CN105930637A - 一种自动确定目标函数权重的放射治疗方案优化方法 - Google Patents

Abstract

本发明公开一种自动确定目标函数权重的放射治疗方案优化方法，步骤一、为信息输入，输入病人的三维密度信息、器官勾画信息、治疗头信息，目标函数信息，以及目标函数中所使用器官的DV限制参数；步骤二、为预处理，根据病人的各器官勾画信息、病人的三维密度信息和治疗头信息，通过剂量计算引擎计算每个射束的剂量分布，从而得到剂量沉积矩阵；步骤三、为方案优化，在已知信息目标函数和剂量沉积矩阵的情况下，进行方案优化来确定最终各子野的形状和权重；步骤四、为权重调整，根据方案优化模块的输入信息，判断各子目标函数是否都满足优化的终止条件；步骤五、为输出方案优化结果。本发明自动方案优化是一个迭代的过程，不需要输入理想DVH曲线。

Description

一种自动确定目标函数权重的放射治疗方案优化方法

技术领域

本发明属于放射治疗方案优化技术领域，涉及自动确定目标函数权重的放射治疗方案优化方法。

背景技术

在放射治疗的方案优化过程中，方案优化的总目标函数一般表示为各子目标函数与对应权重乘积的总和。子目标函数的权重表示各子目标函数在优化过程中的重要性。在方案优化之前，各子目标函数所使用的权重值是预先由物理师根据经验预先设定的，且该权重值在优化过程中是固定不变的。在方案优化结束后，物理师对优化结果进行方案优化质量评价。如果优化结果不满足临床放射治疗要求，物理师根据优化结果，适当地调整各子目标函数对应的权重值，并重新进行方案优化。该操作循环进行，直到方案优化结果满足临床放射治疗的要求为止。在这种手动调整权重的方法中，优化过程需要循环执行多次，增加了制作放射治疗方案所需的时间；同时还需要物理师根据经验对各子目标函数的权重值进行修改，增加了物理师的工作量。针对各子目标函数的权重取值问题，已有学者展开了多目标优化问题的研究。对于传统多目标优化，首先求出目标函数的帕累托最优边界，然后在帕累托最优边界上由物理师或医生选取最优的优化结果。当总目标函数中包含较多的子目标函数，求解帕累托最优边界是非常耗时的。而且，需要物理师或医生在帕累托边界上选取最优的优化结果，同样增加了物理师或医生的工作量。因此，需要提出一种快速的自动放射治疗方案优化技术，在自动优化的过程中，根据优化结果自动调整子目标函数的权重值。

在现有自动放射治疗方案优化技术中，兰(Nan)提出了一中基于已有剂量-体积直方图(dose-volume histogram，DVH)的自适应放射治疗重新优化方法(具体参见Nan L，Masoud Z，Andres U-S，et al.Automatic treatmentplan re-optimization for adaptive radiotherapy guided with the initial plan DVHs.Phys.Med.Biol.，2013，58：8725-8738)。该方法的优点是可以在优化过程中自动的调整子目标函数的权重值；缺点是需要预先知道理想DVH分布。在自适应放射治疗过程中，可以用同一个病人前一次分次照射方案优化的DVH分布近似地代替该病人当前分次照射的理想DVH分布。然而在一般的方案优化中，由于病人解剖结构之间的差异非常大，用这种近似代替的方法是不可行的。因此，需要发明一种不需要理想DVH的自动方案优化方法和系统。

一般从三维剂量分布、DVH曲线以及生物准则等方面对放射治疗方案优化结果的质量评价。查看三维剂量分布，主要为了确认靶区高剂量分布的覆盖情况，以及周围正常组织接受到的高剂量照射。传统的优化质量评价主要是根据美国肿瘤放射治疗协作组织(the Radiation Therapy Oncology Group，RTOG)或临床定量分析正常组织效应准则(the Quantitative Analysis ofNormal Tissue Effects in the Clinic，QUANTEC)给出的评价标准对DVH进行定量的评价。通常方案优化中物理子目标函数的设置就是参考这些评价标准进行设定的，并且满足这些评价标准的优化结果被认为是满足临床要求的。因此，在优化过程中，可以根据实际剂量分布与这些评价标准自动的差值自动地修改对应的子目标函数权重，使得优化结果满足所有的评价标准。在临床放射治疗计划系统中，生物准则已经被作为子目标函数参与放射治疗方案优化，以及被用来定量地评价方案优化结果。使用生物准则对方案优化结果进行方案优化和质量评价是放射治疗未来发展的一个趋势。同样，相对于物理子目标函数，生物子目标函数也可以使用类似的方法进行自动权重调整。

发明内容

本发明主要是针对传统放射治疗方案制作过程中物理师循环调整子目标函数并进行重新优化的技术问题，提出了一种自动确定目标函数权重的放射治疗方案优化方法。

本发明通过以下技术方案实现：

一种自动确定目标函数权重的放射治疗方案优化方法，具体步骤如下：

步骤一、为信息输入，在信息输入模块中，输入病人的三维密度信息、器官勾画信息、治疗头信息，目标函数信息，以及目标函数中所使用器官的DV限制参数；

步骤二、为预处理，在预处理模块中，首先，根据获取的病人的各器官勾画信息、等中心点和照射方向确定每个方向需要计算的射束；然后，根据病人的三维密度信息和治疗头信息，通过剂量计算引擎计算每个射束的剂量分布，从而得到剂量沉积矩阵；

步骤三、为方案优化，在方案优化模块中，在已知信息输入模块的其它信息输入功能单元的目标函数和预处理模块的剂量沉积矩阵的情况下，就可以进行方案优化来确定最终各子野的形状和权重，首先，在所有的照射方向中选择一个最佳的子野形状；其次，通过子野权重优化算法重新计算已有子野的权重值；最后，删除权重值为零的子野，并对剩余子野形状进行微调，以达到子野形状最优，如果总的子野个数超过预设的上限值，则在迭代过程中不再增加新的子野，只做子野权重优化，删除子野和子野形状微调；

步骤四、为权重调整，在权重调整模块中，根据方案优化模块的输入信息，计算各器官的剂量分布和各子目标函数的值，并判断各子目标函数是否都满足优化的终止条件，如果所有子目标函数的条件都满足，方案优化结束，输出优化结果，否则，对各子目标函数的权重就行修正，权重修改后，将按照新的子目标函数权重继续之前停止的方案优化，方案优化和权重调整循环进行，直到方案优化的终止条件都满足而停止；

步骤五、为输出方案优化结果，在方案优化结果输出模块中，方案优化结果输出模块输出三维剂量分布、DVH曲线、子野形状和子野权重，在这个模块中子野形状、子野权重以及其它关于射线源的信息(参数)被输入到放射治疗设备，由这些输入参数来控制放射治疗设备，对病人进行放射治疗，其中子野形状和子野权重分别用来控制多叶准直器的开口形状和在对应开口形状下的射线照射时间长，三维剂量分布和DVH曲线被输入到计算机和打印机，分别用来显示方案优化结果和打印报表。

进一步，所述的病人的三维密度信息可以是CT图像、MR图像或其它方式获取的病人密度信息。

进一步，所述的器官勾画信息可以通过物理师在三维密度信息上进行勾画而获得的或通过自动勾画软件进行自动勾画而获取。

进一步，所述的治疗头信息包括完整的治疗头形状结构和参数信息，以及照射方向，等中心的位置，所述的目标函数信息为针对当前具体的病例设置的目标函数，包括各子目标函数的类型、所使用的参数。

进一步，所述的剂量计算引擎所采用的算法可以是笔形束算法、点核算法、蒙特卡罗算法和确定性方法。

进一步，治疗头信息包括完整的治疗头形状结构和参数信息，以及照射方向，等中心的位置等。目标函数信息为针对当前具体的病例设置的目标函数，包括各子目标函数的类型、所使用的参数值。

本发明与现有技术相比，优点如下：

(1)本发明可以进行自动方案优化，自动方案优化是一个迭代的过程，在迭代过程中，根据当前方案优化的结果与给定的处方剂量的差值自动修正各子目标函数的权重，对不满足条件的目标函数的增加惩罚，从而保证迭代结束后所有目标函数都满足条件，实现自动方案优化，相比Nan提出的方法，本发明不需要输入理想DVH曲线。

(2)本发明可以应用于传统的方案优化，也可以应用于自适应放射治疗的方案优化中；

(3)本发明可以利用生物准则进行自动方案优化。

附图说明：

下面结合附图对本发明的具体实施方式作进一步详细说明。

图1是本发明的自动确定目标函数权重的放射治疗方案优化系统的具体实施流程图；

图2是本发明的最大DVH限制的权重修正示意图；

图3是本发明的最小DVH限制的权重修正示意图；

图4是本发明的信息输入模块的硬件构成示意图；

图5是本发明的方案优化结果输出模块构成示意图；

图6是本发明的自动确定目标函数权重的放射治疗方案优化系统组成框图。

具体实施方式

为使本发明实施例的目的、特点和优点能够更为明显易懂，下面结合附图对本发明的具体实施作详细的说明。

如图6所示，本发明提供了一种自动确定目标函数权重的放射治疗方案优化系统1，包括信息输入模块11、预处理模块12、方案优化模块13、权重调整模块14、方案优化结果输出模块15；所述的信息输入模块11的硬件构成如图4所示，该模块包括3个功能单元：病人三维信息获取功能单元111、器官勾画功能单元112和其它信息输入功能单元113。在病人三维信息获取功能单元111中，病人通过硬件设备进行成像，得到病人的三维密度信息，硬件常用的设备是螺旋CT。为了增加螺旋CT成像的质量，采用功能成像设备(如核磁共振成像设备)对病人进行成像，以增强螺旋CT成像的质量或直接用来表示病人的三维密度信息。在器官勾画功能单元112中进行自动勾画而获取器官勾画信息，可以通过物理师在所获取的三维密度信息上进行勾画，从而获得病人的各器官勾画信息，也可以通过自动勾画软件进行自动勾画而获取病人的各器官勾画信息。在其它信息输入功能单元113中输入治疗头信息，目标函数信息，以及目标函数中所使用器官的DV限制参数等。治疗头信息包括完整的治疗头形状结构和参数信息，以及照射方向，等中心的位置等。目标函数信息为针对当前具体的病例设置的目标函数，包括各子目标函数的类型、所使用的参数值等。

所述的器官勾画功能单元112和其它信息输入功能单元113都在计算机上实现。以上所述硬件设备以及器官勾画的软件可以在大型医疗设备公司获取得到。

所述的预处理模块12包含一个剂量计算功能单元(图未视出)，在使用当前治疗头的情况下，通过剂量计算引擎，计算不同照射方向的剂量沉积矩阵。实施的技术方案是，首先，根据获取的病人的各器官勾画信息、等中心点和照射方向确定每个方向需要计算的射束；然后，根据病人的三维密度信息和治疗头信息，通过剂量计算引擎计算每个射束的剂量分布，从而得到剂量沉积矩阵。剂量计算引擎所采用的算法可以是笔形束算法、点核算法、蒙特卡罗算法和确定性方法等。在这个模块中，我们使用经典笔形束算法计算剂量分布。为了提高笔形束算法的计算速度，该算法被嵌入到硬件设备中，形成单独的剂量计算硬件设备。

通常，该剂量计算功能单元在计算机上实现，同样其软件可以在大型医疗设备公司都获取得到。由于该功能单元的执行无需用户的参与，因此该功能单元可以由专门的计算剂量分布的硬件设备实现。

所述的方案优化模块13包括利用已知信息输入模块11的其它信息输入功能单元113的目标函数和预处理模块12的剂量沉积矩阵，通过方案优化引擎，进行方案优化。实施的技术方案是，在已知目标函数和剂量沉积矩阵的情况下，就可以进行方案优化来确定最终各子野的形状和权重。方案优化算法可以采用两步法(注量图优化和射野分割)或直接子野优化方法。在本发明具体实施方式中，以直接子野优化方法为例进行说明。子野优化是一个迭代的过程。在每次迭代中，首先，在所有的照射方向中选择一个最佳的子野形状；其次，通过子野权重优化算法重新计算已有子野的权重值；最后，删除权重值为零的子野，并对剩余子野形状进行微调，以达到子野形状最优。如果总的子野个数超过预设的上限值，则在迭代过程中不再增加新的子野，只做子野权重优化，删除子野和子野形状微调。方案优化进行一段时间或迭代一定次数之后停止优化，并输出优化结果到权重调整模块14，如每迭代十次，停止优化并将结果输出到权重调整模块14。

所述的权重调整模块14根据方案优化模块13的输入信息，计算各器官的剂量分布和各子目标函数值(限制参数)，并判断各子目标函数是否都满足优化的终止条件，如果方案优化结果满足临床要求，方案优化结束并将方案优化结果输出到方案优化结果输出模块15；否则修正各子目标函数的权重，继续方案优化，权重修改后，将按照新的子目标函数权重继续之前停止的方案优化，方案优化和权重调整循环进行，直到方案优化的终止条件都满足而停止。

所述的子目标函数可以分为7类，分别为最大剂量子目标函数、最小剂量子目标函数、均匀剂量子目标函数、DVH子目标函数、等效均一剂量(equivalent uniform dose，EUD)子目标函数、肿瘤控制率(tumor controlprobability，TCP)子目标函数和正常组织并发症概率(normal tissuecomplication probability，NTCP)子目标函数。所有子目标函数权重的采用相似的修正方法，当前子目标函数的权重值为w_old，修改后的子目标函数权重值为w_new，二者的关系为

w_new＝w_old×factor，

或者

w_new＝w_old+factor，

其中factor为修正因子。在优化过程中，需要根据方案优化模块13中的优化时间或迭代次数来决定选择使用乘法或加法对权重进行修正。如果系统设置的优化时间较短或迭代次数比较少，这时需要使用加法进行校正，以避免因权重变化太大而引起的优化结果反复振荡现象。如果系统设置的优化时间较长或迭代次数比较多，这时需要使用乘法进行校正，以缩短优化所需的时间。

以下是7种不同的子目标函数权重修正因子的具体计算方法：

1、最大剂量子目标函数：

factor＝D₂/D₁，

其中D1为处方剂量，D2为该子目标函数对应器官的最大剂量值；

2、最小剂量子目标函数：

factor＝D₁/D₂，

其中D1为处方剂量，D2为该子目标函数对应器官的最小剂量值；

3、均匀剂量子目标函数：

factor＝max(D₁，D₂)/min(D₁，D₂)，

其中D1为处方剂量，D2为该子目标函数对应器官的均匀剂量值；

4、DVH子目标函数：对于最大DVH限制，如果对应DVH曲线从该DVH限制点的上方通过，则认为该子目标函数所对应器官的剂量分布不满足临床需求，如图2所示。在图2中，DVH限制为点S201，其对应的剂量-体积值分别为D1和V1。而在当前的DVH曲线上，体积为V1的点在S202处，对应剂量值为D2；剂量为D1的点在S203处，对应体积为V2。在点S201、S202和S203所围成的多边形范围内的剂量分布是不满足当前DVH限制的。因此，需要增加子目标函数的权重值，以期望在下次方案优化后该子目标函数满足要求。此时，修正因子可以根据剂量条件获得：

factor＝D₂/D₁；

也可以根据体积条件计算得到：

factor＝V₂/V₁。

对于最小DVH限制，如果DVH曲线从该限制点的下方通过，则认为该DVH所对应器官的剂量分布不满足临床需求，如图3所示，DVH限制为点S301，其对应的剂量-体积值分别为D1和V1。而在当前的DVH曲线上，体积为V1的点在S302处，对应剂量值为D2；剂量为D1的点在S303处，对应体积为V2。在点S301、S302和S303所围成的多边形范围内的剂量分布是不满足当前DVH限制的，需要修正对应子目标函数的权重。修正方法与上述最大DVH限制的修正方法相似，其中根据剂量条件和体积条件计算所得修正因子分别为

factor＝D₁/D₂

和

factor＝V₁/V₂；

5、EUD子目标函数：当EUD的参数a值大于等于1时，该子目标函数被用来控制正常组织或靶区上的高剂量分布，此时修正因子的计算方法与最大子目标函数修正因子的计算方法相似。当参数a值小于1时，该子目标函数被用来控制靶区的低剂量分布，此时修正因子的计算方法与最小子目标函数修正因子的计算方法相似；

6、TCP子目标函数：计算方法与最小剂量子目标函数修正因子的计算方法相似；

7、NTCP子目标函数：计算方法与最大剂量子目标函数修正因子的计算方法相似。

所述的方案优化模块13和权重调整模块14是本发明的主要部分。这两个模块分别包含了方案优化功能单元(图未视出)和权重调整功能单元(图未视出)，由于这两个功能单的运行无需用户的参与，这两个功能单元可以在计算机上执行。在实现过程中，由于方案优化模块13和权重调整模块14被循环调用，因此，为了提高运算速度，这两个模块的实现也上可以被嵌入到一个硬件设备上，以快速地实现方案优化功能和权重调整功能，从而形成独立的方案优化和权重调整硬件设备。

所述的方案优化结果输出模块15包括两个功能单元：放射治疗功能单元151和优化结果显示功能单元152(如图5所示)。放射治疗功能单元151将方案优化所得子野形状、子野权重、射线源等信息输入到放射治疗设备，以控制放射治疗设备对病人进行放射治疗，其中子野形状和子野权重分别用来控制多叶准直器的开口形状和在对应开口形状下的射线照射时间长短。常用的放射治疗设备可以在大型医疗设备公司获取得到。优化结果显示功能单元152将优化结果中的三维剂量分布和DVH曲线分别输入到计算机和打印机，以显示方案优化的结果和生成报表。

如图1、图6所示，本发明的自动确定目标函数权重的放射治疗方案优化方法：

步骤S101为信息输入，在信息输入模块11中，输入病人的三维密度信息、器官勾画信息、治疗头信息，目标函数信息，以及目标函数中所使用器官的DV限制参数等。其中病人的三维密度信息可以是CT图像、MR图像或其它方式获取的病人密度信息。器官勾画信息可以通过物理师在三维密度信息上进行勾画而获得的，也可以通过自动勾画软件进行自动勾画而获取。治疗头信息包括完整的治疗头形状结构和参数信息，以及照射方向，等中心的位置等。目标函数信息为针对当前具体的病例设置的目标函数，包括各子目标函数的类型、所使用的参数等。

步骤S102为预处理，在预处理模块12中，首先，根据获取的病人的各器官勾画信息、等中心点和照射方向确定每个方向需要计算的射束；然后，根据病人的三维密度信息和治疗头信息，通过剂量计算引擎计算每个射束的剂量分布，从而得到剂量沉积矩阵。剂量计算引擎所采用的算法可以是笔形束算法、点核算法、蒙特卡罗算法和确定性方法等。在这个模块中，我们使用经典笔形束算法计算剂量分布。为了提高笔形束算法的计算速度，该算法被嵌入到硬件设备中，形成单独的剂量计算硬件设备。

步骤S103为方案优化，在方案优化模块13中，在已知信息输入模块11的其它信息输入功能单元113的目标函数和预处理模块12的剂量沉积矩阵的情况下，就可以进行方案优化来确定最终各子野的形状和权重。方案优化算法可以采用两步法(注量图优化和射野分割)或直接子野优化方法。在本发明具体实施方式中，以直接子野优化方法为例进行说明。子野优化是一个迭代的过程。在每次迭代中，首先，在所有的照射方向中选择一个最佳的子野形状；其次，通过子野权重优化算法重新计算已有子野的权重值；最后，删除权重值为零的子野，并对剩余子野形状进行微调，以达到子野形状最优。每迭代十次，停止优化并将结果输出到权重调整模块。如果总的子野个数超过预设的上限值，则在迭代过程中不再增加新的子野，只做子野权重优化，删除子野和子野形状微调。

步骤S104为权重调整，在权重调整模块14中，根据方案优化模块13的输入信息，计算各器官的剂量分布和各子目标函数的值，并判断各子目标函数是否都满足优化的终止条件。如果所有子目标函数的条件都满足，方案优化结束，输出优化结果，否则，按照发明内容中的权重修正方式对各子目标函数的权重就行修正。权重修改后，将按照新的子目标函数权重继续之前停止的方案优化。方案优化和权重调整循环进行，直到方案优化的终止条件都满足而停止。

在实现过程中，方案优化模块13和权重调整模块14被循环调用。因此，为了提高运算速度，这两个模块的实现被嵌入到一个硬件设备上，以快速地实现方案优化功能和权重调整功能。

步骤S105为输出方案优化结果，在方案优化结果输出模块15中，方案优化结果输出模块输出三维剂量分布、DVH曲线、子野形状和子野权重等。在这个模块中子野形状、子野权重以及其它关于射线源的信息(参数)被输入到放射治疗设备，由这些输入参数来控制放射治疗设备，对病人进行放射治疗，其中子野形状和子野权重分别用来控制多叶准直器的开口形状和在对应开口形状下的射线照射时间长。三维剂量分布和DVH曲线被输入到计算机和打印机，分别用来显示方案优化结果和打印报表。

本发明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干的改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种自动确定目标函数权重的放射治疗方案优化方法，其特征在于：具体步骤如下：

步骤一、为信息输入，在信息输入模块中，输入病人的三维密度信息、器官勾画信息、治疗头信息，目标函数信息，以及目标函数中所使用器官的DV限制参数；

步骤二、为预处理，在预处理模块中，首先，根据获取的病人的各器官勾画信息、等中心点和照射方向确定每个方向需要计算的射束；然后，根据病人的三维密度信息和治疗头信息，通过剂量计算引擎计算每个射束的剂量分布，从而得到剂量沉积矩阵；

步骤三、为方案优化，在方案优化模块中，在已知信息输入模块的其它信息输入功能单元的目标函数和预处理模块的剂量沉积矩阵的情况下，就可以进行方案优化来确定最终各子野的形状和权重，首先，在所有的照射方向中选择一个最佳的子野形状；其次，通过子野权重优化算法重新计算已有子野的权重值；最后，删除权重值为零的子野，并对剩余子野形状进行微调，以达到子野形状最优，如果总的子野个数超过预设的上限值，则在迭代过程中不再增加新的子野，只做子野权重优化，删除子野和子野形状微调；

步骤四、为权重调整，在权重调整模块中，根据方案优化模块的输入信息，计算各器官的剂量分布和各子目标函数的值，并判断各子目标函数是否都满足优化的终止条件，如果所有子目标函数的条件都满足，方案优化结束，输出优化结果，否则，对各子目标函数的权重就行修正，权重修改后，将按照新的子目标函数权重继续之前停止的方案优化，方案优化和权重调整循环进行，直到方案优化的终止条件都满足而停止；

步骤五、为输出方案优化结果，在方案优化结果输出模块中，方案优化结果输出模块输出三维剂量分布、DVH曲线、子野形状和子野权重，在这个模块中子野形状、子野权重以及其它关于射线源的信息(参数)被输入到放射治疗设备，由这些输入参数来控制放射治疗设备，对病人进行放射治疗，其中子野形状和子野权重分别用来控制多叶准直器的开口形状和在对应开口形状下的射线照射时间长，三维剂量分布和DVH曲线被输入到计算机和打印机，分别用来显示方案优化结果和打印报表。

2.如权利要求1所述的一种自动确定目标函数权重的放射治疗方案优化方法，其特征在于：所述的病人的三维密度信息可以是CT图像、MR图像或其它方式获取的病人密度信息。

3.如权利要求1所述的一种自动确定目标函数权重的放射治疗方案优化方法，其特征在于：所述的器官勾画信息可以通过物理师在三维密度信息上进行勾画而获得的或通过自动勾画软件进行自动勾画而获取。

4.如权利要求1所述的一种自动确定目标函数权重的放射治疗方案优化方法，其特征在于：所述的治疗头信息包括完整的治疗头形状结构和参数信息，以及照射方向，等中心的位置，所述的目标函数信息为针对当前具体的病例设置的目标函数，包括各子目标函数的类型、所使用的参数。

5.如权利要求1所述的一种自动确定目标函数权重的放射治疗方案优化方法，其特征在于：所述的剂量计算引擎所采用的算法可以是笔形束算法、点核算法、蒙特卡罗算法和确定性方法。

6.如权利要求1所述的一种自动确定目标函数权重的放射治疗方案优化方法，其特征在于：所述的治疗头信息包括完整的治疗头形状结构和参数信息，以及照射方向，等中心的位置等。目标函数信息为针对当前具体的病例设置的目标函数，包括各子目标函数的类型、所使用的参数值。