CN107106866B - 辐射治疗规划优化和可视化 - Google Patents

辐射治疗规划优化和可视化 Download PDF

Info

Publication number
CN107106866B
CN107106866B CN201580051184.7A CN201580051184A CN107106866B CN 107106866 B CN107106866 B CN 107106866B CN 201580051184 A CN201580051184 A CN 201580051184A CN 107106866 B CN107106866 B CN 107106866B
Authority
CN
China
Prior art keywords
control point
target
flux
curr
method described
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
Application number
CN201580051184.7A
Other languages
English (en)
Other versions
CN107106866A (zh
Inventor
T·维克
H·S·黑泽
D·贝斯特罗夫
J·威斯
C·诺伊基兴
A·A·伊索拉
M·F·巴尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN107106866A publication Critical patent/CN107106866A/zh
Application granted granted Critical
Publication of CN107106866B publication Critical patent/CN107106866B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • A61N5/1042—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head
    • A61N5/1045—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head using a multi-leaf collimator, e.g. for intensity modulated radiation therapy or IMRT
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • A61N5/1036—Leaf sequencing algorithms
    • 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
    • A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Surgery (AREA)
  • Urology & Nephrology (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

一种辐射规划系统，包括：预测器‑校正器优化器单元，其基于具有当前逼近剂量的控制点的汇集来计算预测的剂量，每个控制点具有叶片位置的对应集合，并且基于通过在能实现的叶片位置中的层状图形结构中的最低成本或最短路径的所预测的通量与当前逼近通量的差来确定具有叶片位置的集合的额外控制点。工具被描述为帮助规划者基于所识别的影响的区域来评价对当前计划的参数改变的影响。规划者基于对所述目标之间的计划目标和相关性的可视化来查看当前计划。

Description

辐射治疗规划优化和可视化
技术领域
下文总体涉及外部辐射治疗规划。其具体与辐射治疗计划构建、优化和可视化结合应用，并且将具体参考其加以描述。然而，应当理解，其还应用于其他使用场景，而不必限于前述应用。例如，下文能够被用于在各种工业应用中(例如消毒、聚合物燃烧、改变电、机械或化学性质等)将选定的辐射剂量递送至靶标区域，甚至在无物理访问的情况下递送至包括内部区域的工业产品的选定区域。
背景技术
外部射束辐射治疗(EBRT)计划是基于线性粒子加速器(LINAC)的机器特性以及每位个体患者的信息来构建的。针对每位患者的情况创建计划，所述计划包含在具体机器的可能性之内递送治疗辐射所需要的机器配置。辐射的目标是破坏肿瘤细胞，同时使对风险器官(OAR)的辐射剂量最小化。
诸如LINAC的外部射束辐射递送(EBRT)设备通常从不同方向进行辐照以使对危险器官的剂量最小化。使用不同的辐照类型。例如，最常使用的光子，并且备选的是电子、质子、重离子。辐射射束的形状能够利用多叶准直器(MLC)来控制。MLC包括辐射阻挡材料的叶片对，其能在机器约束内被定位并且由控制器进行控制。针对射束的左叶和右叶两者的叶片位置的一个集合通常被称为控制点(CP)。由在具体射束位置处的所有控制点形成的开口在辐射治疗规划系统中常常由与辐射射束正交的通量平面来表示。处置规划系统包含算法，所述算法计算由特定机器配置造成的三维剂量分布。这些剂量引擎需要患者的密度信息，并且所述密度信息通常是从CT图像导出的。
在强度调制辐射治疗(IMRT)中，辐射是以分步激发(step and shoot)或连续模式来递送的。在分步激发模式中，LINAC仅在根据特定控制点配置所述机器时递送剂量。当在两个控制点之间过渡时，不递送剂量。在连续剂量递送模式中，所述机器在CP之间连续地过渡的同时连续地递送剂量。
发现满足特定剂量分布准则的机器配置的用于IMRT的逆向规划技术具有的共同点在于，最优辐射剂量解决方案是由一组目标来定义的。一种类型的逆向规划技术使用利用启发式算法的列生成(CG)方法，其顺序地创建CP，但不执行对现有控制点的细化。由于目标函数的非凸性，CP会有强烈次优化的可能性。CG方法具有的优点在于机器约束的直接实现，以及每个CP是关于使参考剂量与规划的递送剂量之间的差最小化的全局优化。
备选技术是孔径形状优化(ASO)方法，其使用CP的完整集合，并且通过关于目标函数的每个叶片位置的位移的导数来改善目标函数。然而，ASO方法是局部细化方法，并且因此取决于对开始点的选择。ASO方法还缓慢收敛，能够收敛到局部最优，并且通常难以满足所述机器约束。
针对逆向规划算法的理想剂量分布和输入最常由目标的集合来定义。目标通常是感兴趣区域中的剂量以及加权因子的函数。由目标所使用的感兴趣区域包括靶标和风险器官。规划包括在竞争目标之间做出折衷。例如，向肿瘤递送剂量可以包括向健康OAR递送一些辐射。目标的集合能够包括多个靶标和/或多个OAR。
在辐射治疗(RT)计划中在递送到OAR与靶标体积的剂量之间的折衷通常是通过试错过程来完成的。在黑箱类型的操作(其对于每次处理会花费数分钟)中，RT规划设备使目标作为输入，并且输出导致规划的剂量的机器设置。健康护理专业人员回顾所输出的剂量分布，并且通过添加或移除目标、调节所述目标的权重或参数来改变所述目标函数，并且重新运行IMRT逆向规划算法。所规划的递送的剂量常常通过被叠加在规划图像上的等剂量曲线来可视化。规划者通常比较不同的输出以获得对折衷以及对输入的改变如何影响输出的一些理解，其为时间消耗的实践。
所述RT规划设备通常不提供关于目标的关系或者不同目标之间的相互影响的信息。此外，逆向规划算法是复杂的，并且对于局部极小值具有困难。例如，规划者能够以看起来对计划具有最小影响而改变目标的集合。换言之，对于规划者常常不清楚的是，在输入中的什么改变能够产生有意义的差。
这种试错方法能够在通量图优化(FMO)中的强度调制辐射治疗(IMRT)、直接机器参数优化(DMPO)、以及体积调制的弧形治疗(VMAT)逆向规划方法中找到。
文档US7831018B1涉及在辐射处置规划中的叶片序列测定。在这一点，识别基于通量的控制点的集合，其表示叶片序列。所述基于通量的控制的第一子集被选择并且被优化。经优化的第一子集与所述基于通量控制点的第二子集相组合，并且然后对汇集进行优化。后者的动作然后利用所述基于通量的控制点的额外子集被迭代地重复，以提供基于通量的控制点的所得到的经优化的集合。
发明内容
下文公开了新的、经改进的辐射递送规划优化和可视化方法，其解决了上述问题和其他问题。
根据一个方面，一种辐射递送规划的方法，包括：接收辐射治疗计划，所述辐射治疗计划包括源自控制点的集的当前剂量dcurr，每个控制点具有针对多叶准直器的叶片位置的对应集合。所述控制点能够被组合为具有离散值xcurr的通量平面的集合。需要通量平面值x与三维剂量体积d之间的关系以计算目标函数O相对于通量平面中的改变的导数：通过以下来确定具有叶片位置的对应集合的额外控制点：通过在针对每个叶片对的成对叶片位置的层状图形结构中的最低成本或最短路径，对当前逼近通量平面值xcurr与预测通量平面值x*的差进行校正映射。所得到的具有叶片位置的对应集合的控制点被添加到控制点的集，常常跟随有分段权重优化以调节个体控制点的权重。
根据另一方面，一种用于辐射递送规划的方法，包括：控制点管理单元、预测单元、以及校正单元。所述控制点管理单元被配置为接收辐射治疗计划，所述辐射治疗计划包括控制点的集，每个控制点具有针对多叶准直器的叶片位置的对应集合，并且xcurr是从这些控制点导出的。所述预测单元被配置为计算通量平面值x*的预测集合。所述控制单元被配置为选择控制点并且通过以下来确定叶片位置的备选集合：通过在针对所述控制点的叶片位置的层状图形结构中的最低成本或最短路径，对当前逼近通量平面值与预测通量平面值的差x*-xcurr进行校正映射。任选地，所述最短路径能够被限制到处在原始控制点中的位置的给定范围之内的那些叶片位置。所述控制点管理单元还被配置为将所确定的叶片位置的备选集合添加到控制点。在具有或没有中间分段权重优化的情况下，情况能够被限定为根据对目标函数的相对改善来接受叶片位置的新的集合或者保持旧的位置。
根据另一方面，一种辐射递送规划的方法，包括：接收由辐射计划参数θ的改变所引起的目标函数O(d；θ0)中的改变。其中，θ0是辐射计划参数θ的当前值。在剂量空间中的影响的区域是基于函数而根据参数中的改变来识别。
根据另一方面，一种辐射递送规划的方法，包括：接收辐射治疗计划，所述辐射治疗计划包括剂量体素d以及计划目标O。所述计划目标是相关的。构建图表，诸如对计划目标之间的相关性进行可视化的图形或枢纽表。所构建的图像被显示在显示设备上。
所描述的各方面的优点在于：
一个优点是直接考虑所有机器要求来确定在控制点中的叶片位置。
另一优点是对包括RT计划的辐射递送计划的不同目标之间的优选折衷的更好并且更快的确定。
另一优点在于将对个体RT计划的更好理解提供给辐射治疗规划者的工具。
另一优点在针对RT规划的列生成(CG)方法，其迭代地细化CP。
另一优点在于针对规划者对所提出的RT计划参数改变的潜在影响的可视化。
另一优点在于针对规划者对在RT计划目标之间的相互影响的可视化。
本领域技术人员在阅读并理解详细描述之后将意识到更进一步优点。
附图说明
本发明可以采取各种部件和部件布置以及各个步骤和步骤安排的形式。附图仅是出于图示优选实施例的目的，而不应当被解读为对本发明的限制。
图1示意性图示了辐射递送规划优化和可视化系统的实施例。
图2示意性示出了预测器-校正器优化器单元的一个实施例。
图3图示了可视化的影响区域的范例。
图4图示了可视化的目标相关性图表的范例。
图5以流程图示出了在RT规划中对CP的迭代细化的方法的一个实施例。
图6以流程图示出了对影响区域进行可视化的方法的一个实施例。
图7以流程图示出了对RT计划目标关系进行可视化的方法的一个实施例。
具体实施方式
参考图1，利用对辐射递送的分解视图示意性图示了辐射递送规划优化和可视化系统10的实施例。基于从诸如CT成像设备、MRI成像设备等的成像设备18采集的对象16的解剖学图像或内部规划图像14来构建辐射治疗(RT)或辐射递送计划12。规划图像14识别感兴趣区域(ROI)(其包括一个或多个靶标和OAR的边界)，并且被用于确定允许计算剂量的三维密度分布。RT计划目标20能够将ROI、权重、以及如参考剂量的其他目标类型特异性参数作为输入参数参考或存储到创建RT计划的逆向规划单元或器件22。
在RT规划单元22之内，预测器-校正器优化器单元或器件24接收计划目标、控制点26的集合以及由剂量引擎计算的当前剂量dcurr。基于CP的集合在形式参考空间中确定通量平面值x*的预测集合。优化器单元使用如下形式的增益函数‖x*-xcurr-γs‖2-‖x*-xcurr‖2，以使用具有最短路径求解器的层状图形结构来识别具有权重γ27的叶片位置s的新的集合。所述预测器-校正器优化器单元利用叶片位置迭代创建新的或经细化的控制点，直到达到用户停止准则，诸如迭代的最大次数、目标函数中的最小差别改善、最大计算时间、或者控制点的最大数量。所述预测器-校正器优化器单元将具有CP的集合的RT计划输出到RT计划数据存储器12，诸如计算机存储器、文件系统中的文件、数据库中的对象等。所述数据存储器能够利用诸如固态硬盘、光学媒介等的随机存取存储器来实施。
所述控制点是辐射递送设备或器件28(例如利用辐射源30相对于对象解剖结构14的部分的分解视图所示出的线性加速器(LINAC))的控制点。所述辐射递送设备包括钳口(jaw)和具有能定位的叶片对的多叶准直器32。开口(辐射穿过所述开口)在分立通量平面36中形成照射样式34。所述控制点共同地(其每个具有叶片位置的集合)形成控制指令，所述控制指令操作控制单元或器件28，以将由RT计划定义的形状和位置的辐射的外部射束递送到对象16的组织或内部区域14。
诸如更为矩形的较平滑的分段形状导致剂量计算中的较少的不确定性。较大的分段开口导致具有由机器(监测器单元)发射的较少总能量的计划。能量的效力越高，总监测器单元越小，通常具有对风险器官的更少(泄露)剂量、更快的递送、并且能够以更高的准确度来计算剂量。在控制点之间的权重的变异能够为VMAT计划所考虑。在VMAT中，所述机器进行辐照，同时所述机器在控制点之间连续地变化。在控制点权重点的较少变化使得更容易逼近剂量。在一个实施例中，针对所述控制点中的一些，对叶片位置的连续重新确定能够是优化进程的部分，例如DMPO或VMAT。其还能够是计划调整策略的部分，其中，所述计划开始是使用感兴趣区域的不同形状以及患者的密度信息来创建的，与在对分段形状的重新确定期间所使用的不同。在该背景下，将所述分段形状限制到类似于原始形状的形状能够除了计算效率之外还有以下优点，所述计划在调整之后需要通常由医师进行的较少的回顾。
目标可视化单元或器件40接收具有目标的RT计划，计算对象的梯度或计划参数的相关性，并且构建诸如图形或枢纽表的图表42，其对目标之间的相关性进行可视化。例如，能够通过枢纽表来表示所述相关性的概览视图。所构建的图表被显示在显示设备42上，所述显示设备诸如是如下中的一个或多个：LCD显示器、LED显示器、等离子显示器、投影显示器、触摸屏显示器等。所显示的图表为规划者提供了在各种目标之间的相互作用的视觉表示。所显示的图表包括目标或选定目标的指示器，以及指示相关性的类型和大小的连接器。所述连接器包括符号，例如，正相关性或负相关性，以及相关性的幅度或大小。
目标可视化单元40通过计划的梯度将目标相对于由相关性函数所描述的剂量相关联，其中，θ0是当前参数值，Oi和Oj分别是第i目标和第j目标的参数，并且d是剂量体积值。
在另一实施例中，目标可视化单元40通过计划目标关于优化问题的参数(诸如通量平面中的像素的强度值或直接机器参数中的叶片位置)的梯度进行相关，其由相关性函数所描述，其中，θ是RT计划的参数。
在一个实施例中，所述图表包括CT图像或剂量体积表示。在另一实施例中，所述图表包括由规划者使用输入设备选择的交互式特征。根据相关的值利用颜色和/或纹理阴影来指示所述相关性。例如，在参数θ0的当前值处的选定目标的加和∑iOi，其中，O是贡献于每剂量体素的目标值的矢量，将对选定目标的每体素贡献可视化，所述选定目标能够被指示在CT图像和/或剂量体积表示上。规划者选择目标和选项以对每体素贡献可视化。在另一范例中，在参数的当前值θ0处的选定目标的导数的加和对贡献于目标值的剂量体积的体素以及关于在每个体素中的剂量的目标的灵敏度进行可视化。规划者选择目标和选项以对剂量体积的贡献体素进行可视化。在第三范例中，选定参数的导数的加和将期望剂量改变可视化为选定参数的值被改变。规划者选择参数，诸如通量像素或叶片位置，以及对期望剂量改变进行可视化的选项。在第四范例中，选定目标的导数的加和被乘以选定参数的每剂量参数其中，T表示矩阵转置，以分析选定参数与选定目标之间的关系。在第五范例中，目标的两个选定集合i和j在剂量空间中被相关联在第六范例中，目标的两个选定集合i和j的导数的相关性对利用剂量标度的参数的集合的改变进行可视化。在第七范例，选定目标的集合的导数的相关性对由于目标和/或患者运动造成的剂量改变Δd进行可视化。
等剂量可视化单元或器件46对叠加在规划图像14上的当前RT计划的规划剂量进行可视化。例如，解剖学图像在显示设备44被显示给规划者，其中，指示来自当前RT计划的规划剂量水平的等剂量曲线48被叠加在解剖学图像上。ROI边界能够进一步在规划图像上指示。
影响区域单元或器件50使用输入设备54从规划者接收对当前RT计划的目标的所提出的参数改变，所述输入设备例如是以下中的一个或多个：鼠标、键盘、触摸屏显示器、一个或多个按钮、一个或多个开关、一个或多个旋钮等。当前RT计划具有目标函数O(dcurr；θ)，其中，θ是具有当前值θ0的RT计划参数，并且所述目标函数在当前适当剂量或通量之上被优化。所述影响区域单元基于如下函数根据参数的改变来识别剂量空间中的影响区域：
其中，d是剂量体积中的体素的值，例如，在所有位置处的当前逼近剂量。所述函数的评价提供了在剂量空间中对剂量的改变，所述剂量空间被映射到解剖学或规划空间。例如，识别这样的体素，针对所述体素的剂量基于函数的评价而改变。影响区域单元构建被叠加在规划图像14上的影响区域的视觉表示。在显示设备44上显示被叠加在规划图像上的经可视化的影响区域。在一个实施例中，所述显示包括具有由等剂量可视化单元46构建的等剂量曲线的图像。在另一实施例中，可视地指示在剂量改变的幅度。
影响区域单元50交互地接收对个体参数的改变，并且向规划者可视化所述改变，其允许规划者理解参数改变的潜在影响，并且选择提供最有益或最佳RT计划的参数改变。所述选定参数然后被重新输入到RT计划单元22和修改RT计划的预测器-校正器优化器单元24。利用对RT计划的每次修改，规划者能够利用影响区域单元50将潜在参数改变可视化作为下一步骤，并且利用目标可视化单元40检查目标之间的关系。参数改变能够包括对如权重和参考剂量的目标参数的改变。
各种单元22、24、38、40、46、50适合由计算机或数据处理设备(例如工作站58的电子处理器或者电子或光学处理设备56)、或者由通过网络与工作站58操作性连接的基于-网络的服务器计算机、现场可编程门阵列(FPGA)、专用集成芯片(ASIC)、机械或流体计算或运算机器、图灵机的物理模拟等来实现。此外，所公开的RT规划、优化和可视化技术适于使用存储能由电子数据处理设备读取并且能由电子数据处理设备执行的指令的非瞬态存储介质来实施以执行所公开的技术。
参考图2，示意性图示了预测器-校正器优化器单元24的一个实施例。预测器-校正器优化器单元24包括：预测单元60，其被配置为接收辐射治疗计划，所述辐射治疗计划包括当前剂量，以及CP 26的集合，每个CP具有针对MLC的叶片位置27的对应集合，其形成离散通量平面值xcurr36的近似集合，并且计算在形式参数空间62中的剂量dcurr。一种将近似离散通量图xcurr映射到剂量的方法是利用通量剂量分布矩阵P。针对每个CP，存在从MLC叶片位置27的集合到剂量体积d的非负映射。每个CP包括正权重γ以及叶片位置s的集合的属性。叶片位置的集合定义利用函数χi表示的射线阻挡和通过区域，其中，所述函数在通过区域中为1，并且在阻挡区域中为0。因此，针对每个射束位置，由下式定义当前逼近通量平面：
其中，γi是控制点i的正权重，并且χ,j是针对如被用在通量图优化(FMO)中的通量平面的每个第j位置或像素的通过函数。预测单元60计算所预测的通量平面值x*，并且使用的目标函数利用对应的剂量d来计算值。在FMO中，非线性优化算法，诸如Broyden-Fletcher-Goldfarb-Shannon算法，优化参数x以使目标函数值O最小化。
校正单元或计算设备64被配置为通过以下来确定具有叶片位置的对应集合的额外控制点，通过针对每个潜在CP的叶片位置的层状图形结构中最低成本或最短路径，对由所述射束位置处的控制点的当前集合得到的当前逼近通量平面值与例如使用FMO例程获得的理想通量平面值的差x*-xcurr进行校正映射。所述层状图使用由‖x*-xcurr-γs‖2-‖x*-xcurr‖2定义的成本函数，其中，γ表示未知权重，并且s表示叶片位置的未知集合。所述成本函数能够被扩展为包括其他参数，如分段形状、分段开口、以及在控制点之间的权重的变化。
层状图形单元或计算设备66构建针对每个潜在CP的MLC中的叶片的所有可能位置的层状图形结构68。在于2013年5月29日提交的序列号为EP 13169709.6的欧洲临时专利申请“Device for determining illumination distributions for IMRT”更为完整地解释了利用可能MLC叶片位置的层状图形结构。所述层状图形能够被应用到静态和动态射束设置，例如，DMPO和VMAT。所述层状图形结构包括具有针对叶片对的每对位置的节点的层。所述层表示所有叶片对，例如针对每个叶片对的层。每个第i层表示多叶准直器(MLC)的第i行中的叶片对。每个层的节点表示能实现的叶片对位置。每个节点由矢量br表示，其包括二元序列，其中，每个位表示具有针对通过为1并且针对被阻挡为0的值的像素或开口。邻近层的节点通过图形边缘来连接，向所述图像边缘分配第一权重er和正则化值。基于通量图梯度的目标函数被用于计算边缘权重。在一个实施例中，利用层状图形结构来确定多个映射或最短路径，每个确定一CP，并且最佳CP是根据预定度量从CP中选择。
CP管理器单元或计算设备70将具有叶片位置的对应集合的额外或选定CP添加到CP 26的集合。预测器-校正器优化器单元24迭代地调用预测单元60和校正单元64，直到满足用户停止准则。具有叶片位置的对应集合的CP的集合形成经修改的RT计划12。在一个实施例中，CP中的一个在计算逼近通量平面值之前被从所述集合移除。在另一实施例中，确定新控制点的叶片位置。
参考图3，被可视化的影响区域80的范例被图示为叠加在等剂量曲线或示范性解剖学图像84的显示上。所述解剖学图像是2D CT图像切片。等剂量曲线是其勾勒规划的剂量的线。所述线能够以颜色指示或者以其他方式与解剖学图像进行对比。影响区域利用图案、纹理和/或颜色相比于解剖学图像和等剂量曲线来空间地指示。基于可视的影响区域和选定的参数，规划者能够决定接受参数改变并且基于所述参数改变来修改RT计划还是选择另一参数。所述影响区域能够包括空间地分离的区域。在一个实施例中，影响区域能够从一个参数改变到另一个而被保留，并且对保留的每个影响区域进行视觉比较。颜色标记或其他标识被用于识别每个影响区域。所述可视化是在规划者与系统之间交互的。规划者选择参数值的改变，其确定影响区域，并且还选择哪些参数改变被可视化。
参考图4，图示了可视化的目标相关性图表的范例。所述图表包括目标ROI 90的指示器，其被表示为矩形。目标ROI包括靶标和/或OAR。所述目标矩形根据每个目标对目标值的加和的影响来设定大小。例如，“靶标1”92是最大矩形，其比其他指示的目标成比例地更多贡献于目标值的加和，并且“靶标3”94是最小矩形，其比其他指示的目标成比例地更少贡献于目标值的加和。针对目标的指示能够备选地包括其他形状、颜色、纹理等。例如，靶标利用第一颜色来指示并且根据针对靶标目标的目标值的加和来设定大小，并且OAR利用第二颜色来指示并且根据针对OAR对象的目标值的加和来设定大小。
连接器96连接所述目标并且指示目标之间的相关性。目标之间的所述相关性被表示为可变长度和宽度的连接线。线的连接宽度98指示所述相关性的幅度。点线100指示负符号的相关性。在目标可视化单元的其他实施例中，所述连接器包括指示器，诸如不同长度、面积、宽度、形状、颜色、纹理等。备选图表包括不同的选定目标参数，诸如ROI、权重和剂量。所述备选图表能够包括目标参数的不同的相关的方面，如在参考图1和目标可视化单元40所讨论的范例中。能够交互地选择目标或目标的子集。所述图表能够通过相关性的幅度、连接器的数量、和/或目标、诸如目标参数值和/或ROI(例如靶标或OAR)的类型来过滤。
参考图5，以流程图示出了在RT规划过程中对CP的迭代细化的方法的一个实施例。在步骤中或者通过模块110，接收近似辐射治疗(RT)计划。所述RT计划包括当前逼近剂量dcurr以及控制点的集。每个控制点包括多叶准直器的叶片位置的对应集合。叶片位置的集合逼近离散通量平面值xcurr。
在步骤中或者由模块112来计算通量平面值x*的预测集合。离散通量图是基于在所述集合中的每个CP的。在一个实施例中，在计算所述逼近通量平面值之前，在所述集合中的CP中的一个被选择并且被移除。所述选择能够包括在每次迭代中的有序的选择，使得CP中的每个在迭代中被从CP的集合上移除，例如，针对每次迭代和多个迭代移除一个CP。
在步骤中或者通过模块114来确定具有叶片位置的对应集合的额外控制点。通过对当前逼近通量与预测通量的差x*-xcurr的校正映射来确定额外的CP。所述映射是通过在针对每个潜在CP的叶片位置的层状图形结构中的最低成本或最短路径的。具有叶片位置的对应集合的额外CP被添加到CP的集合，其形成针对下一次迭代的CP的集合。
在步骤中或者通过模块116，重复步骤，直到满足预定的停止准则。例如，所述停止准则能够包括若干次迭代，和/或当前目标函数值的差的阈值改变。应当意识到，尽管关于辐射治疗进行了描述，但是所述方法还能够应用于针对各种工业、制造或其中利用选定辐射射束来辐照无生命对象的其他用途的规划辐照。
参考图6，以流程图示出了对影响区域进行可视化的方法的一个实施例。在步骤中或者通过模块120，接收在目标函数O(d；θ)中具有当前参数值θ0的辐射计划参数θ的改变。所述值是从输入设备接收的。所述参数值是辐射治疗计划的值，其包括剂量空间以及多个计划目标参数，诸如感兴趣区域、剂量水平、以及目标的相对权重。所述目标函数O是在通量或剂量上优化的。
在剂量空间中的影响区域是在步骤中或者通过模块122基于如下函数根据参数的改变来识别的：其中，d是剂量体积。对在所述感兴趣区域的至少一个上的影响区域效果进行可视化。例如，在一个或多个ROI上指示影响区域效果的数值表示和/或突出显示的空间位置。在另一实施例中，所述可视化包括影响区域效果的剂量测定量度的表格显示。
在步骤中或者通过模块124，显示对影响区域的视觉表示。所述显示能够包括被叠加在等剂量曲线和规划图像和/或ROI的显示上的可视化的表示。所述显示能够包括表格显示。所述显示能够被限于ROI中的一个或多个。
参考图7，以流程图示出了对RT计划目标关系进行可视化的方法的一个实施例。在步骤中或者通过模块130，接收辐射治疗计划，其包括当前剂量或剂量体素d、以及计划目标。
在步骤中或者通过模块132，选择计划目标或计划参数的一个或多个集合。例如，所有计划目标能够被选择作为默认设置。在另一范例中，所述计划目标的一个或多个子集由规划者交互地选择，如参考图1和目标可视化单元40所讨论的。
相关性的类型是在步骤中或者通过模块134来选择的。相关性类型能够包括要如何将选定的目标或参数相关。例如，在目标之间的一种相关性能够包括计划目标关于剂量的梯度以及函数其中，θ0是当前参数值，Oi和Oj分别是目标，并且d是剂量体积。在另一范例中，所述相关性包括所述计划目标关于优化问题的参数(诸如通量平面中的像素的强度值或者在直接机器参数的叶片位置)的梯度以及函数 其中，θ是优化问题的参数。参考图1和目标可视化单元40论述了其他范例。所述相关性是在步骤中或者通过模块136利用选定相关性类型和选定目标和/或参数来计算的。
在步骤中或者由模块138构建的图表中可视化所计算的相关性和选定的目标。所述图表能够包括图形或枢纽表，其空间地和/或数字地对所述相关性进行可视化。例如，所述图表包括针对每个计划目标的第一指示器类型，诸如相对于每个目标对目标值的加和的影响设定大小的矩形，以及针对每个相关性的第二指示器类型，诸如在相关联的目标之间连接的线，其相对于相关性的符号和幅度设定大小和形状。经可视化的图表在步骤中或者由模块140被显示在显示设备上。
所述方法的步骤被设想用于向对象的选定区域应用辐射的外部射束，其包括限定的部分以接收辐射暴露的至少期望水平，而其他限定部分接收最小化的剂量。例如，食物和/或食物包装的表面被辐照，同时使对食物的辐照最小化。在另一范例中，能够精确的形状来形成由辐照形成的交叉链接的聚合物，其中将辐射射束选择性应用到预交叉链接的聚合物解，例如，管道形成。
应当意识到，结合在本文中所提出的具体例示性实施例描述了特定的结构和/或函数特征，如被并入在限定的元件和/或部件中。然而，应当设想到，这些特征出于相同或相似的益处还可以类似地在合适时被并入到其他元件和/或部件中。应当意识到，可以选择性地采用示例性实施例的不同方面，作为适于实现适于期望的应用的其他备选实施例，所述其他备选实施例因此实现在本文中并入的各方面的各自优点。
还应当意识到，在本文中所描述具体的单元、器件、元件或部件可以使其功能适于经由硬件、软件、固件或者其组合来实施。另外，应当意识到，在本文中所描述的特定元件(如被合并在一起的)可以在合适的环境下是分立元件或以其他方式分离的。类似地，多个具体功能被描述为由一个具体元件执行，可以由多个分立元件执行，其独立地动作，以执行个体功能，或者特定的个体功能可以被分开并且由一致动作的多个分立的元件来执行。备选地，在本文中以其他方式所描述的和/或所示的与彼此相区别的一些元件或部件可以在合适的情况下被物理地或者功能地组合。
简言之，已经参考优选实施例阐述了本说明书。很明显，他人在阅读了理解了前文的详细描述后将想到多种修改和变动。目的是，本发明被解读为包括全部这样的修改和变动，只要它们落入所附权利要求或其等价方案的范围内。换言之，应当意识到，各种上文所公开的和其他特征与功能，或者其备选，可以被期望地组合到许多其他不同的系统或应用中，并且同样地，在本文中的各种当前未预见或者未预料的备选、修改、变形或改善可以随后由本领域技术人员来完成，类似地，其旨在由随附权利要求来涵盖。

Claims (15)

1.一种辐射递送规划的方法，包括：
接收(110)辐射递送计划，所述辐射递送计划包括控制点的汇集，每个控制点具有针对多叶准直器的叶片位置的对应集合，所述对应集合定义当前逼近通量平面值(xcurr)；
利用对应的剂量体积来计算(112)通量平面值(x*)的预测集合；并且
经由通过在针对每个潜在控制点的叶片位置的层状图形结构中的最低成本或最短路径的对当前逼近通量平面值(xcurr)与预测通量平面值的差(x*-xcurr)的校正映射来确定(114)具有叶片位置的对应集合的额外控制点，并且将具有叶片位置的对应集合的所确定的控制点添加到控制点的所述汇集。
2.根据权利要求1所述的方法，还包括：
对所述方法的步骤进行迭代(116)，直到满足预定的停止准则。
3.根据权利要求2所述的方法，其中，所述预定的停止准则包括迭代的次数和/或当前逼近剂量与预测剂量的差的阈值改变。
4.根据权利要求1-3中的任一项所述的方法，其中，通过使以下函数最小化来确定通量平面值(x*)的所述预测集合：
其中，x是所述通量平面值，Oj是第j个剂量目标，并且α是目标的权重。
5.根据权利要求4所述的方法，其中，所述x*是利用非线性优化算法来计算的。
6.根据权利要求5所述的方法，其中，所述非线性优化算法是包括有限的存储变量的Broyden-Fletcher-Goldfarb-Shannon算法。
7.根据权利要求1-3中的任一项所述的方法，其中，所述最短路径是通过由||x*-xcurr-γs||2-||x*-xcurr||2定义的成本函数来表示的，其中，γ表示未知权重，并且s表示叶片位置的未知集合，其中，所述成本函数能够被扩展为包括分段形状、分段开口和/或控制点之间权重的变化。
8.根据权利要求1-3中的任一项所述的方法，其中，计算包括在计算所述逼近通量和剂量之前从所述汇集中选择并移除所述控制点中的一个。
9.根据权利要求8所述的方法，其中，所述选择包括在每次迭代中的有序选择，使得所述控制点中的每个在若干次迭代中被移除。
10.根据权利要求1-3中的任一项所述的方法，其中，所述校正映射包括多个校正映射，每个校正映射产生控制点；并且
其中，添加包括根据预定度量来选择所确定的控制点中的一个。
11.根据权利要求1-3中的任一项所述的方法，其中，所述层状图形结构包括具有针对每个潜在控制点的节点的层，并且每个第i层表示在多叶准直器(MLC)的第i行中的叶片对，并且在层中的所述节点表示所有能实现的叶片对位置，并且由矢量br表示的每个节点，所述矢量br包括二值序列，其中，每个位表示具有针对未准直的为1并且针对准直的为0的值的像素或开口，并且相邻层的节点由图形边缘连接，第一权重er和正则化值被分配到所述图形边缘。
12.根据权利要求1-3中的任一项所述的方法，其中，通过下式来定义所述当前逼近通量平面值xcurr：
xcurr＝∑iwiχi，
其中，w是权重，χ是在通过位置中具有1并且在阻挡位置具有0的特征函数，并且针对每个控制点i被加和。
13.一种辐射递送系统，包括：
辐射递送设备(28)；
控制器(38)，其被配置为控制所述辐射递送设备以依照辐射递送计划递送辐射；以及
一个或多个处理器(56)，其被配置为通过执行如权利要求1-12中的任一项所述的步骤来确定所述辐射递送计划。
14.一种用于辐射递送规划(10)的系统，包括：
控制点管理器单元或器件(70)，其被配置为接收辐射递送计划，所述辐射递送计划包括当前逼近剂量(dcurr)、以及控制点的汇集，每个控制点具有针对多叶准直器的叶片位置的对应集合，所述对应集合定义当前逼近通量平面值(xcurr)；
预测单元或器件(60)，其被配置为计算通量平面值(x*)的预测集合，所述预测通量映射到具有剂量矩阵d的参数空间；
校正单元或器件(64)，其被配置为经由通过在针对每个潜在控制点的叶片位置的层状图形结构中的最低成本或最短路径的对当前逼近通量平面值与预测通量值的差(x*-xcurr)的校正映射来确定具有叶片位置的对应集合的额外控制点；并且
其中，所述控制点管理单元或器件(70)还被配置为将具有叶片位置的对应集合的所确定的控制点添加到控制点的所述汇集。
15.一种承载软件的非瞬态计算机可读存储介质，所述软件控制一个或多个电子数据处理设备以执行根据权利要求1-12中的任一项所述的方法。
CN201580051184.7A 2014-09-22 2015-09-09 辐射治疗规划优化和可视化 Active CN107106866B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462053402P 2014-09-22 2014-09-22
US62/053,402 2014-09-22
PCT/IB2015/056884 WO2016046683A2 (en) 2014-09-22 2015-09-09 Radiation therapy planning optimization and visualization

Publications (2)

Publication Number Publication Date
CN107106866A CN107106866A (zh) 2017-08-29
CN107106866B true CN107106866B (zh) 2019-07-26

Family

ID=54251552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580051184.7A Active CN107106866B (zh) 2014-09-22 2015-09-09 辐射治疗规划优化和可视化

Country Status (5)

Country Link
US (1) US10675483B2 (zh)
EP (3) EP3197553B1 (zh)
JP (1) JP6495441B2 (zh)
CN (1) CN107106866B (zh)
WO (1) WO2016046683A2 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016063548A1 (ja) * 2014-10-24 2016-04-28 国立研究開発法人放射線医学総合研究所 照射計画装置および照射計画補正方法
US10252081B2 (en) * 2015-09-25 2019-04-09 Varian Medical Systems International Ag Apparatus and method using automatic generation of a base dose
CN108697905B (zh) * 2016-03-09 2021-04-06 皇家飞利浦有限公司 放射治疗规划设备、方法和存储介质
US11179129B2 (en) * 2016-12-14 2021-11-23 Varian Medical Systems, Inc. Systems and methods for planning and executing automated multi-axis motion in treatment
DE102017203025A1 (de) * 2017-02-24 2018-08-30 Siemens Healthcare Gmbh Verfahren zu einem Unterstützen einer Planung einer Magnetresonanzuntersuchung an einem Patienten mit einer Magnetresonanzvorrichtung sowie eine Magnetresonanzvorrichtung zu einem Ausführen des Verfahrens
EP3391940A1 (en) 2017-04-21 2018-10-24 Koninklijke Philips N.V. Planning system for adaptive radiation therapy
US11439846B2 (en) 2017-05-03 2022-09-13 Koninklijke Philips N.V. Visualization of volumetric modulated arc therapy (VMAT) plans
US10646729B2 (en) 2017-08-30 2020-05-12 Uih-Rt Us Llc Systems and methods for pulse parameter modulation
EP3546021A1 (en) 2018-03-29 2019-10-02 Koninklijke Philips N.V. Planning system for planning a radiation therapy procedure
EP3574861A1 (en) * 2018-05-28 2019-12-04 Koninklijke Philips N.V. System and method for assisting in positioning a thermal ablation device
EP3621085A1 (en) * 2018-09-04 2020-03-11 Koninklijke Philips N.V. Resource scheduling in adaptive radiation therapy planning
CN111001097B (zh) * 2019-12-28 2022-09-16 上海联影医疗科技股份有限公司 一种放疗剂量评估系统、装置及存储介质
WO2022032209A1 (en) * 2020-08-06 2022-02-10 Health Research, Inc. Methods and systems for optimizing volumetric modulated arc therapy (vmat) treatment plans
EP4019084A1 (en) 2020-12-22 2022-06-29 Koninklijke Philips N.V. Planning apparatus for planning a radiation therapy
EP4134130A1 (en) * 2021-08-13 2023-02-15 RaySearch Laboratories AB Radiotherapy treatment plan evaluation and improvement

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6449335B1 (en) * 2000-08-23 2002-09-10 Siemens Medical Solutions Usa, Inc. System and method for optimizing radiation treatment with an intensity modulating multi-leaf collimator
WO2004087254A2 (en) * 2003-03-28 2004-10-14 University Of North Carolina At Chapel Hill Residual map segmentation method for multi-leaf collimator-intensity modulated radiotherapy
WO2007012185A1 (en) * 2005-07-25 2007-02-01 Karl Otto Methods and apparatus for the planning and delivery of radiation treatments
US7831018B1 (en) * 2009-06-04 2010-11-09 Varian Medical Systems International Ag Method and apparatus to facilitate optimizing a radiation-treatment leaf-sequence plan
WO2014191204A1 (en) * 2013-05-29 2014-12-04 Koninklijke Philips N.V. Device for determining illumination distributions for imrt

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3871579A (en) * 1968-11-20 1975-03-18 Kiyonari Inamura Apparatus for displaying isodose curves of radiation with program for digital computer coupled thereto determined in relation to source of radiation
JPS5752967A (en) * 1980-09-17 1982-03-29 Nec Corp Device for immediately calculating and displaying dose distribution
US6024630A (en) 1995-06-09 2000-02-15 Applied Materials, Inc. Fluid-pressure regulated wafer polishing head
SE512603C2 (sv) * 1997-06-19 2000-04-10 Elekta Ab Metod och anordning för automatiserad dosplanering
US6198957B1 (en) 1997-12-19 2001-03-06 Varian, Inc. Radiotherapy machine including magnetic resonance imaging system
US6167114A (en) * 1998-08-10 2000-12-26 Siemens Medical Systems, Inc. System and method for calculating scatter radiation including a collimator thickness
US6314159B1 (en) * 1999-12-08 2001-11-06 Siemens Medical Systems, Inc. System and method for optimizing radiation treatment with an intensity modulating multi-leaf collimator
US6750037B2 (en) 1999-12-27 2004-06-15 Edwin L. Adair Method of cancer screening primarily utilizing non-invasive cell collection, fluorescence detection techniques, and radio tracing detection techniques
US20030212325A1 (en) 2002-03-12 2003-11-13 Cristian Cotrutz Method for determining a dose distribution in radiation therapy
US7085348B2 (en) * 2003-12-15 2006-08-01 The University Of Florida Research Foundation, Inc. Leaf sequencing method and system
US7734010B2 (en) * 2005-05-13 2010-06-08 Bc Cancer Agency Method and apparatus for planning and delivering radiation treatment
EP2010287B1 (en) * 2006-04-27 2009-08-12 Elekta AB (publ) Radiotherapeutic apparatus
US8073104B2 (en) 2006-05-25 2011-12-06 William Beaumont Hospital Portal and real time imaging for treatment verification
WO2008039991A1 (en) * 2006-09-28 2008-04-03 University Of Maryland Arc-sequencing technique for intensity modulated arc therapy
US8487269B2 (en) 2007-02-28 2013-07-16 Siemens Aktiengesellschaft Combined radiation therapy and magnetic resonance unit
US8262554B2 (en) * 2007-03-30 2012-09-11 Accuray Incorporated Apparatus and method for determining an optimized path traversal for radiation treatment delivery system
US8014494B2 (en) * 2009-10-20 2011-09-06 University Of Maryland, Baltimore Single-arc dose painting for precision radiation therapy
JP4368905B2 (ja) * 2007-05-11 2009-11-18 シャープ株式会社 グラフ描画装置および方法、その方法を実行する歩留り解析方法および歩留り向上支援システム、プログラム、並びにコンピュータ読み取り可能な記録媒体
US7668291B2 (en) * 2007-05-18 2010-02-23 Varian Medical Systems International Ag Leaf sequencing
US7835493B2 (en) * 2007-08-06 2010-11-16 Stanford University Method and system for four dimensional intensity modulated radiation therapy for motion compensated treatments
US7835494B2 (en) * 2008-08-28 2010-11-16 Varian Medical Systems International Ag Trajectory optimization method
US8363784B2 (en) 2008-08-28 2013-01-29 Tomotherapy Incorporated System and method of calculating dose uncertainty
US8588369B2 (en) * 2008-08-28 2013-11-19 Varian Medical Systems, Inc. Radiation system with rotating patient support
US8180020B2 (en) * 2008-10-23 2012-05-15 Accuray Incorporated Sequential optimizations for treatment planning
US8009804B2 (en) * 2009-10-20 2011-08-30 Varian Medical Systems International Ag Dose calculation method for multiple fields
DE102010015224A1 (de) 2010-04-16 2011-10-20 Siemens Aktiengesellschaft Vorrichtung zur auf Röntgenstrahlen basierenden Hervorhebung von Weichteilen in der medizinischen Strahlentherapie
US9067064B2 (en) * 2010-04-28 2015-06-30 The Regents Of The University Of California Optimization process for volumetric modulated arc therapy
US8295436B2 (en) * 2010-09-10 2012-10-23 Varian Medical Systems International Ag Method and apparatus pertaining to optimizing a radiation-treatment leaf-sequence plan
US8615068B2 (en) * 2011-09-23 2013-12-24 Wisconsin Alumni Research Foundation System and method for intensity modulated arc therapy treatment planning
US8836697B2 (en) * 2011-09-30 2014-09-16 Varian Medical Systems International Ag Real-time 3D dose visualization system
US20130085343A1 (en) * 2011-09-30 2013-04-04 Lasse Toimela Semantic radiation treatment plan optimization guidance
US8961382B2 (en) * 2012-01-24 2015-02-24 Varian Medical Systems International Ag Method and apparatus pertaining to radiation-treatment plan optimization
US9381376B2 (en) * 2012-10-12 2016-07-05 Varian Medical Systems International Ag Systems, devices, and methods for quality assurance of radiation therapy
EP3075416B1 (en) * 2015-04-02 2017-06-07 RaySearch Laboratories AB System and method for determining a radiation treatment plan

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6449335B1 (en) * 2000-08-23 2002-09-10 Siemens Medical Solutions Usa, Inc. System and method for optimizing radiation treatment with an intensity modulating multi-leaf collimator
WO2004087254A2 (en) * 2003-03-28 2004-10-14 University Of North Carolina At Chapel Hill Residual map segmentation method for multi-leaf collimator-intensity modulated radiotherapy
WO2007012185A1 (en) * 2005-07-25 2007-02-01 Karl Otto Methods and apparatus for the planning and delivery of radiation treatments
US7831018B1 (en) * 2009-06-04 2010-11-09 Varian Medical Systems International Ag Method and apparatus to facilitate optimizing a radiation-treatment leaf-sequence plan
WO2014191204A1 (en) * 2013-05-29 2014-12-04 Koninklijke Philips N.V. Device for determining illumination distributions for imrt

Also Published As

Publication number Publication date
CN107106866A (zh) 2017-08-29
EP3427796A1 (en) 2019-01-16
US10675483B2 (en) 2020-06-09
WO2016046683A2 (en) 2016-03-31
EP3197553A2 (en) 2017-08-02
EP3300769A3 (en) 2018-09-19
WO2016046683A3 (en) 2016-05-19
EP3300769A2 (en) 2018-04-04
JP2017528250A (ja) 2017-09-28
JP6495441B2 (ja) 2019-04-03
EP3300769B1 (en) 2020-06-17
US20180078786A1 (en) 2018-03-22
EP3197553B1 (en) 2018-03-21

Similar Documents

Publication Publication Date Title
CN107106866B (zh) 辐射治疗规划优化和可视化
JP5805757B2 (ja) 放射線量を推定し、推定された放射線量を操作するためのシステムおよび方法
RU2449372C2 (ru) Эффективное взаимодействие пользователя с многоугольными сетками для сегментации медицинских изображений
CN108348771B (zh) 在辐射疗法中基于知识的空间剂量度量和生成射束定向的方法
CN115361998A (zh) 放射疗法治疗计划的对抗性预测
CN105473182B (zh) 治疗规划的自动化
CN105377368B (zh) 用于控制imrt递送复杂度的交互式基于剂量梯度的优化技术
KR20150135354A (ko) 동위원소 소스 외부 비임 방사선요법을 위한 시스템 및 방법
CA2796159A1 (en) Multi-objective radiation therapy optimization method
US11282192B2 (en) Training deep learning engines for radiotherapy treatment planning
CN108883302A (zh) 自适应辐射治疗规划
CN109069861A (zh) 质子疗法中的剂量分布估计
CN103328044A (zh) 用于建立辐照规划的方法和装置
Guidi et al. Expert system classifier for adaptive radiation therapy in prostate cancer
CN113795303A (zh) 用于放射治疗规划的质量感知持续学习的方法和系统
Furmanová et al. PREVIS: Predictive visual analytics of anatomical variability for radiotherapy decision support
JP2022524239A (ja) 放射線治療計画作成のためのシステム、コンピュータプログラム製品、及び方法
CN108697905A (zh) 强度调制辐射治疗中临床目标的可实现性的快速预测的预优化方法
Ni et al. Fast VMAT planning for prostate radiotherapy: dosimetric validation of a deep learning-based initial segment generation method
Vazquez et al. A deep learning-based approach for statistical robustness evaluation in proton therapy treatment planning: a feasibility study
Pinter Dynamic representation of anatomical structures in radiation therapy treatment planning and evaluation
Fakharzadeh Jahromi et al. Fluence map optimization in intensity modulated radiation therapy for fuzzy target dose
Hargrave The development of a clinical decision making framework for image guided radiotherapy
Nilsson Development of an EPID image predictionalgorithm for treatment verification in photonradiation therapy
Sunderland Fractional labelmap representation of anatomical structures

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