法。因此SBBNS算法能够包括步骤101至103和108。然而，SBBNS算法也能够被认为包括仅步骤101至103，步骤101至103足以确定射束数量N_最优。

步骤101至103能够被认为是用于确定IMRT流程中的射束数量的方法的步骤。

IMRT流程大体上可以被分类为：(1)静态IMRT(sIMRT)和(2)旋转IMRT(rIMRT)。在静态IMRT(根据片段的或动态的IMRT)中，确定规划的质量的基础因子是射束数量和它们的角。在文献中有多种射束角优化(BAO)算法，其给出对射束角问题的情况特异性解决方案。许多放射治疗部门已经逐渐注视着将BAO算法实施到日常临床实践中。然而，在射束角优化之前，BAO算法中的许多要求对要用于给定的规划的射束数量的输入。在当前实践中，通过规划者的经验或者通过试错过程来决定射束数量，这在许多临床情况下可能不保证合适的射束数量。在静态IMRT中增加更多射束超过某个点仅仅增加MU和NOS，而没有在剂量分布中的任何值得考虑的改进，从而导致更多泄漏辐射以及增加的紧要器官剂量。利用较小的MU数量及片段数量产生好的剂量分布根本上要求对射束数量以及它们的角的适当选择。

装置4因此提供针对IMRT流程的情况特异性射束数量，所述情况特异性射束数量能够非常快速地被确定，以便鼓励用户在日常实践中频繁使用它。装置4提供在优良的剂量分布与过度复杂之间的好的平衡，这能够容易地被实施。其优选地被用在根据片段的IMRT中。

用户通常不具有用于选择IMRT中的射束数量的系统性引导，从而增加递送规划质量(即处置规划质量)中的用户间变化。此外，对射束数量的人工指定，其远远偏离最优值，将严重地影响处置规划的质量和能力。并且，在复杂临床情况下，在没有许多尝试和错误步骤的情况下，通常不容易确定总射束数量。此外，对射束数量的人工选择对于复杂临床情况而言是耗费时间的。装置4通过使用SBBNS算法克服了这些缺点，SBBNS算法快速并且准确地确定针对IMRT流程的最优射束数量。

目标函数是处置规划质量的总体估计，尤其是在单一准则优化中。目标函数的值越小，IMRT中的剂量分布的质量越好。SBBNS算法是基于目标函数对规定的目标剂量的敏感度与被用在给定的情况下的总射束数量成反比的特性的。这被示范性示出在图4中，其中，目标函数敏感度ΔF关于所使用的射束数量N采取任意单位被显示。在图4中示出的范例中，关于针对胰腺情况的规定的目标剂量中的5Gy增加来确定目标函数的敏感度。如果更小的射束数量被使用，则目标函数对目标剂量中的任何改变更加敏感。类似地，如果更大的射束数量被使用，则目标函数对目标剂量中的任何改变更不敏感。换言之，目标函数的较低的敏感度水平指示，如果增加规定的目标剂量，则存在用于确保正常组织免受伤害的足够射束。同样，如果目标函数对目标剂量太敏感，则其指示当增加规定的目标剂量时，不存在用于确保正常组织免受伤害的足够大的射束数量。不同地表述，如果目标函数敏感度在参考射束几何状况下被发现为非常高，则产生最优剂量分布所需的射束数量更大，以便将敏感度降低到足够的水平。因此，如果在参考射束几何状况下获得的目标函数的敏感度更大，则针对给定的情况的所需要的射束数量更大。例如，所需要的射束数量能够与目标函数的敏感度或者目标函数的敏感度的平方根成比例，如上面参考公式(5)所描述的。SBBNS算法利用该特性来确定针对各自的情况的最优射束数量。

图5图示了针对作为前列腺情况的第一情况及作为头部和颈部情况的第二情况的目标函数F关于所使用的射束数量N的相关性。在图5中，方格21指示前列腺情况的结果，并且菱形20指示头部和颈部情况的结果。如在图5中能够看到的，目标函数值(即最终目标函数得分)的饱和对于前列腺情况而言开始在射束数量7处并且对于头部和颈部情况而言在射束数量11处。因此，最优射束数量，其将由SBBNS算法来确定，针对前列腺情况将是7并且针对头部和颈部情况是11。

再次参考图1，IMRT应用设备6包括旋转机架8，辐射源9和辐射探测器10被安装在所述旋转机架上。辐射源9适于发出用于根据处置规划执行IMRT的射束11。在根据处置规划执行IMRT之前，可以通过使用辐射探测器10来生成BEV图像，其中，在该情况下，射束11的强度相对小，因为其仅用于生成BEV图像。BEV图像可以被示出在系统1的显示器18上。在辐射源9的前面存在MLC 12，以便允许IMRT应用设备6根据处置规划修改射束11。IMRT应用设备6还包括控制单元7，所述控制单元用于控制具有辐射源、辐射探测器以及MLC的机架，使得根据处置规划执行IMRT。系统1还包括用于允许用户将输入提供到系统的输入单元17，例如键盘、鼠标、触摸板等，例如以起始SBBNS算法或起始要由系统1执行的其他操作。

装置4还能够包括片段数量确定单元16，所述片段数量确定单元用于确定针对要在IMRT流程期间使用的射束的最大射束数量，其中，片段数量确定单元16适于根据所确定的射束数量来确定最大NOS。优选地，装置4还包括投影图像提供单元，所述投影图像提供单元用于针对特定射束的射束位置，提供示出PTV的以及至少一个OAR的投影的投影图像，其中，IMRT要被应用到PTV并且被应用到至少一个OAR的辐射要被最小化，其中，片段数量确定单元16适于分割投影图像中的PTV的及至少一个OAR的投影，并且适于根据PTV及至少一个OAR的所分割的投影来确定针对特定射束的最大NOS。在该实施例中，投影图像是针对各自的射束的由辐射源9和辐射探测器10生成的BEV图像，使得投影图像提供单元是IMRT应用设备6。然而，在另一个实施例中，投影图像提供单元也能够是另一个成像单元或者投影图像接收单元，所述投影图像接收单元用于从IMRT应用设备6或从另一个成像单元接收投影图像，并且用于提供所接收的投影图像。

由于片段数量确定单元16适于根据指示人2内的解剖结构的PTV的以及至少一个OAR的所分割的投影，来确定针对特定射束的最大NOS，用于确定针对特定射束的最大NOS的算法能够被认为是到达最优每射束最大NOS的解剖结构引导的片段计数(AGSC)算法。

片段数量确定单元16优选地适于确定在PTV的所分割的投影与至少一个OAR的所分割的投影之间的多个交叠区域，并且适于根据交叠区域的所确定的数量来确定特定射束的最大NOS。片段数量确定单元16还优选地适于将PIV的及至少一个OAR的所分割的投影的布置分类到预先定义的布置种类中，并且适于根据所述布置种类来确定特定射束的最大NOS，其中，根据交叠在交叠区域中的PTV的及至少一个OAR的所分割的投影的数量将布置分类到布置种类中

尤其是，AGSC算法优选地采取作为输入在各自的BEV图像中的解剖投影，以便确定交叠区，其中，与PTV交叠的区域的数量被计数并且这些区域的组合性的组合被计算。这能够根据可应用于结构集的全部可能布尔组合的库来计算。子区域的所计算的组合与其他规划参数一起能够由AGSC算法使用以达到每射束最大NOS，所述其他规划参数例如但不限于最小片段尺寸(MSS)、感兴趣区域(ROI)重要性加权因子等。这在下文将参考图7至9更加详细地进行描述。

图6示出了PTV的所分割的投影30和OAR的所分割的投影31的布置，所述布置包括单个交叠区域32。具有单个交叠区域的所分割的投影的这样的布置能够被分派到第一布置种类。图7示出了PTV的所分割的投影30的和两个OAR的所分割的投影31的另外的布置。该布置包括两个交叠区域32。具有两个交叠区域32的这样的布置能够被分派到第二布置种类。图8示出了具有PTV的一个分割的投影30以及OAR的两个分割的投影31的布置，所述布置包括具有单个交叠(即其中仅两个对象交叠)的两个交叠区域32，以及具有多于两个对象的交叠的一个交叠区域33。图8中示出的布置能够被分派到第三布置种类。

针对PTV的以及至少一个OAR的所分割的投影的每个布置，组合项能够被确定，所述组合项描述PTV的分割的投影的不同交叠区域和非交叠区域。例如，针对图6中示出的步骤，以下组合项能够被定义：

1.T,

2.T∩O1,

3.T-{T∩O1}， (8)

其中，T指示PTV的分割的投影30并且O1指示图6中示出的OAR的分割的投影31。针对图7中示出的布置的组合项能够由以下定义：

1.T，

2.T∩O1，

3.T-{T∩O1}，

4.T∩O2，

5.T-{T∩O2}，

6.T-{T∩O1}-{T∩O2} (9)

其中，OAR的分割的投影31分别由O1和O2来表示。针对图8中示出的布置，组合项能够如下地被计算：

1.T，

2.T∩O1，

3.T-{T∩O1}，

4.T∩O2，

5.T-{T∩O2},. (10)

6.T-{T∩O1}-{T∩O2},

7.{T∩O1}+{T∩O2},

8.T-{(T∩O1)∩(T∩O2)},

9.{T∩O2}∩{T∩O2}

ASC算法能够使用在最大NOS与全部可能组合项之间的预先定义的分派。然而，各自的布置优选地被分派到预先定义的布置种类，其中，基于各自的布置种类、交叠区域的数量以及优选地另外的参数(例如MSS)，来确定各自的最大NOS。例如，具有仅单个OAR(其可以形成或可以不形成与BEV图像中的PTV的交叠区域)的全部布置能够被分派到第一布置种类。具有多于一个OAR的全部布置能够被分派到第二布置种类，其中，每个OAR在各自的BEV图像中形成与PTV的单交叠区域。例如，图7中示出的布置能够被分派到第二布置种类。此外，在各自的BEV图像中具有多于一个OAR的全部布置能够被分派到第三布置种类，其中，全部OAR在各自的BEV图像中形成与各自的至少一个其他OAR和PTV的多交叠区域。例如，如上面已经提及的，图8中示出的布置能够被分派到该第三布置种类。如果布置包括在BEV图像中的若干OAR，则该布置可以被分派到第四布置种类，其中，布置包括如图7中示范性示出的至少一个单交叠区域32以及如图8中示范性示出的至少一个多交叠区域33。以下示出了表，其可以由片段数量确定单元16所使用以根据实际布置种类以及实际布置中的交叠区域的数量，来确定各自的每射束最大NOS。

如果交叠区域的尺寸，即交叠区域的交叠尺寸小于预先定义的MMS，所述预先定义的MMS可以由诸如医师的用户来预先定义，则当确定各自的布置中的交叠区域的数量时，各自的交叠区域优选地不被计数。

基于给定的BEV图像，AGSC算法优选地自动选择各自的ROI交叠类型，即各自的布置种类，并且对交叠区域进行计数，其中，基于所选择的布置种类及交叠区域的数量，能够通过使用例如先前示出的表来确定每射束最大NOS。

处置规划确定单元5能够适于基于确定的总射束数量并且基于针对每个各自的射束所确定的确定的最大NOS，来确定针对IMRT流程的处置规划。因此，这些数量能够被馈送到上面提及的算法中用于注量优化和转换。所述算法使用总射束数量和角特异性最大NOS，即针对各自的射束所确定的最大NOS的约束，并且相应地确定最终可递送射束片段和注量，并且因此处置规划。IMRT应用设备6然后能够根据所确定的处置规划来应用IMRT。

在实施例中，能够通过使用显示器18来将所确定的每射束最大NOS显示到用户，以便允许用户检查他/她是否同意所确定的每射束最大NOS，并且以便允许他/她修改各自的每射束最大NOS，如果期望的话。然后能够基于任选地修改的每射束最大NOS来确定处置规划。

每射束最大NOS能够由注量优化和转换算法用作约束，所述注量优化和转换算法确定处置规划。能够使用在D.M.Shepard、M.A.Earl、X.A.Li、S.Naqvi和C.Yu的文章“Direct aperture optimization:A turnkey solution forstep-and-shoot IMRT”，Medical Physics，第29卷、第6号(2002)中公开的注量优化和转换算法，所述文章使用最大NOS作为约束并且在此通过引用将其并入。然而，也能够使用其他已知注量优化和转换算法，其使用最大NOS作为约束。

在下文中，将参考图9中示出的流程图示范性地描述用于执行IMRT流程的IMRT方法的另外的实施例。

在步骤201中，由射束数量确定单元15所确定的射束数量被提供到由片段数量确定单元16所执行的AGSC算法214。此外，在步骤201中，用户能够经由输入单元17来输入射束的角位置。备选地，角位置能够被预先定义为例如是角等距的。在步骤202中，用户经由输入单元17任选地将ROI重要性加权因子，即参数W_r输入到算法214中。

在步骤203中，任选地另外的规划参数，例如交叠惩罚，被馈送到AGSC算法中。用户能够希望惩罚特定类型的交叠，使得考虑特定交叠区域的片段数量一定程度上能够被控制。这能够通过将交叠惩罚输入到AGSC算法214中而实现。在步骤204中，用户定义的MSS值被提供，其在步骤206中与其他参数一起被使用，以便构建布尔表，所述布尔表提供针对各自的射束的最大NOS的在交叠区域的数量与布置种类之间的分派。能够根据例如在Y.Xiao、J.Galvin、M.Hossain和R.Valicenti的文章“An optimizedforward planning technique for intensity modulated radiation therapy”，MedicalPhysics、第27卷、第2093至2099页(2000)中公开的技术来构建布尔表，在此通过引用将其并入。

在步骤205中，针对每个射束，即针对每个角位置，PTV以及至少一个OAR的分割的投影在BEV图像中被确定，其中，基于这些分割的投影，布置种类和交叠区域的数量被确定，其与布尔表一起用于确定角特异性最大NOS 207。在步骤208中，处置规划确定单元5执行注量优化算法，以满足由用户经由输入单元17输入到系统中的临床目标。为了执行该注量优化，已知注量优化算法能够被使用，如在Q.Wu和R.Mohan的文章“Algorithm and functionality of an intensity modulated radiotherapyoptimization system”，Medical Physics，第27卷、第701至711页(2000)中公开的注量优化算法，在此通过引用将其并入。

在步骤209中，处置规划确定单元5调用转换算法来在考虑从AGSC算法214接收的角特异性最大NOS而获得可递送片段。为了执行该转换算法，能够使用已知算法，例如在P.Xia和L.J.Verhey的文章“Multileafcollimator leaf sequencing algorithm for intensity modulated beams withmultiple static segments”，Medical Physics，第25卷、第1424至1434页(1998)中公开的转换算法，在此通过引用将其并入。

在步骤210中，检查将根据在步骤209中确定的处置规划所得到的剂量分布是否是可接受的。如果是这样的情况，在步骤211中，处置规划被提供到IMRT应用设备6，于是处置规划在步骤212中由IMRT应用设备6运行。

尤其是在步骤210中，检查剂量分布是否指示PTV接收规定的目标剂量，并且被应用到一个或若干个OAR的剂量是否小于预先定义的剂量限制。在步骤210中，另外的参数可以被考虑用于确定剂量分布是否是可接受的，所述另外的参数例如是符合指数(其提供对规定的目标剂量多好地被限制在PTV内的估计)以及同质性指数(其提供对规定的目标剂量多好地同质性分布在PTV内部的指示)。

如果在步骤210中已经确定剂量分布是不可接受的，在步骤213中，剂量-体积约束及惩罚被定义，尤其是被重新定义，并且方法继续步骤208。步骤208至210以及213被执行，直到在步骤210中剂量分布被确定为是可接受的为止。

在针对IMRT/直接机器参数优化(DMPO)的逆规划中，将注量分布图转换到可递送射束配置是重要步骤。由基于如在DMPO中的聚类方法或优化方法的各种算法执行转换。转换算法的输出是MLC片段(即射束片段)的集合以及它们的相关联的MU。为了准确递送，具有合理的MU的最优NOS是必要的。多个小的MU片段，即射束片段对于加速器的性能而言不是鲁棒的并且耗费更长时间来递送，从而增加在递送期间的患者运动诱发的错误的概率。太少的片段对剂量并不是适形的。在多数规划系统中，剂量适形性被很好地测量并且不产生太少片段剂量的问题。然而，过度分割可能是一个问题，尤其是在复杂解剖结构中，从而需要集成的提高，所述复杂解剖结构例如是头部和颈部或者在较大的肿瘤体积内的小的肿瘤区，例如总肿瘤体积(GTV)，其可以是PTV。相比于不需要额外的同时提高的情况，这通常导致NOS中的40％的增加。这导致小的区中的不成比例地大的NOS。

为了增加规划的递送能力，可以使用后处理方法，其中，使用诸如平滑的方法对片段进行后处理，以降低NOS并且从而增加递送效能。然而，临床上，这样的后处理能够产生规划质量中的未预见的退化并且导致降低的目标覆盖。

因此优选地通过将最大NOS直接并入到优化过程中来解决潜在问题，以便通过根据如可从BEV获得的解剖配置来指定针对每个射束的接近最优的NOS，来提供针对转换/DMPO算法的好的初始化状况。

片段数量确定单元16以及对应的AGSC算法能够克服已知IMRT系统的以下缺点。例如，当前系统不提供用于选择最大NOS的系统性引导，从而增加关于递送规划质量，即处置规划质量的用户间变化。此外，如果最大NOS被人工指定，则非最优值能够被输入到处置规划生成算法，这能够严格影响处置规划确定算法的(即优化器的)性能。此外在已知系统中，在诸如头部和颈部结构的复杂解剖布局的情况下以及需要同时集成的提高的小的肿瘤区的情况下，相比于小的区，NOS通常增加40％。这影响肿瘤区域中的剂量线性，这能够导致不准确的剂量计算和递送。

本领域技术人员通过研究附图、公开内容以及权利要求书，在实践所要求保护的本发明时，能够理解并实现对所公开的实施例的变型。

在权利要求书中，词语“包括”不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。

单个单元或其他设备可以完成权利要求中记载的若干项目的功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。

由一个或若干个单元或设备执行的操作能够由任何其他数量的单元或设备执行，所述操作例如是：提供目标函数，确定目标函数的敏感度，确定射束数量，确定每射束NOS或射束的每角位置NOS等。例如，步骤101至105、108、206至210以及213能够由单个单元或由任何其他不同数量的不同单元来执行。操作和/或根据IMRT方法的对IMRT系统的控制和/或根据用于确定IMRT中的射束数量的方法的用于确定IMRT中的射束数量的对装置的控制能够被实施为计算机程序的程序代码模块和/或实施为专用硬件。

计算机程序可以存储/分布在合适的介质上，例如与其他硬件一起被提供或作为其他硬件的部分被提供的光学存储介质或固态介质，但是计算机程序也可以以其他形式分布，例如经由因特网或其他的有线或无线的电信系统分布。

权利要求书中的任何附图标记都不应被解释为对范围的限制。

本发明涉及用于确定IMRT中的射束数量的装置。目标函数提供单元提供IMRT流程的目标函数，其中，目标函数取决于要在IMRT流程期间被应用的目标剂量。敏感度确定单元确定目标函数关于目标剂量的改变的敏感度，并且射束数量确定单元根据所确定的敏感度来确定射束数量。已经发现，目标函数关于目标剂量的改变的敏感度是用于可靠确定IMRT中的优化的射束数量的准确度量，这允许用于生成高质量处置规划并且这继而实现改进的IMRT流程。

Claims

1.一种用于确定强度调制的辐射治疗中的射束数量的装置，所述装置(4)包括：

-目标函数提供单元(13)，其用于提供所述强度调制的辐射治疗的目标函数，其中，所述目标函数取决于要在所述强度调制的辐射治疗期间被应用的目标剂量，

-敏感度确定单元(14)，其用于确定所述目标函数关于所述目标剂量的改变的敏感度，

-射束数量确定单元(15)，其用于根据所确定的敏感度来确定所述射束数量。

2.如权利要求1所述的装置，其中，所述射束数量确定单元(15)适于，如果所述敏感度较大则确定较大的射束数量，并且如果所述敏感度较小则确定较小的射束数量。

3.如权利要求2所述的装置，其中，所述射束数量确定单元(15)适于基于定义所述射束数量与所述敏感度的平方根成比例的依赖关系来确定所述射束数量。

4.如权利要求1所述的装置，其中，所述目标函数提供单元(13)适于针对预先定义的参考强度调制的辐射治疗配置而提供所述目标函数。

5.如权利要求1所述的装置，其中，所述敏感度确定单元(14)适于确定：

-针对第一目标剂量的第一目标函数值，

-针对第二目标剂量的第二目标函数值，以及

-取决于所述第一目标函数值与所述第二目标函数值之间的差异的所述敏感度。

6.如权利要求1所述的装置，其中，所述装置(4)还包括片段数量确定单元(16)，所述片段数量确定单元用于确定针对要在所述强度调制的辐射治疗期间被使用的射束的最大片段数量，其中，所述片段数量确定单元(16)适于根据所确定的射束数量来确定所述最大片段数量。

7.如权利要求6所述的装置，其中，所述装置(4)还包括投影图像提供单元(6)，所述投影图像提供单元用于，针对特定射束的射束位置，提供示出规划目标体积的投影以及至少一个危及对象的投影的投影图像，其中，所述强度调制的辐射治疗要被应用于所述规划目标体积并且被应用于所述至少一个危及对象的辐射要被最小化，其中，所述片段数量确定单元(16)适于分割在所述投影图像中的所述规划目标体积的投影以及所述至少一个危及对象的投影，并且适于根据所述规划目标体积的所分割的投影以及至少一个危及对象的所分割的投影，来确定针对所述特定射束的所述最大片段数量。

8.如权利要求7所述的装置，其中，所述片段数量确定单元(16)适于确定所述规划目标体积的所分割的投影与所述至少一个危及对象的所分割的投影之间的交叠区域的数量，并且适于根据所确定的交叠区域的数量，来确定所述特定射束的所述最大片段数量。

9.如权利要求7所述的装置，其中，所述片段数量确定单元(16)适于将所规划的目标体积的所分割的投影以及所述至少一个危及对象的所分割的投影的布置分类到预先定义的布置种类中，并且适于根据所述布置种类来确定所述特定射束的所述最大片段数量。

10.如权利要求9所述的装置，其中，所述片段数量确定单元(16)适于根据在交叠区域中交叠的所规划的目标体积与所述至少一个危及对象的分割的投影的数量，来对所述布置进行分类。

11.一种用于执行强度调制的辐射治疗的强度调制的辐射治疗系统，所述强度调制的辐射治疗系统(1)包括：

-用于确定如权利要求1所述的强度调制的辐射治疗中的射束数量的装置(4)，

-处置规划确定单元(5)，其用于基于所确定的射束数量来确定针对所述强度调制的辐射治疗的处置规划，以及

-强度调制的辐射治疗应用设备(6)，其用于依据所确定的处置规划来应用所述强度调制的辐射治疗。

12.一种用于确定强度调制的辐射治疗中的射束数量的方法，所述方法包括：

-由目标函数提供单元(13)来提供所述强度调制的辐射治疗的目标函数，其中，所述目标函数取决于要在所述强度调制的辐射治疗期间被应用的目标剂量，

-由敏感度确定单元(14)来确定所述目标函数关于所述目标剂量的改变的敏感度，

-由射束数量确定单元(15)根据所确定的敏感度来确定所述射束数量。

13.一种用于执行强度调制的辐射治疗的强度调制的辐射治疗方法，所述强度调制的辐射治疗方法包括：

-如权利要求12所述地确定强度调制的辐射治疗中的射束数量，

-由处置规划确定单元(5)基于所确定的射束数量来确定针对所述强度调制的辐射治疗的处置规划，并且

-由强度调制的辐射治疗应用设备依据所确定的处置规划，来应用所述强度调制的辐射治疗。

14.一种用于确定强度调制的辐射治疗中的射束数量的计算机程序，所述计算机程序包括程序代码模块，所述程序代码模块用于，当所述计算机程序在控制如权利要求1所述的装置(4)的计算机上运行时，令所述装置(4)执行如权利要求12所述的方法的步骤。

15.一种用于执行强度调制的辐射治疗的计算机程序，所述计算机程序包括程序代码模块，所述程序代码模块用于，当所述计算机程序在控制如权利要求11所述的强度调制的辐射治疗系统(1)的计算机上运行时，令所述强度调制的辐射治疗系统(1)执行如权利要求13所述的强度调制的辐射治疗方法的步骤。