CN106730411B - 放射治疗计划优化方法及系统 - Google Patents
放射治疗计划优化方法及系统 Download PDFInfo
- Publication number
- CN106730411B CN106730411B CN201611190055.9A CN201611190055A CN106730411B CN 106730411 B CN106730411 B CN 106730411B CN 201611190055 A CN201611190055 A CN 201611190055A CN 106730411 B CN106730411 B CN 106730411B
- Authority
- CN
- China
- Prior art keywords
- interest
- area
- treatment planning
- radiotherapy treatment
- 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
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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1071—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan
-
- 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
- A61N2005/1085—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy characterised by the type of particles applied to the patient
-
- 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
- A61N2005/1092—Details
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
本发明涉及放射治疗领域,提出一种放射治疗计划优化方法,包括:获取感兴趣区域的剂量目标,所述感兴趣区域包括感兴趣的器官及肿瘤,建立优化模型进行优化,计算优化后所述感兴趣区域内的剂量分布,迭代地执行以下步骤直至满足放射治疗计划优化结束:判断所述感兴趣区域内的剂量分布是否满足所述剂量目标,如满足,则放射治疗计划优化结束,如不满足,则更新当前优化模型并进行优化,计算优化后所述感兴趣区域内的剂量分布。本发明提供的放射治疗计划优化方法通过将不满足剂量目标的采样点加入优化模型对优化模型不断更新,可以得到感兴趣区域内的剂量满足要求的放射治疗计划。
Description
技术领域
本发明涉及放射治疗领域,尤其涉及一种放射治疗计划优化方法及系统。
背景技术
放射治疗是利用放射线如放射性同位素产生的α、β、γ射线和各类x射线治疗机或加速器产生的x射线、电子线、质子束及其它粒子束等治疗恶性肿瘤的一种方法。
由于射束能量高,在肿瘤细胞被杀死的同时正常细胞也会受到影响。为了尽可能地减少对正常组织的伤害,需要制定放射治疗计划。放射治疗计划中,医生需要给出处方和治疗方案,物理师根据医生处方,勾画器官和肿瘤位置,以及总的肿瘤体积(Gross TumorVolume,GTV)、临床目标体积(Clinical Target volume,CTV)和计划治疗体积(PlanningTarget Volume,PTV)等靶区,制定放射治疗计划并进行优化。
在放射治疗计划优化之后,计算当前计划对应的患者体内的剂量分布以判断当前计划是否满足预期要求。如果靶区的某些部位的剂量达不到处方剂量的要求或者需要保护的危及器官的某些部位的剂量超过了限定剂量,则此时的放射治疗计划不能满足医生的要求,需要进行调整。
发明内容
为克服现有技术的不足,本发明提供了一种放射治疗计划优化方法,包括:获取感兴趣区域的剂量目标,所述感兴趣区域包括感兴趣的器官及肿瘤;建立优化模型进行优化;计算优化后所述感兴趣区域内的剂量分布;迭代地执行以下步骤直至满足放射治疗计划优化结束:判断所述感兴趣区域内的剂量分布是否满足所述剂量目标,如满足,则放射治疗计划优化结束,如不满足,则更新当前优化模型并进行优化,计算优化后所述感兴趣区域内的剂量分布。
可选的,所述更新当前优化模型并进行优化包括:将不满足所述剂量目标的采样点加入当前优化模型并进行优化。
可选的,所述判断所述感兴趣区域内的剂量分布是否满足所述剂量目标为自动判断所述感兴趣区域内各采样点的剂量值是否满足所述剂量目标。
可选的,所述放射治疗计划优化方法还包括:调整放射治疗计划的优化参数,基于调整后的优化参数更新优化模型并进行优化。
可选的,所述放射治疗计划优化方法还包括:对不满足所述剂量目标的区域进行辅助勾画,基于所述辅助勾画的区域更新优化模型并进行优化。
可选的,所述更新优化模型为重新建立优化模型。
可选的,所述更新优化模型为更新当前优化模型。
本发明还提出了一种放射治疗计划系统,包括:获取单元,用于获取感兴趣区域的剂量目标,所述感兴趣区域包括感兴趣的器官及肿瘤;优化单元,用于建立优化模型并进行优化;剂量计算单元,用于计算优化后所述感兴趣区域内的剂量分布;判断单元,用于判断所述感兴趣区域内的剂量分布是否满足所述剂量目标,输出单元,用于输出放射治疗计划优化结果。
可选的,所述优化单元还用于根据判断单元的结果用不满足所述剂量目标的采样点更新所述优化模型并进行优化。
可选的,所述判断单元用于自动判断所述感兴趣区域内各采样点的剂量值是否满足所述剂量目标。
相对于现有技术,本发明提供的放射治疗计划优化方法通过将不满足剂量目标的采样点加入优化模型对优化模型不断更新,可以得到感兴趣区域内的剂量满足要求的放射治疗计划;
本发明提供的放射治疗计划优化方法可以自动对采样点的剂量进行检查,从而得到不满足剂量目标的采样点用于更新优化模型。
本发明提供的放射治疗计划优化方法中,物理师对自动优化的结果不满意,可以对优化参数进行调整和/或增加辅助勾画继续进行优化以得到满意的放射治疗计划。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明实施例提供的放射治疗计划优化方法流程图一;
图2是本发明实施例提供的放射治疗计划优化方法流程图二。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
在放射治疗中,要求高剂量的辐射尽可能地被输送至肿瘤靶区,尽量减少对周围器官的伤害,因此需要制定放射治疗计划。为了更好地控制各器官或靶区内的剂量分布,对放射治疗计划进行优化使得放射线在杀死肿瘤细胞的同时尽可能不照射周围的正常组织。本发明实施例提出了一种新的放射治疗计划优化方法,可以使得肿瘤靶区以及周围器官内的剂量分布满足要求。
图1是本发明实施例提供的放射治疗计划优化方法流程图一。参考图1所示,本发明提供的放射治疗计划优化方法包括:
步骤S101,获取感兴趣区域的剂量目标。
感兴趣区域包括感兴趣的器官和肿瘤,可以在放射治疗计划优化之前由医生进行勾画。在本实施例中,可以将患者图像加载至放射治疗计划系统,在放射治疗计划系统的界面上对感兴趣的器官和肿瘤进行勾画。勾画可以由医生手动勾画也可以为自动勾画,或者由手动勾画和自动勾画进行结合。图像可以为CT图像、PET图像、MR图像或者融合图像等,在此不作限定。
剂量目标也称为剂量约束,由医生设置,要求放射治疗计划对应的感兴趣区域内的剂量分布满足剂量约束。例如医生为肿瘤区域设置剂量下限和剂量上限,为肿瘤周围的正常器官设置剂量上限。
步骤S102,建立优化模型进行优化。
基于上述步骤中获取的感兴趣区域以及剂量目标建立优化模型并进行优化。可以采用通量图优化方法建立通量图优化模型,也可以采用直接子野优化方法建立直接子野优化模型。
由于患者图像的分辨率较高,像素点较多,如果图像中的全部像素点均参与放射治疗计划的优化,则导致计算量较大,优化时间较长,因此,一般情况下,放射治疗计划的优化是基于采样点进行计算。因此,在建立优化模型之前可以对图像进行降采样,用采样点代表全部像素点参与放射治疗计划的优化,也就是说基于采样点建立优化模型并进行优化。对图像的采样方法在此不作限定。本实施例中的采样点可以来源于图像的像素点,也可以来源于根据采样方法在图像上产生的点或者用户选择的点,在此不进行限定。
在本实施例中,构造优化模型的目标函数,利用优化算法进行求解从而获得最优化方案。其中,目标函数可以为如下形式:
其中,∑voi表示对不同感兴趣区域进行求和,dv为采样点v在优化过程中的实时剂量,Uvoi为感兴趣区域voi的剂量目标的上限,Lvoi为感兴趣区域voi的剂量目标的下限,wvoi为感兴趣区域voi的权重,Vvoi为感兴趣区域voi的采样点集合,|Vvoi|为感兴趣区域voi的采样点数量,v为采样点集合Vvoi中的采样点。当感兴趣区域为器官时,剂量目标只有上限Uvoi。
本实施例中对优化算法不进行限定,例如可以采用模拟退火算法、梯度算法、蚁群算法或其它已知或未知的适用算法求解上述目标函数的最优解。
步骤S103,计算优化后所述感兴趣区域内的剂量分布。
计算步骤S102中得到的放射治疗计划对应的感兴趣区域内的剂量分布。为了减少计算量,可以基于采样点对感兴趣区域内的剂量分布进行计算。剂量计算的算法很多,例如蒙特卡罗算法、卷积算法、笔形束算法等,在此不作限定。当然,也可以对所有的像素点进行剂量计算,在此不进行限定。
步骤S104,判断所述感兴趣区域内的剂量分布是否满足所述剂量目标。
由步骤S103计算得到各采样点的剂量值,在本步骤中逐个判断所述感兴趣区域内的采样点的剂量值是否满足所述剂量目标。本步骤可以由计算机自动执行。
逐个判断采样点的剂量值是否满足所述剂量目标,并将不满足所述剂量目标的采样点存入集合S。由于不同感兴趣区域的剂量目标可能不同,因此可以逐个对感兴趣区域进行判断,并将不满足剂量目标的采样点按照感兴趣区域进行分类存放,此时集合S=∪voiSvoi,其中集合Svoi表示感兴趣voi中不满足剂量目标的采样点的集合,∪voiSvoi表示集合Svoi的并集。在将所有采样点的剂量值判断之后,若集合则表示不存在不满足剂量目标的采样点,也就是说,所有采样点的剂量值均满足剂量目标,此时的放射治疗计划即为最终结果,放射治疗计划优化结束,输出放射治疗计划结果。
若集合则表示存在不满足剂量目标的采样点,该不满足剂量目标的采样点按感兴趣区域分别存入对应的集合Svoi中,并进入步骤S105。
在其它实施例中,也可以判断所有像素点的剂量值是否满足剂量目标,并将不满足剂量目标的像素点按感兴趣区域进行分类存放以便进行下述计算。
步骤S105,更新当前优化模型并进行优化。
利用不满足剂量目标的采样点更新当前的优化模型。例如,将不满足剂量目标的采样点加入上述的目标函数,得到更新的目标函数如下:
其中,Obj(do)为当前采样点剂量的惩罚函数,也是更新前的目标函数,∑voi表示对不同感兴趣区域进行求和,dv为采样点v在优化过程中的实时剂量,Uvoi为感兴趣区域voi的剂量目标的上限,Lvoi为感兴趣区域voi的剂量目标的下限,wvoi为感兴趣区域voi的权重,Vvoi为感兴趣区域voi的采样点集合,|Vvoi|为感兴趣区域voi的采样点数量,v为采样点集合Vvoi中的采样点,当感兴趣区域为器官时,剂量目标只有上限Uvoi,P(ds)为集合S中的采样点剂量的惩罚函数,ds为采样点s在优化过程中的实时剂量,s为采样点集合Svoi中的采样点,f(s)为惩罚因子,与采样点s的分布以及数量有关,可以由放射治疗计划系统规定或由医生进行设定并输入至放射治疗计划系统。例如可以设置但不限于此,其中ws=maxvoi{wvoi},表示集合S涉及的感兴趣区域的最大优化权重,|S|为集合S中的采样点数量。
利用优化算法求解更新后的目标函数的最优解,并返回步骤S103,计算优化后所述感兴趣区域内的剂量分布。之后进入步骤S104,再次判断所述感兴趣区域内的剂量分布是否满足所述剂量目标。如满足,放射治疗计划优化结束,输出放射治疗计划结果,如不满足,则利用本次计算得到的不满足剂量目标的采样点更新当前的目标函数,例如,更新后的目标函数为:
其中,Obj(do)为当前采样点剂量的惩罚函数,也是更新前的目标函数,∑voi表示对不同感兴趣区域进行求和,dv为采样点v在优化过程中的实时剂量,Uvoi为感兴趣区域voi的剂量目标的上限,Lvoi为感兴趣区域voi的剂量目标的下限,wvoi为感兴趣区域voi的权重,Vvoi为感兴趣区域voi的采样点集合,|Vvoi|为感兴趣区域voi的采样点数量,v为采样点集合Vvoi中的采样点,当感兴趣区域为器官时,剂量目标只有上限Uvoi,ds为采样点s在优化过程中的实时剂量,s为采样点集合Svoi中的采样点,f(s)为惩罚因子,与采样点s的分布以及数量有关,可以由放射治疗计划系统规定或由医生进行设定并输入至放射治疗计划系统,例如可以设置但不限于此,其中ws=maxvoi{wvoi},表示集合S涉及的感兴趣区域的最大优化权重,|S|为集合S中的采样点数量,P(ds)为集合S(2)中的采样点剂量的惩罚函数,为采样点s(2)在优化过程中的实时剂量,s(2)为采样点集合中的采样点,f(s(2))为惩罚因子,与采样点s(2)的分布以及数量有关,可以由放射治疗计划系统规定或由医生进行设定并输入至放射治疗计划系统。例如可以设置但不限于此,其中表示集合S(2)涉及的感兴趣区域的最大优化权重,|S(2)|为集合S(2)中的采样点数量,且
重复步骤S103~S105,直至感兴趣区域内的剂量分布满足所述剂量目标。
在上述实施例中,通过将不满足剂量目标的采样点加入优化模型以对优化模型进行不断更新,从而使得不满足剂量目标的采样点在优化过程中得到较多关注,从而起到剂量补强的作用,最终可以得到感兴趣区域内的剂量满足要求的放射治疗计划;且可以通过计算机自动判断采样点的剂量是否满足剂量目标,因此优化过程中无需人工介入,节省时间和人力。
在其它实施例中,也可以将所有像素点中不满足剂量目标的像素点加入当前优化模型从而更新当前优化模型并进行优化,得到剂量分布满足所述剂量目标的放射治疗计划。
在本实施例中,也可以为迭代循环设置阈值,当迭代循环的次数达到所述阈值时,放射治疗计划结束,此时可以输出放射治疗计划优化失败的结果或者输出窗口供医生进行选择,医生可以选择接受当前优化结果,也可以选择放弃当前优化结果,也可以通过调整当前优化参数重新优化。
图2是本发明实施例提供的放射治疗计划优化方法流程图二。参考图2所示,本发明提供的放射治疗计划优化方法包括:
步骤S201,获取感兴趣区域的剂量目标。
感兴趣区域包括感兴趣的器官和肿瘤,可以在放射治疗计划优化之前由医生进行勾画。在本实施例中,可以将患者图像加载至放射治疗计划系统,在放射治疗计划系统的界面上对感兴趣的器官和肿瘤进行勾画。勾画可以由医生手动勾画也可以为自动勾画,或者由手动勾画和自动勾画进行结合。图像可以为CT图像、PET图像、MR图像或者融合图像等,在此不作限定。
剂量目标也称为剂量约束,由医生设置,要求放射治疗计划对应的感兴趣区域内的剂量分布满足剂量约束。例如医生为肿瘤区域设置剂量下限和剂量上限,为肿瘤周围的正常器官设置剂量上限。
步骤S202,建立优化模型进行优化。
基于上述步骤中获取的感兴趣区域以及剂量目标建立优化模型并进行优化。可以采用通量图优化方法建立通量图优化模型,也可以采用直接子野优化方法建立直接子野优化模型。
由于患者图像的分辨率较高,像素点较多,如果图像中的全部像素点均参与放射治疗计划的优化,则导致计算量较大,优化时间较长,因此,一般情况下,放射治疗计划的优化是基于采样点进行计算。因此,在建立优化模型之前可以对图像进行降采样,用采样点代表全部像素点参与放射治疗计划的优化,也就是说基于采样点建立优化模型并进行优化。对图像的采样方法在此不作限定。本实施例中的采样点可以来源于图像的像素点,也可以来源于根据采样方法在图像上产生的点或者用户选择的点,在此不进行限定。
在本实施例中,构造优化模型的目标函数,利用优化算法进行求解从而获得最优化方案。其中,目标函数可以为如下形式:
其中,∑voi表示对不同感兴趣区域进行求和,dv为采样点v在优化过程中的实时剂量,Uvoi为感兴趣区域voi的剂量目标的上限,Lvoi为感兴趣区域voi的剂量目标的下限,wvoi为感兴趣区域voi的权重,Vvoi为感兴趣区域voi的采样点集合,|Vvoi|为感兴趣区域voi的采样点数量,v为采样点集合Vvoi中的采样点。当感兴趣区域为器官时,剂量目标只有上限Uvoi。
本实施例中对优化算法不进行限定,例如可以采用模拟退火算法、梯度算法、蚁群算法或其它已知或未知的适用算法求解上述目标函数的最优解。
步骤S203,计算优化后所述感兴趣区域内的剂量分布。
计算步骤S202中得到的放射治疗计划对应的感兴趣区域内的剂量分布。为了减少计算量,可以基于采样点对感兴趣区域内的剂量分布进行计算。剂量计算的算法很多,例如蒙特卡罗算法、卷积算法、笔形束算法等,在此不作限定。当然,也可以对所有的像素点进行剂量计算,在此不进行限定。
步骤S204,判断所述感兴趣区域内的剂量分布是否满足所述剂量目标。
由步骤S203计算得到各采样点的剂量值,在本步骤中逐个判断所述感兴趣区域内的采样点的剂量值是否满足所述剂量目标。本步骤可以由计算机自动执行。
若各采样点的剂量值均满足对应的剂量目标,此时的放射治疗计划即为最终结果,放射治疗计划优化结束,输出放射治疗计划结果。
若存在采样点的剂量值不满足剂量目标,将不满足剂量目标的像素点按感兴趣区域进行分类存放并进入步骤S205。
步骤S205,判断是否达到循环次数的阈值。
若是,则进入步骤S206,若否,则进入步骤S208。
循环次数的阈值由医生进行设置,合适的循环次数可以避免进入死循环或者优化计算的时间太长。
步骤S206,接收调整后的优化参数和/或辅助勾画。
医生可以对当前的优化参数进行调整,例如调整各器官和肿瘤的权重、剂量目标、采样点等,医生还可以对不满足剂量目标的区域进行辅助勾画,从而对当前的优化模型进行调整。
步骤S207,基于调整后的优化参数和/或辅助勾画更新优化模型进行优化。
基于调整后的优化参数及原感兴趣区域重新建立优化模型,或基于原优化参数、原感兴趣区域以及辅助勾画的区域重新建立优化模型,或基于调整后的优化参数、原感兴趣区域以及辅助勾画的区域重新建立优化模型。优化模型的目标函数可以参照步骤S202中的目标函数形式,在此不再赘述。此处重新建立优化模型是指不考虑步骤S208中对当前优化模型的更新。
在其它实施例中可以基于调整后的优化参数对当前的优化模型进行更新,或基于原感兴趣区域以及辅助勾画的区域对当前的优化模型进行更新,或基于调整后的优化参数、原感兴趣区域以及辅助勾画的区域对当前的优化模型进行更新。
利用优化算法求解新目标函数的最优解,并返回步骤S203,计算优化后所述感兴趣区域内的剂量分布。重复步骤S203~S208,直至获得医生满意的放射治疗计划。利用新目标函数进行优化时,循环次数可以从零开始重新计算。
步骤S208,更新当前优化模型并进行优化。
利用不满足剂量目标的采样点更新当前的优化模型。例如,将不满足剂量目标的采样点加入上述的目标函数,得到更新的目标函数如下:
其中,Obj(do)为当前采样点剂量的惩罚函数,也是更新前的目标函数,∑voi表示对不同感兴趣区域进行求和,dv为采样点v在优化过程中的实时剂量,Uvoi为感兴趣区域voi的剂量目标的上限,Lvoi为感兴趣区域voi的剂量目标的下限,wvoi为感兴趣区域voi的权重,Vvoi为感兴趣区域voi的采样点集合,|Vvoi|为感兴趣区域voi的采样点数量,v为采样点集合Vvoi中的采样点,当感兴趣区域为器官时,剂量目标只有上限Uvoi,P(ds)为集合S中的采样点剂量的惩罚函数,ds为采样点s在优化过程中的实时剂量,s为采样点集合Svoi中的采样点,f(s)为惩罚因子,与采样点s的分布以及数量有关,可以由放射治疗计划系统规定或由医生进行设定并输入至放射治疗计划系统。例如可以设置但不限于此,其中ws=maxvoi{wvoi},表示集合S涉及的感兴趣区域的最大优化权重,|S|为集合S中的采样点数量。
利用优化算法求解更新后的目标函数的最优解,并返回步骤S203,计算优化后所述感兴趣区域内的剂量分布。重复步骤S203~S208,直至获得医生满意的放射治疗计划。
在其它实施例中,也可以将所有像素点中不满足剂量目标的像素点加入当前优化模型从而更新当前优化模型并进行优化,得到剂量分布满足所述剂量目标的放射治疗计划。
在上述实施例中的步骤顺序可能发生改变,例如医生可以在任一次优化计算之后修改优化参数和/或进行辅助勾画,不要求在达到循环次数阈值的时候才修改优化参数和/或进行辅助勾画;或者医生可以对任一次的优化结果修改优化参数和/或进行辅助勾画,例如即使放射治疗计划的优化结果已经满足所述感兴趣区域的剂量目标,如果医生对该放射治疗计划的结果不满意也可以修改优化参数和/或进行辅助勾画以进一步进行放射治疗计划的优化。
在上述实施例中,一方面通过将不满足剂量目标的采样点加入优化模型以对优化模型进行不断更新,可以得到感兴趣区域内的剂量满足要求的放射治疗计划;且可以通过计算机自动判断采样点的剂量是否满足剂量目标,节省时间和人力;另一方面医生可以对优化参数进行调整和/或进行辅助勾画,从而得到满意的放射治疗计划优化结果。
在本发明的实施例中,还提出了一种放射治疗计划系统,包括:
获取单元,用于获取感兴趣区域的剂量目标,所述感兴趣区域包括感兴趣的器官及肿瘤;
优化单元,用于建立优化模型并进行优化;
剂量计算单元,用于计算优化后所述感兴趣区域内的剂量分布;
判断单元,用于判断所述感兴趣区域内的剂量分布是否满足所述剂量目标,
输出单元,用于输出放射治疗计划优化结果。
当判断单元的结果为所述感兴趣区域内的剂量分布满足所述剂量目标时,则输出单元输出放射治疗计划的优化结果,当判断单元的结果为所述感兴趣区域内存在采样点的剂量值不满足所述剂量目标时,则优化单元利用不满足所述剂量目标的采样点更新当前的优化模型并进行优化,不断循环直至放射治疗计划优化结束。
在本实施例中判断单元自动判断所述感兴趣区域内的剂量分布是否满足所述剂量目标。
在本实施例的放射治疗计划系统中还可以包括勾画单元,用于勾画所述感兴趣区域。
在本实施例的放射治疗计划系统中还可以包括采样单元,用于对感兴趣区域进行采样。
在本实施例的放射治疗计划系统中,获取单元还用于获取调整后的优化参数,例如调整各器官和肿瘤的权重、剂量目标、采样点等,优化单元基于调整后的参数建立优化模型或对当前优化模型进行更新并进行优化。
在本实施例的放射治疗计划系统中,勾画单元还用于对不满足剂量目标的区域进行辅助勾画,优化单元基于所述感兴趣区域以及辅助勾画区域建立优化模型或对当前优化模型进行更新并进行优化。
在本实施例的放射治疗计划系统中,优化单元还可以基于调整后的优化参数、原感兴趣区域以及辅助勾画区域建立优化模型或对当前优化模型进行更新并进行优化。
在本实施例中的具体细节可以参考上述对图1或图2的描述,在此不再赘述。
以上所揭露的仅为本发明的几种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (8)
1.一种放射治疗计划优化方法,包括:
获取感兴趣区域的剂量目标,所述感兴趣区域包括感兴趣的器官及肿瘤;
建立优化模型进行优化;
计算优化后所述感兴趣区域内的剂量分布;
迭代地执行以下步骤直至满足放射治疗计划优化结束:判断所述感兴趣区域内的剂量分布是否满足所述剂量目标,如满足,则放射治疗计划优化结束,如不满足,则更新当前优化模型并进行优化,计算优化后所述感兴趣区域内的剂量分布;
其中,所述更新当前优化模型并进行优化包括:
将不满足所述剂量目标的采样点加入当前优化模型并进行优化。
2.如权利要求1所述的放射治疗计划优化方法,其特征在于,所述判断所述感兴趣区域内的剂量分布是否满足所述剂量目标为自动判断所述感兴趣区域内各采样点的剂量值是否满足所述剂量目标。
3.如权利要求1所述的放射治疗计划优化方法,其特征在于,还包括:
调整放射治疗计划的优化参数,
基于调整后的优化参数更新优化模型并进行优化。
4.如权利要求1所述的放射治疗计划优化方法,其特征在于,还包括:
对不满足所述剂量目标的区域进行辅助勾画,
基于所述辅助勾画的区域更新优化模型并进行优化。
5.如权利要求3或4所述的放射治疗计划优化方法,其特征在于,所述更新优化模型为重新建立优化模型。
6.如权利要求3或4所述的放射治疗计划优化方法,其特征在于,所述更新优化模型为更新当前优化模型。
7.一种放射治疗计划系统,包括:
获取单元,用于获取感兴趣区域的剂量目标,所述感兴趣区域包括感兴趣的器官及肿瘤;
优化单元,用于建立优化模型并进行优化;
剂量计算单元,用于计算优化后所述感兴趣区域内的剂量分布;
判断单元,用于判断所述感兴趣区域内的剂量分布是否满足所述剂量目标,
输出单元,用于输出放射治疗计划优化结果;
所述优化单元还用于根据判断单元的结果用不满足所述剂量目标的采样点更新所述优化模型并进行优化。
8.如权利要求7所述的放射治疗计划系统,其特征在于,所述判断单元用于自动判断所述感兴趣区域内各采样点的剂量值是否满足所述剂量目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611190055.9A CN106730411B (zh) | 2016-12-21 | 2016-12-21 | 放射治疗计划优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611190055.9A CN106730411B (zh) | 2016-12-21 | 2016-12-21 | 放射治疗计划优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106730411A CN106730411A (zh) | 2017-05-31 |
CN106730411B true CN106730411B (zh) | 2019-11-19 |
Family
ID=58893388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611190055.9A Active CN106730411B (zh) | 2016-12-21 | 2016-12-21 | 放射治疗计划优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106730411B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107519585A (zh) * | 2017-09-28 | 2017-12-29 | 徐榭 | 一种基于MRI‑Only的核磁引导放射治疗的三维剂量验证方法 |
CN109999365B (zh) * | 2018-01-05 | 2021-04-20 | 北京连心医疗科技有限公司 | 一种用于实现放疗逆向优化方法的计算设备和存储介质 |
CN108771795B (zh) * | 2018-06-29 | 2021-03-09 | 上海联影医疗科技股份有限公司 | 确定放射治疗的照射分布的装置和放射治疗系统 |
CN111035860B (zh) * | 2018-10-11 | 2022-02-18 | 海创时代(深圳)医疗科技有限公司 | 一种计划系统的自动优化装置 |
CN109453473A (zh) * | 2018-12-30 | 2019-03-12 | 上海联影医疗科技有限公司 | 放射治疗计划系统、确定装置及存储介质 |
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 |
CN113130042B (zh) * | 2019-12-31 | 2024-03-15 | 北京连心医疗科技有限公司 | 放射治疗计划系统中剂量编辑的方法 |
CN110548231B (zh) * | 2019-09-12 | 2021-11-05 | 上海联影医疗科技股份有限公司 | 放疗计划生成系统、装置及存储介质 |
CN110706780B (zh) * | 2019-10-16 | 2023-05-26 | 上海联影医疗科技股份有限公司 | 放疗计划生成系统及存储介质 |
CN110931107B (zh) * | 2019-11-22 | 2023-08-29 | 上海联影医疗科技股份有限公司 | 放疗计划生成系统、装置及存储介质 |
CN112057753B (zh) * | 2020-09-23 | 2022-08-16 | 上海联影医疗科技股份有限公司 | 一种放疗计划调整系统和装置 |
CN112149669B (zh) * | 2020-09-23 | 2023-05-23 | 上海联影医疗科技股份有限公司 | 放疗计划生成系统、装置及存储介质 |
CN112151146B (zh) * | 2020-09-27 | 2022-08-23 | 上海联影医疗科技股份有限公司 | 通量图优化系统、装置和存储介质 |
WO2022104497A1 (zh) * | 2020-11-17 | 2022-05-27 | 西安大医集团股份有限公司 | 靶点的权重确定方法、装置及放射治疗系统 |
CN113521559A (zh) * | 2021-06-09 | 2021-10-22 | 苏州雷泰医疗科技有限公司 | 采用mc计算剂量的通量迭代优化方法、tps系统及制作方法 |
CN114146329B (zh) * | 2021-12-07 | 2023-06-23 | 江苏省中医院 | 一种引入伽玛通过率优化目标的放射治疗计划优化系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101422640A (zh) * | 2008-11-25 | 2009-05-06 | 中国科学院等离子体物理研究所 | 优化放射治疗射束强度分布的多目标优化方法和系统 |
CN102043909A (zh) * | 2010-12-29 | 2011-05-04 | 深圳市海博科技有限公司 | 治疗计划中靶点布置优化方法和治疗计划系统 |
CN102483774A (zh) * | 2009-08-31 | 2012-05-30 | 皇家飞利浦电子股份有限公司 | 针对辐射疗法处置规划中使用的补偿器的交互式计算机辅助编辑器 |
CN102711913A (zh) * | 2010-05-27 | 2012-10-03 | 三菱电机株式会社 | 放射治疗法的粒子束优化方法及其设备 |
CN103083821A (zh) * | 2013-01-27 | 2013-05-08 | 合肥超安医疗科技有限公司 | 一种直接优化静态调强子野形状及其机器跳数的系统和方法 |
CN103119626A (zh) * | 2010-09-17 | 2013-05-22 | 皇家飞利浦电子股份有限公司 | 用于辐射治疗规划的具有实时轮廓片断影响绘制的轮廓勾画 |
CN104318122A (zh) * | 2014-11-06 | 2015-01-28 | 中国科学院合肥物质科学研究院 | 一种基于扰动的旋转调强优化方法 |
CN105709341A (zh) * | 2016-01-15 | 2016-06-29 | 中国科学院合肥物质科学研究院 | 一种基于梯度法和漫水填充法的调强子野优化方法 |
-
2016
- 2016-12-21 CN CN201611190055.9A patent/CN106730411B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101422640A (zh) * | 2008-11-25 | 2009-05-06 | 中国科学院等离子体物理研究所 | 优化放射治疗射束强度分布的多目标优化方法和系统 |
CN102483774A (zh) * | 2009-08-31 | 2012-05-30 | 皇家飞利浦电子股份有限公司 | 针对辐射疗法处置规划中使用的补偿器的交互式计算机辅助编辑器 |
CN102711913A (zh) * | 2010-05-27 | 2012-10-03 | 三菱电机株式会社 | 放射治疗法的粒子束优化方法及其设备 |
CN103119626A (zh) * | 2010-09-17 | 2013-05-22 | 皇家飞利浦电子股份有限公司 | 用于辐射治疗规划的具有实时轮廓片断影响绘制的轮廓勾画 |
CN102043909A (zh) * | 2010-12-29 | 2011-05-04 | 深圳市海博科技有限公司 | 治疗计划中靶点布置优化方法和治疗计划系统 |
CN103083821A (zh) * | 2013-01-27 | 2013-05-08 | 合肥超安医疗科技有限公司 | 一种直接优化静态调强子野形状及其机器跳数的系统和方法 |
CN104318122A (zh) * | 2014-11-06 | 2015-01-28 | 中国科学院合肥物质科学研究院 | 一种基于扰动的旋转调强优化方法 |
CN105709341A (zh) * | 2016-01-15 | 2016-06-29 | 中国科学院合肥物质科学研究院 | 一种基于梯度法和漫水填充法的调强子野优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106730411A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106730411B (zh) | 放射治疗计划优化方法及系统 | |
US10328282B2 (en) | System and method for novel chance-constrained optimization in intensity-modulated proton therapy planning to account for range and patient setup uncertainties | |
CN104117151B (zh) | 一种在线自适应放疗计划优化方法 | |
Ding et al. | A study on adaptive IMRT treatment planning using kV cone-beam CT | |
US10369381B2 (en) | System and method for robust intensity-modulated proton therapy planning | |
JP5799015B2 (ja) | 放射線治療計画に使用される補償器のための対話型のコンピュータを利用したエディタ | |
Boeke et al. | MR-guided radiotherapy for head and neck cancer: current developments, perspectives, and challenges | |
US9511241B2 (en) | Irradiation planning for particle therapy | |
US20100086183A1 (en) | Treatment plan evaluation in radiotherapy by stochastic analysis of delineation uncertainty | |
CN104225806B (zh) | 基于生物等效剂量的放射治疗计划设计方法和设计系统 | |
Rana et al. | Verification and dosimetric impact of Acuros XB algorithm for stereotactic body radiation therapy (SBRT) and RapidArc planning for non-small-cell lung cancer (NSCLC) patients | |
CN104815392B (zh) | 一种交互式放射治疗计划系统优化系统 | |
CN108711447A (zh) | 基于体素权重因子的自动调强多目标优化方法及其应用 | |
CN106682409B (zh) | 采样方法及放射治疗计划优化方法、剂量计算方法 | |
Biston et al. | Time of PTV is ending, robust optimization comes next | |
Mein et al. | Dosimetric validation of Monte Carlo and analytical dose engines with raster-scanning 1H, 4He, 12C, and 16O ion-beams using an anthropomorphic phantom | |
Jacob et al. | Clinical transition to model-based dose calculation algorithm: a retrospective analysis of high-dose-rate tandem and ring brachytherapy of the cervix | |
Wagenaar et al. | Composite minimax robust optimization of VMAT improves target coverage and reduces non-target dose in head and neck cancer patients | |
CN102722641B (zh) | 一种快速得到凹形肿瘤靶区剂量分布的方法 | |
Peppa et al. | Dosimetric and radiobiological comparison of TG-43 and Monte Carlo calculations in 192Ir breast brachytherapy applications | |
JP2023548950A (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 | |
Bogowicz et al. | Evaluation of a cone-beam computed tomography system calibrated for accurate radiotherapy dose calculation | |
Rong et al. | A planning study for palliative spine treatment using StatRT and megavoltage CT simulation | |
Chen et al. | Adaptive replanning to account for lumpectomy cavity change in sequential boost after whole-breast irradiation | |
Mutaf et al. | Optimization of internal margin to account for dosimetric effects of respiratory motion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
CP03 | Change of name, title or address |
Address after: 201807 2258 Chengbei Road, Jiading District, Shanghai Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Jiading District, Shanghai. Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CP03 | Change of name, title or address |