CN106029170B - 增量治疗计划编制 - Google Patents
增量治疗计划编制 Download PDFInfo
- Publication number
- CN106029170B CN106029170B CN201380081802.3A CN201380081802A CN106029170B CN 106029170 B CN106029170 B CN 106029170B CN 201380081802 A CN201380081802 A CN 201380081802A CN 106029170 B CN106029170 B CN 106029170B
- Authority
- CN
- China
- Prior art keywords
- dosage
- optimization
- plan
- treatment plan
- dose
- 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.)
- Active
Links
- 238000011282 treatment Methods 0.000 title claims abstract description 115
- 238000005457 optimization Methods 0.000 claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000003439 radiotherapeutic effect Effects 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 61
- 238000009826 distribution Methods 0.000 claims description 46
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 230000002829 reductive effect Effects 0.000 claims description 5
- 238000002560 therapeutic procedure Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000011221 initial treatment Methods 0.000 description 26
- 231100000628 reference dose Toxicity 0.000 description 19
- 210000000056 organ Anatomy 0.000 description 10
- 238000004088 simulation Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 6
- 238000001959 radiotherapy Methods 0.000 description 5
- 230000000717 retained effect Effects 0.000 description 5
- 230000002441 reversible effect Effects 0.000 description 5
- 230000001225 therapeutic effect Effects 0.000 description 5
- 239000004744 fabric Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
- A61N2005/1035—Simulated annealing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
提供了一种产生患者的放射疗法治疗计划的方法。治疗计划通过使用至少基于对患者的初始计划剂量的优化目标来进行优化。
Description
技术领域
本发明涉及放射疗法治疗计划编制,并且具体地涉及放射疗法治疗计划的优化。
背景技术
在放射疗法中,目的通常是将足够高的放射剂量传送到患者体内的靶(例如肿瘤),同时尽可能地防护周围的正常组织。特别是对接近靶的敏感器官的剂量最小化是重要的。通常被用于放射疗法治疗期的限定了治疗参数(例如治疗机器设置)的治疗计划通常在基于计算机的治疗计划编制系统的帮助下确定。在逆向治疗计划编制中,使用了优化算法以寻找能在目标内产生可接受的计量分布的治疗参数集,优选地满足临床医师限定的所有的临床目标。然而,治疗计划优化过程不以任何方式保证能够获得最好的治疗计划。结果通常取决于治疗计划编制者的经验,并且例如用于优化的治疗目标的选择。甚至对于有经验的治疗计划编制者来说,在找到可接受的治疗计划之前,通常需要大量的“试错”。
另外,如果优化的治疗计划的剂量分布在大多数情况下是令人满意的,但是仍包括一些小的缺陷,这对于治疗计划编制者来说不容易发现如何调整优化目标或约束(或目标权重)以补救这些不足。
本发明的目标是克服或至少减少上述的缺陷,并且特别地提供治疗计划编制系统,其能够给出治疗计划以在更大范围内达到满意的临床目标。
发明内容
根据本发明的一个方面,提供一种用于产生对患者的放射疗法治疗计划的方法。优选地,所述方法包括,用处理器基于一个或多个优化目标来优化治疗参数,其中一个或多个所述优化目标至少部分地基于初始计划剂量,该初始计划剂量包含在患者的初始放射疗法治疗计划编制结果中并且在放射疗法治疗计划产生之前获得。
根据本发明的另一个方面,提供了一种计算机程序产品。优选地,所述计算机程序产品包括计算机可读指令,当其在计算机上运行时,将使得计算机执行产生放射疗法治疗计划的方法。
根据本发明的又一个方面,提供了一种计算机系统。优选地,所述计算机系统包括与至少一个存储器连接的处理器,在所述存储器中已经存储了包括用于产生放射疗法治疗计划的计算机可读指令的计算机程序,其中所述处理器被配置为运行所述计算机可读指令。
本发明是基于这样的认识,治疗计划优化当基于接近可实现的治疗目标时,它是更有效的。因此,本发明提出获得最佳治疗计划的优化过程,其中该优化部分地基于从初始治疗计划编制得到的剂量分布。当通过使用基于初始计划剂量的优化目标产生治疗计划时,优化目标将反映可实现或至少接近可实现的剂量。因此,治疗计划编制将是有效的,并且将很有机会获得令人满意的治疗计划。初始放射疗法治疗计划编制结果可以是任何传统的用于治疗计划编制方法的结果,并且可以例如基于逆向治疗计划编制,其中使用优化算法以寻找产生能够尽可能满足特定治疗目标的剂量的治疗参数集。
根据一些实施方式,初始治疗计划编制结果包括初始计划治疗参数设置,当产生放射疗法治疗计划时使用这些初始计划治疗参数设置。因此,获得了“暖启动”,其中初始计划变量设置被用作治疗计划优化的开始点。这能够得到减少的计算时间,并且当仅对优化目标引入较小的修正时这是特别有用的。
根据一些实施方式,一个或多个所述优化目标至少部分地基于与初始计划剂量对应的空间剂量分布。因此,治疗计划编制的目的在于保留在初始治疗计划中获得的实际的剂量空间分布。
根据一些实施方式,一个或多个所述优化目标至少部分地基于与初始计划剂量对应的剂量体积直方图。因此,治疗计划编制的目的在于保留剂量-体积统计量,而不是初始计划剂量的空间特性。
根据一些实施方式,一个或多个所述优化目标至少部分地基于与初始计划剂量对应的特征性剂量减少(fall-off)。因此,保留了特征性剂量减少,其描述了初始计划剂量如何取决于到靶的距离。
根据一些实施方式,一个或多个所述优化目标是不基于所述的初始计划剂量的另外目标,因此,其它治疗目标被用于与基于初始计划剂量的目标结合。另外目标可以被用于特别地处理初始计划剂量的需要被改进的一些方面。另一方面,基于初始计划剂量的目标将抑制初始计划剂量分布的任何不应有的、实质上的变化。
根据一些实施方式,一个或多个所述优化目标至少部分地基于所述初始计划剂量的修正。因此,部分修正的初始计划剂量被用作至少一个优化目标的基础。剂量的修正可以特别地处理初始计划剂量的需要被改进的一些方面。因此没有被修正的剂量分布的部分也被用作优化目标的基础,未修正的初始计划剂量分布的任何不应有的、实质上的变化将被抑制。
根据一些实施方式,关于另外目标和/或所述初始计划剂量的修正的用户输入经用户输入界面从用户接收,并且被用于定义一个或多个所述优化目标。由此,用户输入,其可以基于初始治疗计划编制结果的评估,可以被合并到治疗计划编制过程中。有利地,这样的用户输入可以在优化过程中被连续地接收,这允许用户有效地控制治疗计划编制结果。
附图说明
图1是根据本发明的方法的流程图。
图2A显示了在初始治疗计划编制得到的靶和危及器官的剂量体积直方图。图2B显示了用于增量治疗计划编制的目标。图2C显示了用于增量治疗计划编制的目标的替代物。
图3A显示了靶区域、危及器官区域和初始治疗计划编制得到的剂量分布。图3B显示了修正的剂量分布,其被用作增量治疗计划编制的目标。图3C显示了增量治疗计划编制之后的结果剂量。
图4是根据本发明的示例性实施方式的计算机系统的示意图。
具体实施方式
治疗计划编制通常在患者的如计算机断层扫描(CT)的内影像基础上执行,并且基于这些影像中限定和分割的内部结构。图3A-3C是患者的二维图像(例如与CT扫描的一个层面相关)的示意图。患者的三维表示经常被离散化成多个体素(voxel),用于剂量计算和治疗计划编制目的。
图1是根据本发明实施例的方法的流程图。在步骤101,获取与初始治疗计划编制结果有关的数据。初始治疗计划编制结果至少包括初始计划剂量。初始治疗计划可以涉及传统的正向治疗计划编制,其中治疗计划编制者例如基于经验定义治疗参数设置,并且计算结果剂量。治疗计划编制者可以修正参数并且重复剂量计算直到他或她对结果感到满意。然而,初始治疗计划通常包括逆向治疗计划编制,其中优化算法被用于寻找治疗参数集来产生尽可能满足由治疗计划编制者定义的所有不同目标和/或约束的剂量(其中这些目标基于治疗的临床目标依次被定义,例如由放射肿瘤学家定义)。因此,初始治疗计划编制可以对应于任何类型的用于确定放射疗法治疗计划的治疗计划编制过程。例如,传统的反向治疗计划可以被使用,或更多的新技术,例如多标准优化(Multi-CriteriaOptimizaiton)可以被使用。治疗计划可以被优化用于任何种类的使用任何模型的放射治疗设备中,包括光子、质子或电子。治疗计划可以是强度调制放射疗法(IMRT)计划或任何其他放射治疗计划,例如,三维适形放射疗法(3DCRT)计划或体积调制户型疗法(VMAT)计划。
当优化治疗计划时,每个优化目标将由对应优化函数表示。例如可以被执行用于初始治疗计划的反向治疗计划编制的常用方法要最小化(或最大化)包括所有优化函数的目标函数,经常受限于某些计划约束。目标函数f经常为优化函数fi的加权和,也就是,
其中优化函数的权重wi对应于彼此相关的、可能相冲突治疗目标的一个优化函数值的减少抵消第二优化函数值的增加的比率。对于不同的优化函数权重是特异的(specific)。还能够在优化函数中使用体素-特异权重,反映在不同体素中满足目标的相对重要性。
对应于对包括j体素的特定关注区域(ROI)如靶体或危及器官(OAR)定义的统一剂量优化目标的优化函数fi的简单实施例是:
其中dj是体素j内的剂量,dref是参考剂量,且Δvj是ROI内的体素j的相对体积。剂量dj是治疗参数的函数,治疗参数通过优化被确定,并且参考剂量dref是与ROI内的期望剂量相关的剂量目标。通过乘以相对体积Δvj和除以参考剂量dref的平方的规范化具有这样的效果,不管目标权重,所有ROI被认为是同等重要的,不考虑体积和参考剂量水平。使用如(2)中限定的统一的剂量优化函数,相对于参考剂量水平的不足量和过量是同等惩罚的。这里只是一个例子,并且如本领域技术人员应该明了的,许多其他优化目标和相关优化函数可以被使用以代替或添加于该函数。这样的实施例有最小化或最大化剂量优化函数、基于最小或最大剂量体积直方图(DVH)的优化函数或基于放射生物学的优化函数。
当优化目标函数以得出治疗计划时,可以使用多种不同优化技术。可以使用例如基于梯度的方法,例如基于顺序二次规划算法的方法,或启发式方法,例如模拟退火。优化可以是基于剂量的,其需要接着被转换为机器参数,或基于直接机器参数优化(DMPO),其中机器参数被直接优化,或两者的结合。使用优化的传统的逆向治疗计划编制是本领域已知的,并且因此在本文中不做进一步详细描述。
初始治疗计划编制的结果是初始计划剂量和初始计划治疗参数集。根据本发明,该治疗计划不被用作最终治疗计划。
在步骤102,至少部分地基于初始计划剂量生成了治疗计划。在步骤102中的治疗计划编制在本文中被称为“增量式”治疗计划编制或优化,表示该治疗计划基于初始计划剂量分布。从初始治疗计划编制得到的初始计划治疗参数也可以被用于增量治疗计划编制中,以提高整个治疗计划过程的效率。
增量优化使用目标函数的优化,目标函数包括至少部分地基于在初始治疗计划编制中确定的剂量分布的一个或多个优化目标。优选地,另外的优化目标不基于初始计划剂量,或初始计划剂量的一些较小的修正也被合并在优化中。然而,至少一些初始使用的优化目标在增量优化中是被忽视的。根据一些示例性实施方式,所有先前使用的目标被忽视。根据可替代示例性实施方式,一个或多个初始使用的优化目标在增量治疗计划中被保留,并且与基于初始计划剂量的优化目标结合使用。优选地,被保留的一个或多个优化目标与没有在初始治疗计划编制中被实现的临床目标相关。
因此,至少部分目的在于获取特定剂量分布(即从初始治疗计划中获得的剂量分布)的优化被执行。这样的优化在本文中被称为“剂量模拟(dose mimicking)”,表示优化的目标是找到治疗参数集,其产生了与特定剂量分布尽可能接近匹配或“模拟”的剂量分布。剂量模拟可以基于空间剂量分布,即使用参考剂量目标,其对每个体素是不同的和特异的。可替代的或附加的,剂量模拟可以基于剂量体积直方图(DVH),即使用先前获取的DVH曲线作为优化中的参考。可替换地或附加地,参考剂量减少函数可以从初始计划剂量中获取,并被用作优化目标。这些不同的剂量模拟方法在下面进一步详细描述。
空间剂量模拟
当模拟空间剂量分布时,可以使用类似于以上实施例中的方程(2)定义的函数的优化函数,不同在于参考剂量对于每个体素来说是特异的。即,在本发明的情况下,体素的参考剂量对应于用于体素的初始计划剂量。因此,差被用于优化函数中,其中是对于体素j特定的参考剂量。不同的剂量模拟优化函数可以被用于不同的区域。例如,惩罚体素内不足量和过量(例如类似于根据方程2的函数,但是使用体素-特定参考剂量水平)的优化函数可以被用于靶,同时仅惩罚过量的优化函数可以被用于其他区域,例如在与特定危及器官(OARs)相关的区域。
DVH模拟
当模拟DVH曲线时,可以使用多种方法。例如,可以使用统一的参考DVH优化函数。相对于最大或最小DVH优化函数,其中仅惩罚相对于DVH曲线上的特定点的偏差,统一的参考DVH优化函数惩罚待优化计划的DVH曲线和参考DVH曲线之间的任何差异。例如,如果限定确定DVH曲线的参数的函数D(v)作为累积体积的函数(设D(v)是最小的剂量水平d,使得体积分数v接受大于d的剂量),优化函数f可以采用以下形式
其中D(v)是指待优化计划的DVH,并且Dref(v)指的是参考DVH曲线(例如DVH曲线是初始治疗计划的结果)。使用一些参考剂量水平的规范化,例如对应于根据方程(2)的规范化,可以优选地合并于优化函数内。
DVH曲线不包括任何空间信息,是特定结构内剂量分布的简单2D表示。因此,当使用基于DVH的剂量模拟,优化会更多地聚焦于剂量-体积统计量,而更少地关注剂量分布的空间特性。
剂量减少(fall-off)模拟
参考剂量减少模拟用于重复参考剂量分布的靶体之外的剂量减少。因此,对于区域内的每个体素j,其中剂量减少是待模拟的,到靶体的近似最短的距离δj被计算。剂量减少函数Δ(δ)接着被建立,其近似地描述了参考剂量(即初始计划剂量)是如何依赖于到靶的距离。优化函数被最终限定,例如类似于与方程(2)相似的优化函数,但是用剂量减少函数替代参考剂量水平,即这样的差(dj-Δ(δj))被用于优化函数内。
使用该方法,体素的参考剂量将不完全对应于体素的初始计划剂量(如剂量分布模拟),而是根据从初始计划剂量分布确定的特征性剂量减少来计算。如简单的实施例,对距离靶相应距离的所有体素,根据初始计划剂量分布,建立减少函数Δ(δj),使得在距离靶δj的体素j的参考剂量是平均剂量。
任何所述的剂量模拟优化函数可以互相结合和/或与目标函数中的其他优化函数结合,如以下将参考图2B所述讨论的。
剂量模拟优化函数可以不仅仅用于增量治疗计划编制中,还可以在确定初始计划剂量时使用。如一个实施例,用户可定义期望的剂量分布并且用作初始治疗计划编制中的优化目标。因此,用户可以使用任何合适的用户界面“描绘”(或采用任何其他方式)定义患者体内期望的剂量分布。可替换地或附加地,可使用如上所述的参考剂量减少函数,有利地在多个区域内与一些特定的期望剂量水平结合,来定义期望的剂量分布。然后期望的剂量分布被用作根据上述的剂量模拟优化中的优化目标。从剂量模拟优化中得到的计划剂量将通常不完全对应于期望的剂量分布,因为期望的剂量可能是不能实现的。虽然如此,计划剂量分布被用作后来的增量治疗计划编制的基础,不考虑先前被用作优化目标的期望剂量分布。由此,增量治疗计划编制将基于实际可获得的剂量分布,并且不仅仅基于期望剂量分布。
图2A显示了表示初始治疗计划编制结果的剂量体积直方图(DVH)曲线。相应地,靶区域DVH曲线201和危及器官DVH曲线202显示了根据初始治疗计划编制传递到这些结构的剂量。虽然仅显示了两个DVH曲线,应理解,与多个不同结构相关的许多DVH曲线可以从初始治疗计划中得到,并且被用于增量治疗计划编制步骤中的优化目标的基础。初始治疗计划编制可以是使用多个目标的优化的逆向治疗计划编制过程。在该示例性实施方式中,目标203、204、205、206作为DVH图中的小箭头显示在图2A中。最小的DVH目标203被指定到靶体积,限定了至少95%的体积将接受60Gy或更多。最大的剂量目标也被指定到靶,限定了靶中没有部分将接受超过70Gy。另一最大剂量目标205,指定到危及器官,限定了器官中没有部分将接受超过55Gy。最后,最大DVH目标被指定到危及器官,限定了最多50%的器官将接受大于15Gy。这些仅是优化目标的实施例,其可以被用于初始治疗计划编制步骤。许多可替换的目标和/或约束可以被使用以替代,或附加于这些,对应于基于物理(即整个基于剂量)和生物的优化函数相关。
图2B显示了用于后续增量治疗计划编制步骤中的优化目标。从初始优化得到的DVH曲线201、202现在被与一个另外的目标207(限定了对靶的最小剂量58Gy)一起用作目标。先前使用的目标在增量优化步骤中完全不被考虑。进一步地,或另外地,另外目标和相关优化函数可以合并在增量优化的目标函数中。例如,可以使用与剂量均匀性、平均剂量、等效均衡剂量(EUD)、肿瘤控制概率(TCP)、正常组织并发症概率(NTCP)或其他基于物理或生物的优化函数相关的目标。然而,在增量优化步骤中使用的目标函数将总是至少部分地基于从初始治疗计划编制中得到的初始计划剂量,优选地通过剂量模拟优化函数,如以上讨论的。在图2B中,被用作增量计划编制中的优化目标的初始计划剂量被显示为DVH曲线201、202。被用于增量优化中的示例性目标函数可以因此由两个DVH模拟优化函数(每个DVH一个)和一个最小剂量优化函数组成。然而,可使用空间剂量分布模拟函数和/或参考剂量减少函数结合于或替代DVH模拟函数。这些剂量模拟优化函数可以以对应方式结合于另外目标,例如最小剂量目标207。
图2C显示了用于增量治疗计划编制中的可替换的优化目标。如图所示,修正的DVH曲线202’,包括较小的修正208,现在与未修正的DVH曲线201一起用作目标。使用DVH曲线202’和201作为目标的增量优化通过DVH模拟优化执行,如上所述。
DVH曲线的较小的修正,其被用作增量优化算法的输入,可以与治疗计划编制者想要补救的特定剂量差异相关联。在图2C显示的实施例中,修正207的目的在于减少OAR DVH中的剂量异常,见其他方面相对平滑的DVH的“凸起”,其表示所谓的“热点”(接受不合理高剂量的区域部分)。任何种类的用户界面可被用于允许治疗计划编制者输入期望的初始计划剂量的修正。如一个实施例,用户界面可以允许用户点击(例如用鼠标)在DVH曲线上并且在期望的方向上把曲线的一些部分拖动期望的距离。这将得到轻微修正的DVH曲线,其与相关于其他结构的未修正的DVH曲线一起,将建立增量优化的优化目标,如上所述。
在其他实施方式中包括用来修正优化目标的剂量分布的交互式处理,从初始优化中得到的整个三维剂量分布可以被用作增量优化的基础,即使用空间剂量模拟。这样的实施方式首先参考图3A-3C进行描述。图3A显示了患者的截面(例如对应于CT切片),其包括靶区域301和危及器官(OAR)区域302,和从初始治疗计划步骤得到的剂量分布,有对应于一些特定剂量水平的等剂量线303表示。
根据该示例性实施方式,使用任何适合的用户界面直接在图像中定义剂量分布的较小修正。例如,热点或冷点可以通过将相应的等剂量线的部分在期望方向上拖曳期望的距离来确定。在图3B中,等剂量线的部分(显示为虚线)已经被朝向靶移动,使得等剂量线不会覆盖OAR 302,得到了修正的等剂量线303’。这产生了修正的剂量分布,用作增量优化的目标,其中修正的剂量分布对应于先前获得的剂量分布,除了在体素内且可能在区域305附近。区域305对应于从先前等剂量线303减去的修正的等剂量线303。等剂量线修正可以以多种方式转化为相关体素内的修正的剂量目标。例如,区域305内的每个体素可以被指定剂量目标为与等剂量线303相关的剂量水平以下的预定水平。作为另外的可替换方式,区域305内的体素的剂量目标可以基于根据等剂量线303的剂量和根据一些特定的较低剂量水平的等剂量线的剂量(即与位于等剂量线303更外侧的特定等剂量线(未示出)相关)的插值。区域305内的体素的修正的参考剂量水平因此依赖于基于修正的等剂量线303’和与初始计划剂量分布中的特定较低剂量水平相关的等剂量线的体素的相对位置。对于具有修正的参考剂量水平的体素(例如区域305内的体素),优化中使用的重要性权重可以被调整,例如根据一些预定的准则增加。由此,相比保留具有未修正的参考剂量的体素内的剂量水平,增量优化可以优先考虑获得建议的剂量修正。
在增量治疗计划编制步骤中使用的剂量模拟优化将接着尝试获得具有修正的等剂量线303’的修正的剂量分布。图3C显示了包括从增量治疗计划步骤获得的更新的等剂量线303”的剂量分布,其例如可以包括如前所述的空间剂量模拟优化。如图中可以看见的,从图3B的剂量修正已经被部分地满足,同时附近区域内的剂量仅轻微地改变。如果治疗计划编制者对结果满意,治疗计划被批准并且用于治疗患者。如果没有满足,治疗计划编制者可以尝试剂量部分的一些其他修正,或加入一些其他另外的优化目标。在图3A-3C中,剂量分布被显示并修正为二维图像(例如与患者的CT切片相关)。可替换地或附加地,剂量分布可以直接在患者的3D图像中被可视化和修正。
作为修正等剂量线的可替换方式,可以使用允许“绘制”期望剂量修正的用户界面,例如根据图3B的修正的剂量分布。例如,可以使用“画笔”工具,类似于有时用于在图像分割过程中修正结构等高线的工具。由此,通过使用工具,剂量的期望的调整可以直接在图像中指定,在剂量分布待调整的图像的区域内,例如通过定位和/或点击鼠标指针,或使用一些其他数据输入装置。用户可定义画笔工具的扩展。因此,当使用该工具,可对画笔覆盖的所有体素调整剂量水平。例如,“减少剂量”和/或“增加剂量”功能可被分别用于减少或增加区域内的剂量(例如一个或多个体素),不考虑区域内的先前的剂量水平。根据画笔覆盖区域内的相对位置,对不同体素,剂量调整可以不同。例如,画笔覆盖区域中心的体素相比该区域外围的体素可以进行更多调整。可使用任何适合的数据输入装置输入提高剂量和/或减少剂量的用户命令,例如鼠标按键和/或鼠标滚轮等。画笔工具可用作2D工具,例如仅修正当前显示的CT切片的体素。可替换地,画笔工具可用作3D工具,用于2D-或3D患者图像,修正被画笔工具覆盖的体积内的所有体素(例如具有用户限定半径的球形画笔所限定的体积)。
在涉及如上所述的交互式治疗计划编制的实施方式中,优选治疗优化连续运行,即在系统接收指示优化停止的用户命令之前,优化不会停止或暂停或以任何方式终止。因此,在在某些次数的迭代之后或当已经获得特定目标函数值或类似通常在传统治疗计划优化过程中会停止的情况,优化不会自动停止。相反,优化持续直到用户对剂量分布满意或由于其他原因停止优化。因此,系统将持续尝试获得由初始计划剂量限定的剂量分布,并且该剂量的修正由用户输入。
不能保证增量优化将能够以可接受的方式满足期望的剂量分布的修正。然而,如果优化和剂量计算算法足够快,将提供接近实时反馈的交互式治疗计划编制。因此,用户可以使用任何适合的工具交互式修正初始计划剂量分布,并且在优化结束后几乎立即看到所得到的剂量分布。因此,用户可以指示优化目标的小的修正(即初始计划剂量分布),同时剂量模拟优化算法在运行,并且立即接收关于是否修正是可实现或者关于修正的剂量对其他结构和/或其他治疗目标的受损完成是否代价太高的指示。因此,治疗计划编制者可以有效地试验不同的优化目标的修正,直到他或她找到他或她感兴趣的剂量分布结果。这是便利的,因为优化目标部分地基于实际获得的剂量分布,并且因此总是接近可实现的(只要建议的修正是小的)。
根据一些实施方式,用户可以“重新设定”用作增量治疗计划编制基础的剂量。因此,用户可以在任何时间选择利用当前剂量(如在如前所述的交互式增量治疗计划编制期间获得)替换初始计划剂量,使得在后续优化中当前剂量被当作初始计划剂量。换句话说,增量治疗计划编制的结果可以被选择用来表达作为进一步的增量治疗计划编制的基础的初始治疗计划结果。
虽然增量优化可以从头开始,即不使用初始计划治疗参数,而是仅使用初始计划剂量作为新的优化目标的基础,有时候使用从初始治疗计划编制得到的治疗参数设置的一些或全部可能是有利的。这些参数设置可以被用作增量优化的开始点。通常,只要做小的修正,则这样的优化将使得计算时间减少。
图4示意性示出了根据本发明的计算机系统401。所述系统包括处理器402,其连接到存储器403。进一步地,所述系统包括显示装置404(例如用于显示患者图像和剂量分布,图形用户界面和任何其他与治疗计划相关的信息),数据输入装置405(例如键盘、鼠标或其他任何适于数据输入的装置)和数据读/写装置406(例如光驱、USB接口、或任何其他适于读/写数据的装置)。所述处理器402可以是任何种类的,例如一个或多个中央处理单元(CPU)或任何种类的并行处理器系统,例如基于一个或多个图像处理单元(GPU)。存储器403可以是任何种类的暂时或非暂时性存储器,适于存储和检索信息,例如硬盘驱动器。存储器403具有存储在其上的计算机程序407。计算机程序407包括用于执行治疗计划方法的计算机可读指令,其中计算机可读指令可以被传递到处理器402并被处理器402执行。当被处理器402执行时,计算机可读指令将执行如图1所示的方法,包括检索包含初始计划剂量的初始治疗计划并且产生至少部分基于初始计划剂量的治疗计划。产生的治疗计划可以被存储在存储器403中。计算机程序407还可以被存储在非暂时性计算机可读介质408中,例如USB驱动、光数据载体如CD-ROM,或任何其他适合的便携信息存储装置,这样计算机程序407可以被下载到存储器403中和/或转移到不同的计算系统。参考图4描述的系统仅为示例,并且根据本发明的计算机系统不必需要包括所有所示的部件,和/或可以包括其他未示出的部件。
本发明已经参考多个示例性实施方式进行了描述。应该理解,这些实施方式仅仅是为了说明本发明的原理和应用。因此,应该理解,在不背离由权利要求书定义的本发明的精神和范围的情况下,可以对说明性实施例进行大量修改并且可以设计其他布置。
Claims (8)
1.一种产生对患者的放射疗法治疗计划的方法,所述方法包括用处理器基于一个或多个优化目标来优化治疗参数,所述治疗参数是治疗机器参数,所述方法包括下述步骤:
获取初始放射疗法治疗计划,该初始放射疗法治疗计划包括初始计划剂量分布;
针对所述患者的至少一个区域,修正所述初始计划剂量分布以获取修正的剂量分布,其中所述修正由用户经由用户界面来进行;
使用所述修正的剂量分布作为包含在目标函数中的优化目标,优化所述目标函数,
其中,用户对所述初始计划剂量分布交互地应用一个或多个修正,同时监视优化的剂量分布,直到获得满意的结果。
2.根据权利要求1的方法,其中,所述初始放射疗法治疗计划包括初始计划治疗参数,所述初始计划治疗参数被用作产生所述放射疗法治疗计划的开始点。
3.根据前述任一项权利要求的方法,其中,一个或多个所述优化目标至少部分地基于与所述初始计划剂量对应的空间剂量分布。
4.根据权利要求1的方法,其中,一个或多个所述优化目标至少部分地基于与所述初始计划剂量对应的剂量体积直方图。
5.根据权利要求1的方法,其中,一个或多个所述优化目标至少部分地基于与所述初始计划剂量对应的特征性剂量减少。
6.根据权利要求1的方法,其中,一个或多个所述优化目标是不基于所述初始计划剂量的另外目标。
7.一种包括计算机可读指令的计算机可读介质,当所述计算机可读指令在计算机上执行时,使得所述计算机执行根据权利要求1-6的任一项的方法。
8.一种计算机系统,包括与至少一个存储器连接的处理器,在所述存储器中存储了包括计算机可读指令的计算机程序,所述处理器被配置为通过执行所述计算机可读指令,执行根据权利要求1-6的任一项的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2013/077755 WO2015090459A1 (en) | 2013-12-20 | 2013-12-20 | Incremental treatment planning |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106029170A CN106029170A (zh) | 2016-10-12 |
CN106029170B true CN106029170B (zh) | 2019-07-02 |
Family
ID=49998203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380081802.3A Active CN106029170B (zh) | 2013-12-20 | 2013-12-20 | 增量治疗计划编制 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10384080B2 (zh) |
EP (1) | EP2983781B1 (zh) |
JP (1) | JP6483704B2 (zh) |
CN (1) | CN106029170B (zh) |
WO (1) | WO2015090459A1 (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10252081B2 (en) * | 2015-09-25 | 2019-04-09 | Varian Medical Systems International Ag | Apparatus and method using automatic generation of a base dose |
US11056243B2 (en) | 2015-12-21 | 2021-07-06 | Elekta Ab (Publ) | Systems and methods for optimizing treatment planning |
JP7057754B6 (ja) * | 2016-01-07 | 2022-06-02 | コーニンクレッカ フィリップス エヌ ヴェ | 反復治療計画における最適化方針の自動選択 |
US9925393B2 (en) * | 2016-03-14 | 2018-03-27 | Kabushiki Kaisha Toshiba | Method and apparatus for determining treatment region and mitigating radiation toxicity |
EP3228356B1 (en) * | 2016-04-07 | 2018-03-14 | RaySearch Laboratories AB | Method, computer program and system for optimizing a radiotherapy treatment plan |
JP6752966B2 (ja) | 2016-09-21 | 2020-09-09 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 身体部分の適応的輪郭形成のための装置 |
US10143859B2 (en) | 2016-09-22 | 2018-12-04 | Varian Medical Systems International Ag | Controlling and shaping the dose distribution outside treatment targets in external-beam radiation treatments |
WO2018077709A1 (en) * | 2016-10-28 | 2018-05-03 | Koninklijke Philips N.V. | Graphical user interface for iterative treatment planning |
EP3384962B1 (en) * | 2017-04-05 | 2022-06-08 | RaySearch Laboratories AB | System and method for automatic radiotherapy treatment planning |
WO2018187598A1 (en) | 2017-04-05 | 2018-10-11 | The Regents Of The University Of California | Methods for user adaptive radiation therapy planning and systems using the same |
EP3412340A1 (en) * | 2017-06-08 | 2018-12-12 | Koninklijke Philips N.V. | Treatment plan generation for radiation therapy treatment |
US11449208B2 (en) | 2017-07-06 | 2022-09-20 | Varian Medical Systems International Ag | Interactive and intuitive method to shape 3D dose distribution during optimization of IMRT plans |
US10507337B2 (en) * | 2017-09-13 | 2019-12-17 | Elekta, Inc. | Radiotherapy treatment plan optimization workflow |
US10828509B2 (en) | 2018-02-13 | 2020-11-10 | Varian Medical Systems International Ag | Optimizing radiation dose to overlapping structures |
EP3530319A1 (en) * | 2018-02-21 | 2019-08-28 | Elekta Limited | Methods for inverse planning |
EP3741430B1 (en) * | 2019-05-20 | 2022-08-03 | RaySearch Laboratories AB | System, computer program product and method for radiation therapy treatment planning |
CN110124214B (zh) * | 2019-05-24 | 2020-09-04 | 南方医科大学 | 预测剂量分布引导的调强放疗计划优化系统、介质及设备 |
CN110327554B (zh) * | 2019-07-08 | 2020-11-10 | 南方医科大学 | 基于预测剂量分布引导的调强放疗计划优化方法及应用 |
CN110420396B (zh) * | 2019-07-11 | 2021-10-29 | 上海联影医疗科技股份有限公司 | 一种放射治疗计划优化系统、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5373844A (en) * | 1993-06-14 | 1994-12-20 | The Regents Of The University Of California | Inverse treatment planning method and apparatus for stereotactic radiosurgery |
CN1953782A (zh) * | 2003-10-07 | 2007-04-25 | 诺莫斯公司 | 用于适形放射治疗的计划系统、方法和设备 |
WO2010142421A1 (en) * | 2009-06-10 | 2010-12-16 | Deutsches Krebsforschungszentrum Stiftung Des Offentlichen Rechts | Radiation treatment planning system and computer program product |
WO2013049845A2 (en) * | 2011-09-30 | 2013-04-04 | Varian Medical Systems International Ag | Semantic radiation treatment plan optimization guidance |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030212325A1 (en) | 2002-03-12 | 2003-11-13 | Cristian Cotrutz | Method for determining a dose distribution in radiation therapy |
AU2004279424A1 (en) * | 2003-10-07 | 2005-04-21 | Nomos Corporation | Planning system, method and apparatus for conformal radiation therapy |
US7529339B2 (en) * | 2003-12-12 | 2009-05-05 | University Of Western Ontario | Method and system for optimizing dose delivery of radiation |
US20080008291A1 (en) * | 2006-07-06 | 2008-01-10 | Varian Medical Systems International Ag | Spatially-variant normal tissue objective for radiotherapy |
US7809107B2 (en) * | 2008-06-30 | 2010-10-05 | Varian Medical Systems International Ag | Method for controlling modulation strength in radiation therapy |
US20120323599A1 (en) * | 2010-03-08 | 2012-12-20 | Koninklijke Philips Electronics N.V. | Scheduling of dose calculation tasks including efficient dose calculation |
WO2011160235A1 (en) * | 2010-06-22 | 2011-12-29 | Karl Otto | System and method for estimating and manipulating estimated radiation dose |
-
2013
- 2013-12-20 US US15/106,097 patent/US10384080B2/en active Active
- 2013-12-20 WO PCT/EP2013/077755 patent/WO2015090459A1/en active Application Filing
- 2013-12-20 CN CN201380081802.3A patent/CN106029170B/zh active Active
- 2013-12-20 JP JP2016540616A patent/JP6483704B2/ja active Active
- 2013-12-20 EP EP13821820.1A patent/EP2983781B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5373844A (en) * | 1993-06-14 | 1994-12-20 | The Regents Of The University Of California | Inverse treatment planning method and apparatus for stereotactic radiosurgery |
CN1953782A (zh) * | 2003-10-07 | 2007-04-25 | 诺莫斯公司 | 用于适形放射治疗的计划系统、方法和设备 |
WO2010142421A1 (en) * | 2009-06-10 | 2010-12-16 | Deutsches Krebsforschungszentrum Stiftung Des Offentlichen Rechts | Radiation treatment planning system and computer program product |
WO2013049845A2 (en) * | 2011-09-30 | 2013-04-04 | Varian Medical Systems International Ag | Semantic radiation treatment plan optimization guidance |
Also Published As
Publication number | Publication date |
---|---|
US10384080B2 (en) | 2019-08-20 |
WO2015090459A1 (en) | 2015-06-25 |
US20160303398A1 (en) | 2016-10-20 |
CN106029170A (zh) | 2016-10-12 |
EP2983781A1 (en) | 2016-02-17 |
JP2016540598A (ja) | 2016-12-28 |
JP6483704B2 (ja) | 2019-03-13 |
EP2983781B1 (en) | 2018-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106029170B (zh) | 增量治疗计划编制 | |
US11986671B2 (en) | System and method for estimating and manipulating estimated radiation dose | |
Rosen et al. | Treatment plan optimization using linear programming | |
US10369381B2 (en) | System and method for robust intensity-modulated proton therapy planning | |
Peng et al. | A new column-generation-based algorithm for VMAT treatment plan optimization | |
US11823778B2 (en) | Clinical goal treatment planning and optimization | |
CN104117151A (zh) | 一种在线自适应放疗计划优化方法 | |
JP6684205B2 (ja) | Imrtデリバリー複雑性を制御するインタラクティブな線量勾配ベース最適化法 | |
CN104815392B (zh) | 一种交互式放射治疗计划系统优化系统 | |
Otto | Real-time interactive treatment planning | |
CN105930637A (zh) | 一种自动确定目标函数权重的放射治疗方案优化方法 | |
Ferris et al. | Fractionation in radiation treatment planning | |
Li et al. | A new Monte Carlo-based treatment plan optimization approach for intensity modulated radiation therapy | |
Deng et al. | Neuro-dynamic programming for fractionated radiotherapy planning | |
JP7503714B2 (ja) | 放射線治療計画のための線量マップを予測する方法及びコンピュータプログラム | |
Redpath | Planning of beam intensity modulation using an advanced 3D dose calculation algorithm and a simulated annealing method | |
Giordanengo et al. | RIDOS: A new system for online computation of the delivered dose distributions in scanning ion beam therapy | |
Purdy et al. | Three-dimensional treatment planning and conformal therapy | |
Liu et al. | Variation method for inverse treatment planning | |
JP7502566B2 (ja) | 線量予測及びロバスト線量模倣による自動治療計画生成 | |
Khabazian | Optimization of Radiation Therapy Treatment Planning Considering Setup Uncertainty and Radiobiological Effects | |
Tian et al. | SCORE system for online adaptive radiotherapy | |
Deasy | Optimization in Intensity Modulated Radiation Therapy | |
Kamerling | Interactive dose shaping: development and evaluation of a novel treatment planning software application | |
Moore | Radiation therapy treatment plan optimization accounting for random and systematic patient setup uncertainties |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |