CN107666940A - 选择射束几何结构的方法 - Google Patents

选择射束几何结构的方法 Download PDF

Info

Publication number
CN107666940A
CN107666940A CN201680031028.9A CN201680031028A CN107666940A CN 107666940 A CN107666940 A CN 107666940A CN 201680031028 A CN201680031028 A CN 201680031028A CN 107666940 A CN107666940 A CN 107666940A
Authority
CN
China
Prior art keywords
geometry
candidate beams
cost function
geometries
function value
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.)
Pending
Application number
CN201680031028.9A
Other languages
English (en)
Inventor
V·兰加纳坦
P·库马尔
G·乔安托
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 CN107666940A publication Critical patent/CN107666940A/zh
Pending legal-status Critical Current

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
    • A61N5/1042—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
    • 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
    • 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

本发明涉及一种选择用于在辐射治疗中使用的射束几何结构的方法。所述方法(10)包括：提供(12)多个候选射束几何结构；利用所有候选射束几何结构来优化(1)辐射处置计划；并且基于所有候选射束几何结构来计算(14)代价函数值。来自所述多个候选射束几何结构的第一射束几何结构被移除(15)，并且基于没有了被移除的第一射束几何结构的所述候选射束几何结构计算(16)第一经修改的代价函数值。恢复(17)所述第一射束几何结构。针对所有其他候选射束几何结构来重复(R)以下步骤：移除射束几何结构，计算经修改的代价函数值，并且恢复被移除的射束几何结构。基于经修改的代价函数值从所述多个候选射束几何结构中选取(19)一个或多个射束几何结构。

Description

选择射束几何结构的方法
技术领域
本发明涉及选择用于在辐射治疗中使用的射束几何结构的集合的方法，选择用于在辐射治疗中使用的射束几何结构的集合的系统，以及选择用于在辐射治疗中使用的射束几何结构的集合的计算机程序，特别是在强度调制的辐射治疗(IMRT)中和/或强度调制的粒子治疗(IMPT)中。
背景技术
目前，在辐射治疗中、特别是在IMRT中的射束几何结构或射束角度选择过程基于处置规划者的经验或者借助试错方法。存在被用于解决射束角度优化(BAO)问题的许多优化算法，其中，遗传算法(GA)是常用的一种算法。模拟退火(SA)算法也已经被许多研究人员所使用。这样的穷举搜索算法一般探索大量候选解以实现最佳射束配置，其显著地延了长IMRT中的BAO的整个过程。在其他工作中，评分函数被引入以测量在给定射束角度处的每个小射束的“良好度”，其被用于在候选射束角度的集合之中选择一些射束角度。Bertsimas D等人在Computers and Operations Research(2012)，http://dx.doi.Org/10.1016/j.cor.2012.06.009上的A hybrid approach to beam angle optimization inintensity-modulated radiation therapy一文中已经描述了针对IMRT中的射束角度优化的混合方法。
发明内容
本发明的目标是提供一种选择用于在辐射治疗中使用的射束几何结构的集合的方法、一种选择用于在辐射治疗中使用的射束几何结构的集合的系统、以及一种选择用于在辐射治疗中使用的射束几何结构的集合的计算机程序，其造成对射束几何结构的经改进的选择。具体地，本发明的目标是提供一种选择用于在辐射治疗中使用的射束几何结构的集合的方法、一种选择用于在辐射治疗中使用的射束几何结构的集合的系统、以及一种选择用于在辐射治疗中使用的射束几何结构的集合的计算机程序，其造成对射束几何结构的快速且准确的选择。
在本发明的第一方面中，提出了一种选择用于在辐射治疗中使用的射束几何结构的集合的方法，其中，所述方法包括：
-提供多个候选射束几何结构；
-利用所有候选射束几何结构来优化辐射处置计划；
-基于所有候选射束几何结构来计算代价函数值；
-从所述多个候选射束几何结构中移除第一射束几何结构；
-基于没有了被移除的第一射束几何结构的所述候选射束几何结构来计算第一经修改的代价函数值；
-将所述第一射束几何结构恢复到所述多个候选射束几何结构；
-针对所有其他候选射束几何结构来重复以下步骤：移除射束几何结构，计算经修改的代价函数值，并且恢复被移除的射束几何结构。
-基于所述经修改的代价函数值来从所述多个候选射束几何结构中选取一个或多个射束几何结构。
根据本发明的选择用于在辐射治疗中使用的射束几何结构的集合的方法提供了一种快速且准确的选择方法。根据该方法，提供了多个候选射束几何结构。该多个候选射束几何结构P表示射束几何结构池，从所述射束几何结构池要选择一个或多个射束几何结构。然后从所述池或所述多个候选射束几何结构选择的一个或多个射束几何结构表示所选择的要在辐射处置计划中使用的射束几何结构的集合B。所述多个候选射束几何结构例如能够通过用户输入来提供，或者能够从模板提取，其例如能够被存储在系统或计算机的存储器中。
针对该多个候选射束几何结构，优化辐射处置计划。例如，能够优化针对所有候选射束几何结构的射束强度，包括针对每个射束几何结构的小射束。此外，计算基于所有候选射束几何结构的相应复合代价函数值，特别是利用所有候选射束几何结构的经优化的辐射处置计划。基于所有候选射束几何结构计算的该相应复合代价函数值F也能够被称为原始代价函数值。优选地，基于所有候选射束几何结构计算的复合或原始代价函数值F例如被存储在计算机或系统的存储器中。
能够使用考虑例如射束体积、射束剂量以及权重的代价函数来计算所述代价函数值，以确定被递送至感兴趣体积、特别是被递送至靶体积以及风险结构或器官的剂量。具体地，不同感兴趣区域的处置参数，诸如靶体积的最小剂量、和/或剂量的符合性、和/或容限参数，诸如剂量体积代价、和/或剂量体积限制和/或重要性因子，能够被用于定义代价函数。
所述方法还包括从所述多个候选射束几何结构中移除第一射束几何结构。具体地，来自第一射束几何结构的剂量分布能够从多个候选射束几何结构中移除。例如，能够通过将为零的射束权重值分配至该第一射束几何结构来移除所述第一射束几何结构。优选地，所述第一射束几何结构也能够通过关断相应处置规划系统中的第一射束几何结构监测单元(MU)来移除。
然后，基于没有了被移除的第一射束几何结构的所述候选射束几何结构来计算第一经修改的代价函数值Fm。优选地，被用于计算第一经修改的代价函数值Fm的所述代价函数是与被用于基于所有候选射束几何结构来计算复合或原始代价函数值F的相同代价函数。基于除了先前被移除的第一射束几何结构的多个候选射束几何结构来计算第一经修改的代价函数值Fm。
所述第一经修改的代价函数值能够是在无第一被移除的射束几何结构的情况下基于所述多个候选射束几何结构计算的代价函数的直接计算的结果。例如，所述第一经修改的代价函数值也能够是基于没有了被移除的第一射束几何结构的所述候选射束几何结构而计算的代价函数值相较于基于所有候选射束几何结构所计算的原始代价函数值的变化，或者其能够是从所述代价函数的直接计算的结果导出的值，或者所述代价函数的变化，如平方。
通常，当移除所述第一射束几何结构或者其剂量分布时，所述代价函数值将可能增加，即，在被移除的射束几何结构已经有用地贡献于所述处置计划的情况下，经修改的代价函数值将大于原始代价函数值(Fm＞F)。通常，如果被移除的射束几何结构是更优的，则所述代价函数值的增加将相对较高。类似地，如果被移除的射束几何结构是欠优的，则所述代价函数值的增加将相对较低。在一些情况下，尤其是当候选射束几何结构的数量是非常大时，也可能的是，所述代价函数值当射束几何结构被移除时可能轻微地减小，即，由于局部最小值的存在，经修改的代价函数值将小于原始代价函数值(Fm＜F)。
所述第一经修改的代价函数值优选在其计算之后例如被存储在系统或计算机的存储器中。进一步优选地，在经修改的代价函数值被计算并且优选被存储之后，具有所有候选射束几何结构的原始代价函数值将被存储回去。这例如能够在先前被移除的第一射束几何结构被恢复之前或之后来执行。
在经修改的代价函数值被计算并且优选被存储之后，所述先前被移除的第一射束几何结构被恢复到所述多个候选射束几何结构。具体地，恢复来自所述第一射束几何结构的剂量分布。例如，所述第一射束几何结构能够通过分配不等于零或者不同于零、具体是大于零的射束权重值来恢复。优选地，在所述第一射束几何结构的移除之前被分配到其的射束权重值被用于恢复该第一射束几何结构。所述第一射束几何结构也能够通过开启例如在处置计划系统中的第一射束几何结构监测单元(MU)来恢复。
在下文中，然后针对候选射束几何结构的池中的所有其他候选射束几何结构来重复这些三个步骤：从所述多个候选射束几何结构移除射束几何结构；基于没有了被移除的射束几何结构的所述候选射束几何结构来计算经修改的代价函数值；并且将先前移除的射束几何结构恢复到所述多个候选射束几何结构。换言之，针对在所述方法的开始中所提供的所有候选射束几何结构来基于没有了被移除的射束几何结构的所述候选射束几何结构计算经修改的代价函数值。优选地，所有经修改的代价函数值例如被存储在系统或计算机的存储器中。
进一步优选地，在针对临床应用的处置规划系统中实施所述方法。具体地，优选使用在处置规划系统中的射束权重的分配以允许关断或开启射束几何结构的监测器单元(MU)，使得该射束几何结构能够在无需使先前优化的值(如计算的剂量或优化的通量图)无效的情况下非常容易技术地移除或恢复。
基于经修改的代价函数值，选取来自所述多个候选射束几何结构的一个或多个射束几何结构。然后在处置计划中使用一个或多个选取或选择的射束几何结构的该集合。
优选地，从所述多个候选射束几何结构中选取或选择代价函数值的增加相对高的那些射束几何结构，因为与基于所有候选射束几何结构的原始代价函数值相比较，在这些具体射束几何结构被移除的情况下的经修改的代价函数值的增加指示被移除的射束几何结构是最优的。
最终，所选取的射束几何结构的集合B将包含相对于代价函数具有最优射束几何结构的那些射束几何结构。
一般而言，所述方法同样能适用于IMPT，以用于选择适合的射束几何结构。
此外，优选地，所述方法包括提供针对不同感兴趣区域的处置参数和/或容限参数。例如，针对不同感兴趣区域的剂量体积代价和/或剂量体积限制和/或影响因子，特别是风险结构或器官，可以被提供作为容限参数。例如，特别是针对要被处置的体积的规定的辐射剂量和/或最小辐射剂量和/或对辐射的曝光时间可以被提供作为处置参数。
优选地，在所述方法的开始中，优选在进行对代价函数值的优化或计算之前，提供针对不同感兴趣区域的处置参数和/或容限参数。针对不同感兴趣区域的处置参数和/或容限参数例如能够由用户来限定或者被提供为模板，例如，被提供作为标准解剖模板，其例如能够基于肿瘤放射治疗学组(RTOG)或机构特异的协议。那些模板例如能够被存储在系统或计算机的存储器中并且被选择以被提供用于所述方法。具体地，不同的模板可以被提供用于不同的身体部位，诸如大脑、头部和颈部、肺、前列腺等。
在本文中所描述的方法具有各种各样的优点。首先，根据本发明的方法通过使用代价函数从候选射束几何结构P的池中选择射束形状的集合B来组合穷举搜索算法和排序算法两者的优点。此外，所述方法考虑不同射束几何结构之间的各种各样的协同作用或相互影响效应。此外，所述方法直接使用代价函数来选取射束几何结构，并且因此，根据在本文中所描述的方法得到的射束几何结构将相对于临床目标是最优的。
在优选实施例中，所述方法包括利用一个或多个选取的射束几何结构来优化辐射处置。优选地，所选择的射束几何结构的集合被用在辐射处置计划中，并且所述辐射处置计划基于一个或多个选取的射束几何结构在处置之前被优化。
在另外的优选实施例中，使用通量图优化(FMO)以通量水平和/或使用直接机器参数优化(DMPO)以控制点水平来应用对辐射处置计划的优化。例如优选使用通量图优化以通量水平和/或例如使用直接机器参数优化以控制点水平来施加对辐射处置的优化。例如，在S.V.Spirou、C.-S.Chui.在Med Phys 1998；25:321-33中的A gradient inverse planningalgorithm with dose-volume constraints以及Q.Wu、R.Mohan在Med Phys 2000；27:701-11上的Algorithm and functionality of an intensity modulated radiotherapyoptimization system描述了通量图优化(FMO)，通过引用将其并入本文。例如在B.Hardemark、A,Liander、H.Rehbinder和J.在RaySearch White Paper，2004上的“Direct Machine Parameter Optimization with RayMachine in Pinnacle”描述了直接机器参数优化(DMPO)，通过引用将其并入本文。优选地，如先前所描述地优化基于所有候选射束几何结构的初始辐射处置计划以及基于一个或多个选取的射束几何结构的最终辐射处置计划。在直接机器参数优化的背景下，能够仅针对哪个射束几何结构选择能够被完成来对高度有效的控制点进行采样。
根据另外的优选实施例，所述方法包括针对一个或多个选取的射束几何结构的剂量计算。优选地，针对所述一个或多个选取的射束几何结构的剂量计算在基于所述一个或多个选取的射束几何结构对最终辐射处置计划的优化之后发生。进一步优选地，在剂量计算中应用剂量计算或运算引擎。例如，可以在剂量计算中使用笔形射束算法和/或筒串卷积(CCC)和/或各向异性分析算法(AAA)。
优选地，在剂量计算中考虑针对不同感兴趣区域的如处置和/或容限参数的信息，诸如剂量体积代价和/或剂量体积限制和/或重要性因子。
优选地，通过最终通量图优化来获得最终处置计划，并且跟随有针对选择的集合B中的射束的剂量计算。此外，优选地，计算基于所选取或所选取的射束几何结构的最终代价函数值。
不同于穷举搜索技术，在本文中所描述的方法能够以仅两个优化循环来使用，以选择适合的射束几何结构，并且因此与穷举搜索技术相比是非常快速的。
在另外的优选实施例中，所述多个候选射束几何结构包括射束或机架角度和/或卧榻角度和/或准直器角度。具体地，射束几何结构可以指代射束角度或机架角度(在共面射束的情况下)和/或卧榻角度(在非共面射束的情况下)和/或准直器角度。由于每个射束几何结构可以包括这些角度，因而所述多个候选射束几何结构也包括关于这些角度的信息。
根据另外的优选实施例，所述多个候选射束几何结构包括若干等角度射束几何结构或者被偏置。通常，所述候选射束的池将包含若干等角度射束。然而，在一些情景下，其可以用于使所述多个候选射束在前面偏置以有利于特定角度范围。例如，能够采用对所述多个候选射束的偏置，以取回在诸如肺的一些复杂身体部位的情况下的更为临床相关的射束几何结构。
在另外的优选实施例中，所述多个候选射束几何结构基于射束几何结构模板。所述射束几何结构模板优选包括射束角度模板。例如，已经发表了针对不同的身体部位(诸如大脑、头部和颈部、肺、前列腺等)的射束几何结构或射束角度模板。射束几何结构模板优选能够被用于创建最适合于所述处置情景的多个候选射束角度。
在另一实施例中，优选地，选取一个或多个射束几何结构是使用以下算法进行的：所述算法考虑经修改的代价函数值以及进一步优选地所选取的几何结构的总数量和/或两个相继射束几何结构之间的最小角度间隙。作为对由用户选取一个或多个射束几何结构的备选方案，例如，该步骤优选通过使用算法自动地、特别是完全自动地进行。该算法优选地通过考虑经修改的代价函数值来挑选射束几何结构的最佳集合。具体地，优选所述算法被配置为选取所述经修改的代价函数值具有相对高的值的那些射束几何结构。此外，优选所述算法基于所选取的射束几何结构的总数量，即，要利用所述方法选取的射束几何结构的总数量。取决于要选取的射束几何结构的该总数量，所述算法优选挑选根据所述经修改的代价函数值尤其有用的那些射束几何结构。优选地，也考虑在两个相继射束几何结构之间的最小角度间隙。该最小角度间隙也能够指代最小射束角度限制。
在另外的优选实施例中，作为经修改的代价函数值，使用所得到的代价函数值的平方，即，来自对针对没有了被移除的射束几何结构的候选射束几何结构的代价函数的计算的直接计算的结果的平方，作为经修改的代价函数值。能够使用所述平方以便以更好的方式来感知经修改的代价函数值中的差异。
此外，优选在不同的射束几何结构上、尤其在不同的射束角度上标绘经修改的代价函数值。进一步优选地，所述一个或多个射束几何结构优选通过上文所描述的算法从这样的经修改的代价函数值的绘图中选取。
在本发明的另外的方面中，提出了一种选择用于在辐射治疗中使用的射束几何结构的集合的系统，其中，所述系统包括：处理器，其与存储器通信，其中，所述存储器存储程序代码，并且所述处理器被配置为与所述程序代码协同操作以：
-提供多个候选射束几何结构；
-利用所有候选射束几何结构来优化辐射处置计划；
-基于所有候选射束几何结构来计算代价函数值；
-从所述多个候选射束几何结构中移除第一射束几何结构；
-基于没有了被移除的第一射束几何结构的所述候选射束几何结构来计算第一经修改的代价函数值；
-将所述第一射束几何结构恢复到所述多个候选射束几何结构；
-针对所有其他候选射束几何结构来重复以下步骤：移除射束几何结构，计算经修改的代价函数值，并且恢复被移除的射束几何结构。
-基于所述经修改的代价函数值从所述多个候选射束几何结构中选取一个或多个射束几何结构。
在本发明的另一方面中，提出了一种选择用于在辐射治疗中使用的射束几何结构的集合的计算机程序，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所述系统以选择用于在辐射治疗中使用的射束几何结构的集合时，使系统执行根据权利要求1所述的方法的步骤以如先前定义地选择用于在辐射治疗中使用的射束几何结构的集合。
应当理解，根据权利要求1所述的选择用于在辐射治疗中使用的射束几何结构的集合的方法、根据权利要求10所述的选择用于在辐射治疗中使用的射束几何结构的集合的系统、以及根据权利要求11所述的选择用于在辐射治疗中使用的射束几何结构的集合的计算机程序具有相似和/或相同的优选实施例，具体地，如在从属权利要求中所定义的优选实施例。
应该理解，本发明的优选实施例也可以是从属权利要求或以上实施例与各自的独立权利要求的任何组合。
参照本文下文中所描述的实施例，本发明的这些和其他方面将显而易见并将得以阐述。
附图说明
在以下附图中：
图1示意性和示范性示出了具有卧榻和辐射源的布置的实施例的截面计划视图；
图2示意性和示范性示出了用于与在图1中所示的布置一起使用的处置射束源的放大等距视图；
图3示意性和示范性示出了表示选择用于在辐射治疗中使用的射束几何结构的集合的方法的实施例的步骤的流程图；
图4示意性和示范性示出了选择用于在辐射治疗中使用的射束几何结构的集合的系统的实施例；
图5示意性和示范性示出了针对不同射束角度的经修改的代价函数值的绘图；
图6示意性和示范性示出了剂量体积直方图比较；
图7示意性和示范性示出了射束几何结构的两个集合。
具体实施方式
图1示意性和示范性示出了具有患者几何结构的模型110的布置的实施例，其被用于处置规划，例如，用在对患者执行任何治疗之前的强度调制辐射治疗(IMRT)中。模型110可以通过任何适合的技术来获得，例如，对身体的计算机断层摄影(CT)或磁共振成像(MRI)扫描能够被用于获得模型110。出于治疗的目的，在规划目标体积(PTV)114中识别和定位要通过辐射处置的结构，在这种情况下为肿瘤。此外，识别风险结构，诸如器官116、118，骨骼120。
针对处置规划，患者模型110可以被划分成定义若干体素的三维网格，出于简洁的原因，在图1中仅指示了其中的一些体素。PTV 114内的所有体素124被分配处置肿瘤112所必要的处置参数值。所述处置参数能够依据要被递送到肿瘤112的辐射剂量、对辐射的曝光时间、和/或各种其他参数来表达。例如，所述处置参数能够被选取为针对处置肿瘤112所规定的辐射剂量。该辐射剂量要被递送到PTV 114中的每个体素124。在下文进一步描述的表格I中，给出所述处置参数作为例如以cGy为单位的目标辐射或目标剂量形式的最小剂量或平均剂量。
容限参数可以被分配给风险结构116、118、120、122。如在处置参数的情况下，所述容限参数能够关于剂量和/或其他参数来表达。例如，所述容限参数可以被选取为容限剂量。在下文所描述的表格I中，针对不同的风险结构，所述容限参数被给出为采取针对最大剂量的目标辐射或目标剂量cGy的形式的最大剂量或最大剂量体积直方图并且另外有针对最大剂量体积直方图的％体积。
图1示出了诸如用于提供处置射束130的线性加速度计的辐射源126。通常关于在其上定位患者的卧榻的角度(所述卧榻的角度通常被称为卧榻角度)，并且进一步关于源126相对于法线136入射的射束或机架角度θ，来确定处置射束130的取向。两种角度能够以离散的增量并且在原理上在预定的角度上连续地改变。在本说明书中，仅示出了仅在0度至360度的范围上在射束或机架角度θ的调节，但应当理解，也能够调节所述卧榻角度。例如，国际电工委员会(IEC)公约能够被用于定义和调节机架和卧榻角度两者。在共面射束处置的情况下，所述卧榻角度能够被设置为0度，否则所述卧榻角度调节能够针对非共平面射束处置从-20度至20度(例如，针对旁侧患者处置)或者从-40度至40度(例如，针对头和颈部处置)以若干度的增量改变。
辐射源126优选装备有射束引导和成形机构138，其用于将处置射束130细分成许多分量射束或小射束142。机构138一般包括叶状准直器，尤其是多叶准直器(MLC)，其用于对小射束142进行准直，以及额外的透镜设备、光阑、掩膜和适合于对小射束142的引导和整形的其他元件。
图2更详细图示了借助机构138从若干小射束142生成处置射束130的辐射源126的机构138。机构138被绘制为指示与每个小射束142相对应的“像素”pi。射束130中的小射束142的数量将取决于例如以要求的分辨率辐照PTV 114必要的处置射束130的截面。通常，小射束142的数量的范围从数十至数百或者更多。
辐射源126具有调制小射束142的各种参数的能力。例如，源126的机构138能够被用于调制小射束142的截面。这在具体小射束142M和142P的范例上被示出。小射束142M和142P的截面146M、146P是方形或矩形的。截面146P被围绕小射束142P的传播的方向旋转90度。所述旋转能够通过旋转与小射束142M、142P相对应的机构的个体准直器来执行。优选能够一起旋转所有小射束的截面。
辐射源126也可以能够调制小射束中的能量的量。例如，小射束142X示出了以高能量和以低能量产生的作为距源126的距离的函数的辐射剂量A和B。在两种小射束能量下使用相同的准直和聚焦参数。所述能量水平随着距离指数地下降，并且因此，剂量经历指数地衰减。优选地，源126也能够调制小射束142的开启时间和关闭时间。
所有以上小射束参数能够通过辐射源126和机构138被独立地或组合地调节，以试图向PTV 114递送规定的辐射剂量。应当理解，能够采用等价于源126的额外的辐射源。
图3示意性和示范性示出了选择例如在图1和图2中所示的布置中用于在辐射治疗中使用的射束几何结构的集合的方法10的实施例的处理步骤。
在第一步骤11中，优选地，能够提供针对不同感兴趣区域的处置参数和/或容限参数，诸如剂量体积代价、和/或剂量体积限制、和/或影响因子和/或辐射剂量。具体地，可以基于标准解剖学模板(例如，肿瘤放射治疗组或机构特异性协议)来提供容限参数。
在随后的方法步骤12中，优选提供多个候选射束几何结构P。所述多个候选射束几何结构能够包括若干等角度射束几何结构或者能够被偏置。所述多个候选射束几何结构也能够例如基于针对特定身体部位的射束几何结构模板。
所述处置参数和/或容限参数的提供以及多个候选射束几何结构的提供可以基于用户的输入进行，优选地经由如在图4中所示的系统50的用户接口53，和/或根据被存储在如在图4中所述的系统50的存储器54中的信息提供。
在接下来的步骤13中，利用池P中的所有候选射束几何结构来优化辐射处置计划。随后，在步骤14中，计算相应的复合代价函数值F。然后，优选在步骤14a中存储该原始或复合代价函数值。步骤11至14a能够被总结为初始优化和剂量计算。
在该初始优化和剂量计算之后，在步骤15中从多个候选射束几何结构中移除第一射束几何结构。例如，来自第一射束几何结构的剂量分布能够通过分配为零的射束权重值来移除。这例如能够通过在处置规划系统中关断射束的监测器单元(MU)来完成，优选地在无需使所计算的剂量或所优化的通量图无效。
在接下来的步骤16中，基于没有了被移除的第一射束几何结构的所述候选射束几何结构计算修改的代价函数值Fm。所述经修改的代价函数值Fm能够是直接计算的结果代价函数或代价函数值的相应改变的平方。然后在步骤16a中存储该第一经修改的代价函数值Fm。
这些步骤15到16a能够被称为射束减少。
随后，在方法步骤17中存储先前被移除的第一射束几何结构。具体地，优选通过将被移除的第一射束几何结构的射束权重重新设定为原始优化的值来恢复来自被移除的第一射束几何结构的剂量分布。尤其优选的是，这能够通过在处置规划系统中开启射束的监测器单元(MU)完成。
在另外随后的步骤17a中，恢复回原始或复合代价函数值F。这些步骤17、17a能够被总结为保留射束分布。
在下文中，如在图3中的方法10中利用箭头R所指示的，针对池P中的所有剩余的候选射束几何结构来重复步骤15到17a。
在另外的步骤18中，与来自候选射束池的每条射束的移除相对应的经修改的代价函数Fm被绘制为对不同射束几何结构的曲线图，尤其是不同的射束角度，如在图5中示意性和示范性示出的。图5示出了作为针对0度与360度之间的不同射束角度的代价函数的直接计算的结果的平方的经修改的代价函数值2的绘图1。线2指示关于候选射束几何结构的池中的每个射束几何结构的移除的经修改的代价函数值。
在随后的步骤19中，基于在图5中所示的经修改的代价函数值2从多个候选射束几何结构中选取一个或多个射束几何结构。具体地，在图5中指示了用于在辐射治疗中使用的属于形成所选择的射束几何结构B的集合的所选择的射束几何结构的经修改的代价函数值3。除了考虑经修改的代价函数值，要被选择的射束的总数量以及最小角度间隙优选也在选取一个或多个射束几何结构时被考虑。
选取的所述一个或多个射束几何结构能够在步骤19a中被转移到所选择的射束几何结构B的集合中。优选地，步骤19和19a通过使用如上文所描述的算法是完全自动的。步骤19和19a也被称为射束角度选择。
在接下来的步骤20中，进行基于所选择的一个或多个射束几何结构的最终处置计划优化，跟随有剂量计算或剂量运算21。步骤20和21也能够被总结为最终优化和剂量计算。
图4示意性和示范性示出了用于选择用于在辐射治疗中使用的射束几何结构的集合的系统50的实施例，其优选能够与在图3中所示的方法一起使用。系统50包括与存储器54通信的处理器或中央处理单元52。处理器52和存储器54可以是计算机51的一部分。所述计算机优选被连接到用户接口53以接收来自用户的输入和/或向用户提供输出。进一步优选地，所述计算机51被连接到处置设备55，处置设备55优选包括辐射源并且潜在地包括如在图1和图2中所示的布置。存储器54优选存储程序代码67，并且处理器52优选被配置为与程序代码67协同操作以执行方法10的步骤。所述程序代码优选地是处理器可执行的。
能够优选地被存储在存储器54中的额外的信息可以包括候选射束61的池P、射束角度模板62、复合或原始代价函数值F63、经修改的代价函数值Fm63、所选择的射束几何结构65的集合B、和/或处置和/或容限参数66。应当注意到，并非所有该信息需要被存储在存储器54中，并且另外的额外信息也能够被存储在存储器54中。
已经在用于处置头部和颈部区域的范例情况下的射束几何结构的第二集合获得了在图5中所示的绘图1中所示的经修改的代价函数值2。为了进行比较，定义了射束几何结构的两个集合：使用等角度逻辑来定义射束几何结构的第一集合。使用在本文中所描述的方法来定义射束几何结构的第二集合。根据下面的表I的针对不同感兴趣区域(ROI)的处置和容限参数针对射束几何结构的这两个集合被保持相同。
表I：指定的重要的剂量体积代价
同样地，针对射束几何结构的这两个集合以相同的方式来进行所述初始通量图优化。未包括转换。转换是将给定通量图转换为能递送的多叶准直器(MLC)分段的过程。分段是MLC叶的具体空间配置。这将针对每条射束独立地发生。所使用的一些额外重要的参数设置是：射束角度分辨率＝18度，最小角度限制＝40度，CT切片厚度＝0.3cm，在所有方向上的剂量计算网格尺寸＝0.3cm。关于剂量分布(符合性)、剂量体积直方图、最终代价函数以及总监测单位(MU)来完成对根据第一和第二集合的射束角度几何结构导出的最终处置计划的比较。在下文的表II中，根据在本文中所描述的方法针对在无射束角度优化的情况下的射束几何结构的第一集合的结果与具有根据在本文中所描述的方法的射束角度优化的射束几何结构的第二集合进行比较。
表II：代价函数值与总监测单位的比较
此外，在图6中所示的剂量体积直方图在水平轴上表示剂量(相对生物学效果(RBE))。连续线示出了针对根据在本文中所描述的方法所选择的射束几何形状的第二集合的剂量，并且虚线示出了没有针对不同感兴趣区域根据在本文中所描述的方法进行选择的等角度射束的集合的剂量，亦即，线91针对患者处置体积PTV 54-72，线92针对交叉神经，线93针对左腮腺，线94针对右腮腺，并且线95针对脊柱。
图7在左侧指示了针对等角度射束几何形状的第一集合的射束角度并且在右侧指示了针对根据在本文中所描述的方法选取的第二集合的射束角度。
在本文中所描述的用于选择用于在辐射治疗(尤其是IMRT)中使用的射束几何形状的集合的方法、系统和计算机程序直接使用代价函数来选取射束几何形状并且考虑射束之间的各种协同效应。因此，在本文中所描述的方法的所得到的射束相对于临床目标被优化，与此同时，在本文中所描述的方法比穷举搜索技术快得多。
辐射治疗的目标是将规定剂量的辐射(通常为电磁辐射(光子)、电子、中子、或质子)递送到处置靶标或靶标体积，诸如肿瘤，同时避开邻近的风险结构或器官(OAR)。所述处置靶标或靶标体积以及风险结构或器官也被称为感兴趣区域(ROI)。在强度调制的辐射治疗(IMRT)中，入射射束的强度分布被调制以实现更好的剂量分布。
发射射束的辐射源能够被布置在框架或机架上，其通常是能关于旋转轴旋转的，其中，该旋转轴可以与卧榻或桌台(能够在其上放置患者)的纵轴相同或者与之平行。用于发出辐射射束的源通常装备有用于将处置射束细分成若干分量射束或小射束的射束引导和成形机构。这些引导和成形机构可以包括叶状准直器，尤其是多叶准直器(MLC)，其用于对小射束进行准直，以及额外的透镜设备、光阑、掩膜以及适合于对小射束的引导和成形的其他元件。例如，辐射源的引导和成形机构可以被用于调制小射束的截面。例如，可以形成具有方形或矩形截面的小射束。此外，所述小射束的截面可以围绕小射束的传播的方向旋转例如90度。通过旋转与要被旋转的小射束相对应的引导和成形机构的个体准直器来执行这样的旋转。所述截面或小射束要被旋转的角度能够被称为准直器旋转并且能够通过准直器角度来指示。
在处置规划中，辐射被递送到患者身体中的处置部位的射束几何形状通常是基于操作者的经验和直觉预先选择的。针对共平面射束，射束几何形状通常包括射束角度，也被称为机架角度。针对非共平面射束，所述射束几何形状也能够包括卧榻角度。此外，能够包括准直器角度。每条射束通常被细分成若干分量射束或小射束。
对应的射束强度概况然后在目标函数的引导下被优化，通常使用所谓的逆处置规划方法。
然而，针对在辐射治疗中的射束取向选择的现有方法具有若干缺点。由使用穷举搜索算法的完全射束取向优化要求的计算时间过长，并且因此，不适合于临床应用。排序或打分算法是快速的，但不准确，因为意图是不依赖于处置计划优化的问题来求解射束角度选择问题，通常是通量图或节段优化。另外，通常，被用于解决射束角度选择问题的所述代价函数不同于被用于对处置计划的优化问题的代价函数。使用不同的排序函数可以导致相对于针对最终计划优化使用的代价函数不是最优的射束取向。此外，大多数排序算法不表现射束组合的潜在协同效应，并且因此不考虑射束相互影响效应，所述射束相互影响效应导致对射束角度的不准确的选择。常常需要试错尝试以便确定针对辐射处置的良好射束几何形状的集合。
因为3D适形辐射治疗的出现，对最优射束几何形状的选择已经感兴趣。目前，在IMRT中的射束角度选择过程基于处置规划者的经验或者通过试错方法。已经尝试使IMRT中的射束放置过程自动化。一般而言，对所述射束角度的优化可以对IMRT处置的质量具有显著影响。已经证明，具有较少但是经优化的射束角度的计划可以等于甚至优于具有大量未经优化的射束角度的计划，如在V.K.Narayanan、R.Vaitheeswaran、J.R.Bhangle、S.Basu、V.Maiya和B.Zade在J.Appl.Clin.Med.Phys.13，36-43(2012)上的“An experimentalinvestigation on the effect of beam angle optimization on the reduction ofbeam numbers in IMRT of head and neck tumors”一文，在此通过引用将其并入本文。在计划中很少数量的射束通常导致更短的处置时间，并且因此，在处置递送期间患者移动相关的误差的更低的可能性。然而，对于3DCRT通常有效的规划者关于射束角度的直觉对于IMRT的情景可能不良好地工作，这主要是由于射束方向与入射射束的强度图不可分地耦合。因此，通常需要若干次试错尝试以找到IMRT中的可接受的射束角度的集合。
在被用于求解射束角度优化(BAO)问题的优化算法之中，是遗传算法(GA)，如在J.Lei和Y.J.Li在Comput.Methods Programs Biomed.93，257–265(2009)上的“Anapproaching genetic algorithm for automatic beam angle selection in IMRTplanning”一文中所描述的，在此通过引用将其并入本文，以及模拟退火(SA)算法，如在D.Djajaputra、Q.W.Wu、Y.Wu和R.Mohan在hys.Med.Biol.48，3191–3212(2003)上的“Algorithm and performance of a clinical IMRT beam-angle optimization system”一文中所描述的，在此通过引用将其并入本文。这样的穷举搜索算法一般探索大量候选解以实现最佳射束配置，其显著地延长了IMRT中的BAO的整个过程。尽管使用GA和SA来求解BAO问题是可行的，但是从运算的角度收敛速度不令人满意，尤其是针对例程临床使用，如在P.S.Potrebko、B.M.C.McCurdy、J.B.Butler、A.S.El-Gubtan和Z.Nugent在Med.Phys.34，3951–3961(2007)上的“A simple geometric algorithm to predict optimal startinggantry angles using equiangular-spaced beams for intensity modulatedradiation therapy of prostate cancer”一文中所描述的，在此通过引用将其并入本文。
M.Braunstein和R.Y.Levine在Phys.Med.Biol.45，305–328(2000)上的“Optimumbeam configurations in tomographic intensity modulated radiation therapy”；Gaede、H.Rasmussen和E.Wong在Med.Phys.31，376–388(2004)上的“An algorithm forsystematic selection of beam directions for IMRT”；或者P.S.Potrebko、B.M.C.McCurdy、J.B.Butler、A.S.El-Gubtan和Z.Nugent在Med.Phys.34,3951–3961(2007)上的“A simple geometric algorithm to predict optimal starting gantry anglesusing equiangular-spaced beams for intensity modulated radiation therapy ofprostate cancer”，描述了用于选择IMRT中的射束角度的不同的射束角度排序技术，在此通过引用将其并入本文。这些方法使用一些度量来评估给定射束方向的值。针对候选取向的集合的每条射束来评估所述度量，并且顶部排序取向被用于随后的优化。这样的排序技术比其他穷举搜索方法更快。然而，这样的排序技术忽略了射束之间的相互影响效应。最近已经描述了基于排序的方法，其在选择过程中并入了R.Vaitheeswaran、V.K.Narayanan、J.R.Bhangle、A.Nirhali、N.Kumar、S.Basu和V.Maiya在Med.Phys.37，6443–6452(2010)上的“An algorithm for fast beam angle selection in intensity modulatedradiotherapy”一文中所描述的射束相互作用，在此通过引用将其并入本文。然而，所述排序函数不同于被用于最终的计划优化的代价函数。使用不同的排序函数可以导致关于针对最终计划优化使用的代价函数非为最优的射束取向，如Popple、Richard A.、IvanA.Brezovich和John B.Fiveash在Med.Phys.41.5(2014)，051713上的“Beam geometryselection using sequential beam addition”一文中所描述的，在此通过引用将其并入本文。在US 7876882B2、US 6504899 B2和US 2012/0136194 A1中已经描述了另外的方法，在此通过引用将其全部并入本文。Bertsimas D等人在Computers and OperationsResearch(2012)，http://dx.doi.Org/10.1016/j.cor.2012.06.009上的A hybridapproach to beam angle optimization in intensity-modulated radiation therapy已经描述了在针对IMRT中的射束角度优化的混合方法，在此通过引用将其并入本文。
在本文中所描述的方法、系统和计算机程序以及其实施例提供了关于临床目标以经改善的优化结果针对快速且准确的射束选择的经改善的解决方案。
本领域的技术人员通过研究附图、说明书和权利要求书，在实施请求保护的本发明时能够理解和实现对所公开实施例的其他变型。
在权利要求书中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。
单个单元或设备可以满足权利要求中引用的若干项的功能。尽管在相互不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够使用这些措施的组合以获益。
权利要求书中的任何参考标记都不应当被解释为限制范围。
本发明涉及一种用于选择用于在辐射治疗中使用的射束几何形状的方法。所述方法包括：提供多个候选射束几何形状；利用所有候选射束几何形状来优化辐射处置计划；并且基于所有候选射束几何形状来计算代价函数值。移除来自所述多个候选射束几何形状的第一射束几何形状，并且基于没有了被移除的第一射束几何形状的所述候选射束几何形状计算第一经修改的代价函数值。恢复所述第一射束几何形状。针对所有其他候选射束几何形状重复以下步骤：移除射束几何形状，计算经修改的代价函数值，并且恢复被移除的射束几何形状。基于经修改的代价函数值从所述多个候选射束几何形状中选取一个或多个射束几何形状。

Claims (11)

1.一种选择用于在辐射治疗中使用的射束几何结构的集合的方法(10)，所述方法包括：
-提供(12)多个候选射束几何结构；
-利用所有候选射束几何结构来优化(1)辐射处置计划；
-基于所有候选射束几何结构来计算(14)代价函数值；
-从所述多个候选射束几何结构中移除(15)第一射束几何结构；
-基于没有了被移除的第一射束几何结构的所述候选射束几何结构来计算(16)第一经修改的代价函数值；
-将所述第一射束几何结构恢复(17)到所述多个候选射束几何结构；
-针对所有其他候选射束几何结构来重复(R)以下步骤：移除射束几何结构，计算经修改的代价函数值，并且恢复被移除的射束几何结构；
-基于所述经修改的代价函数值来从所述多个候选射束几何结构中选取(19)一个或多个射束几何结构。
2.根据权利要求1所述的方法，
包括利用所选取的一个或多个射束几何结构来优化(20)所述辐射处置计划。
3.根据权利要求1所述的方法，
其中，对所述辐射处置的所述优化(20)是使用通量图优化以通量水平来应用的和/或使用直接机器参数优化以控制点水平来应用的。
4.根据权利要求1所述的方法，
包括针对所选取的一个或多个射束几何结构的剂量计算(21)。
5.根据权利要求1所述的方法，
其中，所述多个候选射束几何结构(P)包括射束角度和/或卧榻角度和/或准直器角度。
6.根据权利要求1所述的方法，
其中，所述多个候选射束几何结构(P)包括若干等角度射束几何结构或者是偏置的。
7.根据权利要求1所述的方法，
其中，所述多个候选射束几何结构(P)基于射束几何结构模板。
8.根据权利要求1所述的方法，
其中，选取(19)一个或多个射束几何结构是使用考虑了以下项的算法进行的：所述经修改的代价函数值，和/或所选取的射束几何结构的总数量和/或两个相继射束几何结构之间的最小角度间隙。
9.根据权利要求1所述的方法，
其中，使用所得到的代价函数值的平方作为经修改的代价函数值(Fm)。
10.一种用于选择用于在辐射治疗中使用的射束几何结构的集合的系统(50)，所述系统包括：处理器(52)，所述处理器与存储器(54)通信，其中，所述存储器存储程序代码，并且所述处理器被配置为与所述程序代码协同操作以：
-提供多个候选射束几何结构；
-利用所有候选射束几何结构来优化辐射处置计划；
-基于所有候选射束几何结构来计算代价函数值；
-从所述多个候选射束几何结构中移除第一射束几何结构；
-基于没有了被移除的第一射束几何结构的所述候选射束几何结构来计算第一经修改的代价函数值；
-将所述第一射束几何结构恢复到所述多个候选射束几何结构；
-针对所有其他候选射束几何结构来重复以下步骤：移除射束几何结构，计算经修改的代价函数值，并且恢复被移除的射束几何结构；
-基于所述经修改的代价函数值来从所述多个候选射束几何结构中选取一个或多个射束几何结构。
11.一种选择用于在辐射治疗中使用的射束几何结构的集合的计算机程序，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根据权利要求10中所述的用于选择用于在辐射治疗中使用的射束几何结构的集合的系统(50)上运行时，使用于选择用于在辐射治疗中使用的射束几何结构的集合的所述系统执行根据权利要求1所述的方法(10)的步骤。
CN201680031028.9A 2015-05-28 2016-05-11 选择射束几何结构的方法 Pending CN107666940A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
IN2677/CHE/2015 2015-05-28
IN2677CH2015 2015-05-28
PCT/EP2016/060572 WO2016188754A1 (en) 2015-05-28 2016-05-11 Method of selecting beam geometries

Publications (1)

Publication Number Publication Date
CN107666940A true CN107666940A (zh) 2018-02-06

Family

ID=56026837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680031028.9A Pending CN107666940A (zh) 2015-05-28 2016-05-11 选择射束几何结构的方法

Country Status (5)

Country Link
US (1) US20180111005A1 (zh)
EP (1) EP3302699A1 (zh)
JP (2) JP2018515274A (zh)
CN (1) CN107666940A (zh)
WO (1) WO2016188754A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112188918A (zh) * 2018-05-30 2021-01-05 光线搜索实验室公司 用于促进多模态放射疗法方案的优化的方法和对应的放射治疗系统
WO2021057828A1 (zh) * 2019-09-25 2021-04-01 中硼(厦门)医疗器械有限公司 照射参数选取装置及其使用方法、含该装置的控制系统及其使用方法
CN112805059A (zh) * 2018-09-28 2021-05-14 瓦里安医疗系统国际股份公司 外射束辐射疗法的治疗轨迹优化和束角优化中的剂量的伴随输运

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017153211A1 (en) * 2016-03-09 2017-09-14 Koninklijke Philips N.V. Pre-optimization method for quick prediction of achievability of clinical goals in intensity modulated radiation therapy
EP3573714B1 (en) * 2017-01-27 2020-11-11 RaySearch Laboratories AB System and method for planning a radiation therapy treatment
US20220399772A1 (en) 2019-11-12 2022-12-15 Mavel edt S.p.A. Stator with closed slots with continuous winding for an electric machine and process for making such stator

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5339812A (en) * 1988-12-23 1994-08-23 Medical Instrumentation And Diagnostic Corporation Three-dimensional computer graphics simulation and computerized numerical optimization for dose delivery and treatment planning
WO2005057463A1 (en) * 2003-12-12 2005-06-23 The University Of Western Ontario Method and system for optimizing dose delivery of radiation
WO2012024448A2 (en) * 2010-08-17 2012-02-23 Board Of Regents, The University Of Texas System Automated treatment planning for radiation therapy

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69737508T2 (de) * 1996-10-24 2007-11-29 The Nomos Corp. Methode zur planung und vorrichtung zur planung der bestrahlungsdosierung
US6504899B2 (en) * 2000-09-25 2003-01-07 The Board Of Trustees Of The Leland Stanford Junior University Method for selecting beam orientations in intensity modulated radiation therapy
US7876882B2 (en) 2007-02-02 2011-01-25 Wisconsin Alumni Research Foundation Automated software system for beam angle selection in teletherapy
JP2012501230A (ja) * 2008-08-28 2012-01-19 トモセラピー・インコーポレーテッド 線量不確定度を計算するシステム及び方法
US8180020B2 (en) * 2008-10-23 2012-05-15 Accuray Incorporated Sequential optimizations for treatment planning
US20160008630A1 (en) * 2013-02-05 2016-01-14 Koninklijke Philips N.V. Apparatus for determining a number of beams in imrt
US10076673B2 (en) * 2013-05-06 2018-09-18 Koninklijke Philips N.V. Interactive dose gradient based optimization technique to control IMRT delivery complexity

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5339812A (en) * 1988-12-23 1994-08-23 Medical Instrumentation And Diagnostic Corporation Three-dimensional computer graphics simulation and computerized numerical optimization for dose delivery and treatment planning
WO2005057463A1 (en) * 2003-12-12 2005-06-23 The University Of Western Ontario Method and system for optimizing dose delivery of radiation
CN1926552A (zh) * 2003-12-12 2007-03-07 西安大略大学 用于对放射剂量输送进行优化的方法和系统
WO2012024448A2 (en) * 2010-08-17 2012-02-23 Board Of Regents, The University Of Texas System Automated treatment planning for radiation therapy
CN103282967A (zh) * 2010-08-17 2013-09-04 德克萨斯州立大学董事会 用于放射疗法的自动化治疗计划

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
PESOLA,K. 等: "388 Beam angle optimization for IMRT treatment planning", 《RADIOTHERAPY AND ONCOLOGY》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112188918A (zh) * 2018-05-30 2021-01-05 光线搜索实验室公司 用于促进多模态放射疗法方案的优化的方法和对应的放射治疗系统
US11865363B2 (en) 2018-05-30 2024-01-09 Raysearch Laboratories Ab Method and a corresponding radiation treatment system for facilitating optimization of a multimodal radiation therapy plan
CN112805059A (zh) * 2018-09-28 2021-05-14 瓦里安医疗系统国际股份公司 外射束辐射疗法的治疗轨迹优化和束角优化中的剂量的伴随输运
CN112805059B (zh) * 2018-09-28 2023-05-12 瓦里安医疗系统国际股份公司 放疗治疗的轨迹和束角优化
US11717701B2 (en) 2018-09-28 2023-08-08 Siemens Healthineers International Ag Adjoint transport for dose in beam angle optimization for external beam radiation therapy
US11771921B2 (en) 2018-09-28 2023-10-03 Siemens Healthineers International Ag Hybrid trajectory and beam angle optimization for external beam radiation therapy
WO2021057828A1 (zh) * 2019-09-25 2021-04-01 中硼(厦门)医疗器械有限公司 照射参数选取装置及其使用方法、含该装置的控制系统及其使用方法

Also Published As

Publication number Publication date
WO2016188754A1 (en) 2016-12-01
JP2018515274A (ja) 2018-06-14
EP3302699A1 (en) 2018-04-11
JP2021175513A (ja) 2021-11-04
US20180111005A1 (en) 2018-04-26

Similar Documents

Publication Publication Date Title
CN111417435B (zh) 放射疗法治疗计划优化工作流程
CN102671309B (zh) 用于确定辐照规划的方法和装置
CN107666940A (zh) 选择射束几何结构的方法
CN104548372B (zh) 放射治疗的剂量确定装置
US10692283B2 (en) Geometric model establishment method based on medical image data
US11020615B2 (en) Computing radiotherapy dose distribution
WO2021036366A1 (zh) 标准化的人工智能自动放疗计划方法和系统
US20190046813A1 (en) Systems and Methods for Radiation Treatment Planning
CN103933672B (zh) 放射线治疗计划装置和治疗计划方法
CN109843377A (zh) 用于预测放射疗法剂量分布的放射疗法治疗计划的学习模型的系统和方法
CN102184334B (zh) 一种基于检索的放射治疗计划系统及检索方法
CN107708808A (zh) 用于在放射治疗期间使用质量指标进行靶追踪的系统和方法
CN104093450A (zh) 用于自适应处置规划的束节段水平剂量计算与时间运动跟踪
US11087524B2 (en) Method for establishing smooth geometric model based on data of medical image
US11426606B2 (en) Method and system of evaluating a radiation therapy treatment plan
CN103328044A (zh) 用于建立辐照规划的方法和装置
WO2022077160A1 (en) Evaluation and presentation of robustness of treatment plan
CN107292075A (zh) 增进放射治疗系统计算效益的方法
Li et al. Using deep learning to model the biological dose prediction on bulky lung cancer patients of partial stereotactic ablation radiotherapy
WO2010068744A2 (en) System and method for generating hybrid bed contour maps
US20230218926A1 (en) Bed calculation with isotoxic planning
Verhaegen Treatment planning for small animals
Nievaart et al. Monte Carlo based treatment planning systems for boron neutron capture therapy in Petten, the Netherlands
Folkerts Topics in Cancer Radiotherapy: Automated Treatment Planning and Quality Assurance
Witte et al. A deep learning based dynamic arc radiotherapy photon dose engine trained on Monte Carlo dose distributions

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