CN108348771B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108348771B CN108348771B CN201680065110.3A CN201680065110A CN108348771B CN 108348771 B CN108348771 B CN 108348771B CN 201680065110 A CN201680065110 A CN 201680065110A CN 108348771 B CN108348771 B CN 108348771B
- Authority
- CN
- China
- Prior art keywords
- dose
- field
- volume
- interest
- parameter
- 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
Images
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
Abstract
一种用于估计来自辐射疗法计划的剂量的系统,包括存储机器可读指令的存储器、以及通信地耦合到该存储器的处理器,该处理器可操作以执行指令以将感兴趣体积的表示细分为体素。该处理器还确定计划辐射场原点和每个相应的体素之间的距离。该处理器还基于距离、计划参数和场强度参数,来计算基于几何结构的预期(GED)度量。该处理器对度量进行求和,以产生由感兴趣体积从计划辐射场接收的估计剂量。
Description
技术领域
本说明书总体涉及辐射疗法领域,并且更具体地涉及辐射疗法治疗计划的制定。
背景技术
辐射疗法治疗计划的制定通常采用医学成像,诸如X射线、计算机断层摄影(CT)、磁共振成像(MRI)等。典型地,使用一系列的二维患者图像来重建来自患者解剖结构的感兴趣体积(VOI)或感兴趣结构的三维表示,每一个二维患者图像表示患者解剖结构的二维横截面“切片”。
VOI通常包括一个或多个感兴趣的器官,通常包括:计划靶体积(PTV),诸如目标为辐射治疗的恶性生长或包括恶性组织的器官;相对健康的风险器官(OAR),其在恶性生长的附近具有辐射疗法暴露风险;或包括一个或多个PTV以及一个或多个OAR的组合的患者解剖结构的较大部分。辐射疗法治疗计划制定的目标通常旨在以尽可能接近处方剂量来尽可能多地照射PTV,同时试图最小化对附近OAR的照射。
在医学程序期间,所得到的辐射疗法治疗计划被用来选择性地将身体的精确区域(诸如恶性肿瘤)暴露于特定剂量的辐射,以破坏不需要的组织。在制定特定于患者的辐射疗法治疗计划期间,通常从三维模型提取信息以确定参数,诸如一个或多个PTV以及一个或多个OAR的形状、体积、位置和定向。
一些现有的辐射疗法计划工具基于PTV与每个OAR之间的简单线性或欧氏距离估计了OAR的照射剂量。然而,附加因素通常会对由PTV大致附近的OAR接收的有效辐射剂量产生重大影响。现有的方法在用于制定辐射疗法计划时可能存在缺陷,这是因为现有的方法和工具不能准确地解释这些附加因素。
发明内容
根据本发明的一个实施例,一种用于估计来自辐射疗法计划的剂量的系统,包括存储机器可读指令的存储器、以及通信地耦合到该存储器的处理器,该处理器可操作以执行指令,以将感兴趣体积的表示细分为多个体素。该处理器还确定多个距离,该多个距离中的每个距离与计划辐射场和相应体素相关联。该处理器还基于多个距离、计划参数和场参数来计算多个度量。该处理器还对与该多个体素相对应的多个度量进行求和。该多个度量的总和表示由感兴趣体积从计划辐射场接收的估计剂量。
根据本发明的另一实施例,一种用于估计来自辐射疗法计划的剂量的方法,包括:将感兴趣体积的表示细分为多个体素,并且确定与计划辐射场和体素相关联的距离。该方法进一步包括基于距离、计划参数和场参数来计算度量。
根据本发明的又一实施例,一种用于估计来自辐射疗法计划的剂量的方法,包括:生成法向量,该法向量从靶体积的表示的表面上的点发出,并且延伸到身体表面。该方法包括:基于辐射疗法计划来量化沿法向量中的每个法向量的剂量衰减曲线。该方法还包括:基于被贯穿的有风险的器官来对多个法向量的子集进行分组,以及基于该子集来确定有风险的器官的平均剂量衰减曲线。该方法还包括:基于平均剂量衰减曲线、以及靶体积和有风险的器官之间的平均距离,来导出有风险的器官的剂量-体积直方图。
本发明的一个或多个实施例的细节在附图和以下描述中阐述。从说明书和附图以及从权利要求中,本发明的其他特征、目的和优点将变得清楚。
附图说明
图1是图示了根据本发明实施例的示例性剂量分布计划工具的示意图,该剂量分布计划工具采用空间剂量度量来生成射束定向,以便制定和评估特定于患者的辐射疗法治疗计划。
图2是描绘可以实现图1的剂量分布计划工具的示例性通用计算系统的示意图。
图3是可以使用图1的剂量分布计划工具来评估的示例性辐射疗法患者解剖结构的图示。
图4是曲面的示例性法向量和切平面的图示。
图5是复杂表面上的示例性法向量集的图示。
图6是来自曲线的示例性切线集的图示。
图7是可以使用图1的剂量分布计划工具来评估的另一示例性辐射疗法患者解剖结构的图示。
图8是从计划靶体积内到身体表面的示例性剂量曲线。
图9是来自辐射疗法患者解剖结构中的计划靶体积的示例性剂量梯度向量的图示。
图10是剂量梯度向量的示例性垂线的图示。
图11是剂量梯度在球体上的示例性投影的图示。
图12是从剂量梯度投影到球体上的示例性子午线的图示。
图13是表示所投影的剂量梯度的示例性热图的图示。
图14是示例性定制边界框的图示。
图15是通过等角点的示例性平面的图示。
图16是描绘根据本发明实施例的用于采用空间剂量度量来制定和评估特定于患者的辐射疗法治疗计划的示例性处理流程的流程图。
图17是描绘根据本发明实施例的用于采用空间剂量度量来制定和评估特定于患者的辐射疗法治疗计划的另一示例性处理流程的流程图。
具体实施方式
本发明的一个实施例在图1中示出,图1图示了示例性剂量分布计划工具10,该剂量分布计划工具10采用空间剂量度量来生成射束定向,以便制定和评估特定于患者的辐射疗法治疗计划。剂量分布计划工具10包括患者几何结构参数化模块12、射束定向模块14、剂量预测模块16、知识同化模块18和知识库20。剂量分布计划工具10将在放射疗法治疗中的实际患者中实现的剂量分布与下层的患者解剖结构或几何结构相关联。
剂量分布计划工具10基于患者解剖结构来预测针对新的患者的三维剂量分布,并选择具有相对较高的可能性来实现所预测的剂量分布(其是射束定向的函数)的辐射射束定向。
患者几何结构参数化模块12基于各个患者解剖几何结构、关于影响剂量分布的各种因素来生成参数集或度量。本领域中已知的是,靶结构外部的剂量水平随着与靶结构的线性或欧氏距离而减小。但是,附加的几何结构特征可以影响剂量分布。考虑了附加几何结构特征的度量提供了患者几何结构中预测剂量分布和结构位置之间相对改进的相关性。
附加于OAR-靶接近度的预期剂量度量的示例包括但不限于:靶结构的体积、有风险的器官(OAR)的体积、OAR不在辐射射束场内的任何部分、施加的场的数目和定向、场几何结构、靶和OAR组织密度、处方剂量等。例如,各种度量可以考虑在患者几何结构中的每个点处收敛的场的数目、或者在到达靶体积之前由场通过的任何器官。附加的度量可以考虑组织特征,例如,Hounsfield单位(HU)尺度可以表示能量沉积和分散特性。
例如,剂量衰弱或衰减曲线不是对称的,而是随着位置超出靶体积附近朝向场外区域延伸而更快地下降。另外,在距离OAR中的点不同的距离处施加具有不同靶剂量水平的多个场进一步使得使用组合度量来确定等效距离复杂化。
本发明的一个实施例基于几何结构可预期剂量(GED)分布来生成关于靶体积和OAR的度量。GED度量并入了关于如何针对靶形状来组织临床剂量的递送的一般性假设。GED度量还考虑到现场设置的几何结构。OAR中任何一点的剂量等于在该位置处个别贡献剂量的总和,个别贡献剂量归因于所施加的靶级别场中的每个场。
在一个实施例中,OAR几何结构被包括在GED度量中,例如,在到达靶体积之前由场穿越的OAR中体素的数目。在另一个实施例中,保形剂量度量被采用并且包括描述性设置和患者几何结构因素。射束定向模块14评估患者几何结构度量,并且以满足靶体积和OAR的约束的一个或多个射束定向的形式来确定优选的射束几何结构。
在一个实施例中,场强度被调制,以将剂量分布调整到特定靶形式。靶解剖特征被定义并且包括例如形状、延伸率、相对于多个场的靶位置、优选方向、或射束定向。因此,例如,比平行于靶的主方向的场相比,垂直于靶的主方向的场被允许以递送更少的辐射。
此外,在一个实施例中,相对于分配给场内每个小射束的GED度量来调制穿越场而被递送的辐射强度。例如,可以关于小射束穿越的体素的数目、或小射束在到达靶体积之前穿过患者的距离,来定义度量,并且可以根据该度量来调整小射束的强度。
剂量预测模块16相对于特定的度量集和特定的射束定向分组来评估剂量分布。剂量预测模块16采用基于知识的剂量预测算法,该算法基于解剖特征集来预测感兴趣结构上的可行剂量分布。剂量预测算法基于针对特定靶几何结构和场几何结构的详细计划来估计治疗计划的质量。
在一个实施例中,剂量预测模块16允许要被治疗的靶体积的交互式定义和微调,同时提供可实现的计划质量的即时估计。例如,可以通过预测针对特定靶体积实现的剂量-体积直方图(DVH)来描述质量。剂量预测模块16可以例如便于促进决策,例如关于要照射的空间区域的大小和关键器官的保留之间的临床折衷。
在另一个实施例中,剂量预测模块16允许辐射场几何结构的交互式定义和修改,同时提供可实现的计划质量的即时估计。因此,针对每个候选靶体积和场几何结构,独立的剂量优化都不被需要。此外,在一个实施例中,相对于多个靶体积来评估剂量分布,例如,对加权贡献或分级(其对应于从OAR到具有不同剂量水平的多个靶体积的各种经修改的距离)进行求和。
在一个实施例中,在可能的情况下,几何结构可预期剂量(GED)使用特定的场几何结构信息来计算,这产生了由OAR的场外部分引起的剂量贡献的相对精确和有意义的定义。当场几何结构不事先可用时,考虑在等中心平面中围绕患者的均匀分布的场。如果从每个场向靶递送相同量的辐射,则GED是具有限定的解剖几何结构的、等效于水的患者将接收的预期剂量。
在各种实施例中,GED度量被用于剂量-体积直方图(DVH)估计、注量估计、或三维剂量估计。在一个实施例中,将基于GED度量的估计剂量分布与临床治疗中实际实现的对应剂量分布进行比较,以调节实际知识模型。
知识同化模块18从表示实际历史患者群体的现有数据集中提取主要剂量测定特征。在基于知识的剂量预测中,从实际历史计划收集的信息被用于估计关于新患者的可实现的剂量分布。例如,多个历史治疗计划的患者几何结构和剂量信息被提取到预测模型中,该预测模型可用于剂量预测而无需存储来自原始计划集中的所有信息。
知识库20存储现有数据集,该现有数据集表示实际患者解剖学上的和所实现的剂量信息的历史群体。本文描述的系统可以提供以下优点:诸如评估具有不同的场几何结构的计划,评估具有不同剂量水平的多个靶体积的计划,以及分析靶体积形状对剂量分布的影响。
如图2所示,可以在图1的剂量分布计划工具10中采用的示例性通用计算设备22包括处理器24、存储器26、输入/输出设备(I/O)28、存储装置30和网络接口32。计算设备22的各种部件通过本地数据链路34来耦合,在各种实施例中,本地数据链路34包括例如地址总线、数据总线、串行总线、并行总线、或这些项的任意组合。
计算设备22通过I/O 28向用户或其他设备传送信息,并向用户或其他设备请求输入,在各种实施例中,I/O 28例如包括交互式菜单驱动的基于视觉显示的用户界面或图形用户界面(GUI)、指点设备(诸如用户可以利用该指点设备使用GUI的直接操作来交互地输入信息)。
计算设备22可以通过网络接口32耦合到通信网络,在各种实施例中,网络接口32包括例如设备的任何组合——以及任何相关联的软件或固件——被配置为耦合基于处理器的系统,包括调制解调器、接入点、网络接口卡、LAN或WAN接口、无线或光学接口等、以及任何相关联的传输协议,如设计所期望或要求的。
例如,计算设备22可以被用来实现图1的剂量分布计划工具10的部件的功能。在各种实施例中,计算设备22可以包括例如服务器、控制器、工作站、大型计算机、个人计算机(PC)、笔记本、计算平板电脑、个人数字助理(PDA)、智能手机、可穿戴设备等。存储在计算机可读介质(诸如存储装置30或耦合到计算设备22的外围存储部件)上的编程代码(诸如源代码、目标代码或可执行代码)可以被加载到存储器26中并且由处理器24执行,以便执行剂量分配计划工具10的功能。
参考图3,示例性患者解剖结构50被描绘为具有若干感兴趣的结构,包括主要靶体积52、次要靶体积54和有风险器官(OAR)56。还描绘了三个计划辐射射束,包括主要场62、次要场64和第三场66。如本文所使用的,术语“主要”、“次要”和“第三”不涉及相对优先级或量值,而是使用这些术语来区分各种体积和各种场。
如图3所示,主要场62和次要场64指向主要靶体积52的整个范围,并且第三场66指向次要体积54的范围,该范围被主要靶体积52完全包围。因此,计划要递送到主要靶体积52的处方剂量doset1包括主要场62和次要场64两者的累积效应。计划递送至次要靶体积52的处方剂量doset2包括每个主要场62、次要场64和第三场66的累积效应。
图1的患者几何结构参数化模块12确定了参数集或度量,以表示图3的OAR 56。在一个实施例中,OAR被细分为若干单独体积分区或体素,其关于剂量分布被单独评估。例如,图3中描绘了三个单独的体素70。基于从每个场的原点到体素的距离、由对应的场的扇线穿越的任何靶的处方剂量、以及基于计划辐射场的标称能量的场参数,度量被分配给每个体素。因此,这些度量考虑到了场的位置和定向。
例如,左体素72位于沿穿过主要靶体积52的扇线82的主要场62的范围内。因此,患者几何结构参数化模块12向左体素72分配度量,该度量考虑了主要场62的强度、以及从主要场62的原点(未示出)到左体素72的距离。例如,在一个实施例中,取决于主要场62的标称能量的强度参数λ1、与距离参数D11一起被分配给左体素72,距离参数D11取决于从主要场的原点到左体素72的欧氏距离。
右体素74位于主要场62和次要场64两者的范围内。穿过右体素74的主要场62的另一个扇线84穿过主要靶体积52和次要靶体积54。穿过右体素74的次要场64的扇线86也穿过主要靶体积52。因此,患者几何结构参数化模块12向右体素74分配度量,该度量考虑了主要场62的强度、次要场64的强度、从主要场的原点到右体素74的距离、从次要场的原点(未示出)到右体素74的距离、以及处方剂量。
例如,在一个实施例中,取决于主要场62的标称能量的强度参数λ1、以及取决于次要场的标称能量的另一个强度参数λ2被分配给右体素74。另外,取决于从主要场的原点到右体素74的欧氏距离的距离参数D12、以及取决于从主要场的原点到右体素74的欧氏距离的另一距离参数D22被分配给右体素74。
图1的剂量预测模块16通过评估在OAR中每个定义的体素处接收的预期剂量贡献来评估递送给OAR的计划剂量分布。在一个实施例中,在图3的左体素72处接收的几何结构预期剂量使用分配给左体素72的度量(例如,强度参数λ1和距离参数D11)来在下面的公式中计算:
此外,在右体素74处接收的几何结构预期剂量使用分配给右体素72的度量(例如,强度参数λ1和λ2,距离参数D12和D22)来计算。在右体素74处的、归因于主要场62的几何结构预期剂量贡献通过使用以下公式来计算:
在右体素74处的、归因于次要场64的几何结构预期剂量贡献通过使用以下公式来计算:
因此,归因于主要场62和次要场64而在右体素74处接收的总的几何结构预期剂量通过计算两个场62、64的贡献的总和来提供,例如,在以下公式中对以上公式(2)和(3)的结果进行求和:
另一方面,场外体素76位于所有三个场62、64、66之外。由于没有场扇线穿越场外体素76,所以三个场62、64、66中的任何一个场都不会对场外体素76处的剂量分布产生任何影响。因此,在场外体素76处接收的几何结构预期剂量为零(0)。剂量预测模块16从在OAR36的所有体素处的来自所有计划辐射场的贡献的总和,来导出关于OAR 36的可实现的剂量-体积直方图(DVH)。
现在参考图7,其描绘了具有若干感兴趣的结构的另一示例性患者解剖结构90,包括靶体积92、有风险的主要器官(OAR)94、次要OAR 96、以及第三OAR 98。本发明的实施例将实际历史患者辐射疗法治疗计划中实现的剂量分布与特定的下层患者解剖结构相关联,并将所得的关联信息存储在图1的知识库20中。知识库20中的关联信息被访问,以便基于患者解剖结构来预测新患者的三维剂量分布。
源自靶体积92的表面上的多个点,并且指向患者的身体表面100的法向量被计算。例如,在一个实施例中,图1的患者几何结构参数化模块12计算沿靶体积92的三维表面的网格上的法向量。作为简化的示例,在沿靶体积92的横截面的表面的各个点处,计算法向量102或射线。每个法向量102从靶体积92的表面沿正交于靶体积92的表面的局部区域的方向被追踪,该局部区域紧邻地围绕法向量102所源自的点。
剂量预测模块16关于距离靶体积92的表面的距离来计算沿法向量102的剂量。例如,在一个实施例中,沿从靶体积92内向身体表面100的法向量102来计算剂量。因此,沿每个法向量102一直到离开身体轮廓来确定整个剂量衰减曲线。例如,历史患者群体导出的平均剂量衰减曲线沿着沿法向量102发出的射线而被量化。
法向量102根据与每个法向量102相交的(多个)有风险的器官进行分组。如图8所示,记录沿法向量102中的每个法向量与OAR相交的部分的平均剂量D(r)184。例如,针对法向量104穿过OAR 98的部分来计算平均剂量;针对法向量122穿过OAR 94的部分来计算平均剂量;并且针对法向量110、112、114穿过OAR 96的部分来计算平均剂量。处方剂量188和PTV表面190在图8中示出。
另外,对于每个OAR 94、96、98,D(r)中的群体变化σD(r)被跟踪。在一个实施例中,剂量预测模块16使用针对每个OAR 94、96、98的平均剂量,以产生针对相应的OAR 94、96、98的可达到的三维剂量的快速估计。
沿靶表面的法线来追踪光线,并且估计三维剂量分布。沿PTV和OAR之间的法向射线的剂量是表征辐射疗法计划的三维剂量分布的主要分量。将三维数据折叠成准方向的二维图与折叠成剂量体积直方图一样高效,但更具描述性。建模很简单,并且已被证明是有效的。统计建模的结果可用于改进模型的结果和性能。
剂量预测模块16从剂量衰减曲线导出关于OAR 94、96、98的可实现的剂量-体积直方图(DVH),该剂量衰减曲线与相应的法向量104、110、112、114、122以及OAR 94、96、98与靶体积92之间的距离相关联。剂量预测模块16计算针对每个法向量102的剂量衰减曲线的导数,以及与每个OAR 94、96、98相对应的平均剂量的剂量梯度并且标识需要较强的剂量梯度的区域。在备选实施例中,三维数据被折叠成准方向的二维绘图,其保留比DVH图更多的描述性信息。
参考图9,沿每条射线来估计径向剂量梯度224。在每个法线方向上计算剂量梯度其中D=剂量,r=径向距离。向量在梯度更强的方向上更大。剂量衰减曲线的导数ΔD/Δr可以被计算。ΔD/Δr标识需要高梯度以实现期望或预期的放射疗法计划的区域。
射束定向模块14垂直于计划靶体积法向方向来反投影剂量梯度强度,以标识优选的射束定向。射束定向模块14确定相对于与靶体积的表面相切的每个梯度向量的垂直向量。垂直于强梯度方向的射束定向可以被强调以增强梯度。具有梯度的法线表示针对射束定向优选的弧平面。梯度强度可以沿4pi球体上的垂线被投影到预测射束的定向或轨迹的热图中。
例如,如图11所示,射束定向模块14将针对每个法向量102的平均剂量D(r)的剂量梯度192投影到平面194上,该平面194垂直于穿越靶体积等中心点的法向量。平面194(A×B)沿梯度方向具有法线。平面194在围绕靶体积的等中心点202的球体200上形成子午线198。
图12示出了围绕球等中心点226而投影到子午线204、206、208的梯度。射束定向模块14在所有法向量102产生的子午线之间进行内插,并且创建偏好矩阵,例如图13中所示的热曲线图或热图210。得到的偏好矩阵指示优选的射束定向以实现高剂量梯度。
参考图14,定制运动管理边界框212围绕靶体积92来构建。在每个法线方向上,可接受剂量误差(Δd)的边界裕度(Δr)如下计算:
射束定向模块14计算靶体积92周围的定制边界形状或等置信边界,将剂量灵敏度反映到靶位置误差。作为到靶体积92的距离的函数,沿各自法向量的剂量梯度被用作剂量敏感度分析的基础。定制边界框可以基于每个法向量位置处的距离裕度来构造,如最大可接受剂量不确定性与沿相应法向量的梯度的比率所指示的。射束定向模块14标识对靶运动最敏感的射束定向,以便根据射束定向来驱动运动管理策略。
参考图15,三个图示示出了穿过计划靶体积的等中心点216的平面214。从每个射束定向,计算垂直于射束222、与平面214相交的靶220的二维投影218。
知识同化模块18记录与实际的历史患者治疗计划相关联的所实现的剂量简档,并且关于距离靶体积92的表面的距离来跟踪剂量中的群体变化。由每个表面法向射线轨迹截取的OAR被确定,并且描述相对剂量的、作为沿法线方向距离PTV表面的距离的函数的曲线被存储在针对由射线截取的每个OAR的D(r)图中。为了检索,从存储的D(r)直方图到沿射线的每个像素的所实现的剂量的中值根据其与PTV的距离来分配。
例如,法向量106、108、116、118、122、124、126不贯穿任何OAR,因此得到的剂量简档被存储在知识库20中的身体剂量-距离图中。由于法向量120贯穿OAR 94,所得的剂量简档被存储在知识库20中的OAR 94剂量-距离图中以及身体剂量-距离图中。类似地,法向量104贯穿OAR 98,因此得到的剂量简档被存储在知识库20中的OAR 98剂量-距离图和身体剂量-距离图中。法向量110、112、114贯穿OAR 96,因此得到的剂量简档被存储在知识库20中的OAR 96剂量-距离图中以及身体剂量-距离图中。
在备选实施例中,可以使用布尔步骤来创建用于额外细化的仅身体类别。在另一个备选实施例中,使用法向量平滑方法对靶体积92的表面进行调整。在又一备选实施例中,射线从PTV的表面沿法线的方向追踪至身体轮廓,并且沿从PTV表面到PTV的中间表面的负方向追踪。
现在参考图16,图16图示了可以例如由图1的剂量分布计划工具10执行以实现本公开描述的方法的实施例的示例性处理流程,其用于采用空间剂量度量以生成射束定向,以便制定和评估特定于患者的辐射疗法治疗计划。该过程从框130开始,其中感兴趣的体积(诸如有风险的器官(OAR))被细分为一组体素,例如如上所述的相等大小的三维单元。
如以上进一步描述的,在框132,从计划辐射射束场的原点到每个体素的距离被确定。在框134,针对每个靶的处方剂量被确定,并且在框136,取决于每个场的标称能量的参数的值被确定。
在框138,如以上所解释的,相对于每个计划辐射场以及由穿过相应体素的扇线贯穿的每个靶来计算针对所有体素的基于几何结构的预期剂量(GED)度量。在框140,GED度量可以可选地与场内调制因子相乘。在框142,GED度量可以可选地与场间调制因子相乘。图16中用虚线示出的部件16是可能不包含在所有实现方式中的可选项。
在框144,相对于每个场、针对感兴趣体积中的所有体素来对GED度量进行求和。GED度量的总和提供了由感兴趣体积在计划辐射疗法中接收的总剂量的估计。
现在参考图17,图17图示了可以例如由图1的剂量分布计划工具10执行以实现本公开描述的方法的实施例的另一示例性处理流程,其用于采用空间剂量度量以生成射束定向,以便制定和评估特定于患者的辐射疗法治疗计划。该过程从框150开始,如上所述,法向量被生成为从多个点发出,例如在靶体积的表面上形成网格。例如,法向量从靶体积表面延伸到患者的身体表面。
如上面进一步描述的,在框152,基于实际患者治疗计划的辐射疗法计划历史结果,沿每个法向量一直到离开身体来量化剂量衰减曲线。在框154,法向量被分组为贯穿每个有风险的器官(OAR)的子集。在框156,如上所述,基于穿过每个OAR的法向量的子集,针对每个OAR并且针对群体来计算平均剂量,其可以用于提供可实现的三维剂量的快速估计。在框158,如上文进一步解释的,基于针对每个OAR的平均剂量、以及在靶体积与每个OAR之间的平均距离,针对OAR导出可实现的剂量-体积直方图。
在框160,基于沿法向量中的每个法向量的剂量衰减曲线,计算针对每个OAR的平均剂量的剂量梯度,并且标识需要强梯度的区域。在框162,剂量梯度沿与每个法向量正交的平面被投影。例如,在一个实施例中,剂量梯度沿靶体积表面处的切向平面被投影。
在框164,偏好矩阵(诸如热图或曲线图)基于球体表面处的所投影的剂量梯度的相交来生成。合理的射束轨迹来自热表面图。在框166,优选的射束定向基于偏好矩阵的相对高剂量梯度区域来确定。
此外,在框168,等置信边界基于剂量梯度在靶体积周围构建,以估计置信裕度。在计划靶体积周围计算定制边界形状,无需进行全剂量计算。剂量对靶位置误差的敏感度。在框170,射束定向相对于靶体积运动或不确定解剖结构的灵敏度是基于等置信边界来评估。结果驱动运动管理策略作为射束定向的函数。
这里参照流程图或框图来描述本公开的各方面,其中每个框或框的任意组合可以通过计算机程序指令来实现。该指令可以被提供给通用计算机、专用计算机或其他可编程数据处理系统的处理器以实现机器或制品,并且当该指令由处理器执行时,该指令创建用于实现在图中每个框或框组合中指定的功能、动作或事件的手段。
就此而言,流程图或框图中的每个框可以对应于代码的模块、段或部分,其包括用于实现指定的(多个)逻辑功能的一个或多个可执行指令。还应当注意,在一些备选实现中,与任何框相关联的功能可以不按照附图中注明的顺序来发生。例如,连续示出的两个框实际上可以基本上同时执行,或者框有时可以以相反的顺序来执行。
本领域的技术人员或技术人员将理解,本公开的各方面可以实施为设备、系统、方法或计算机程序产品。因此,本公开的各方面(本文中一般称为电路、模块、部件或系统)可以以下形式实施:硬件、软件(包括固件、常驻软件、微代码等)、或软件和硬件的任何组合,包括实施在计算机可读介质中的计算机程序产品,计算机可读程序代码实施在该计算机可读介质上。
在这方面,可以利用一个或多个计算机可读介质的任何组合,包括但不限于:电子、磁、光学、电磁、红外或半导体系统、装置或设备、或这些项的任何合适的组合。在本公开的情景中,计算机可读存储介质可以包括任何有形介质,该有形介质能够包含或存储由数据处理系统、装置或设备使用或与其结合使用的程序指令。
用于执行关于本公开的各方面的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写。程序代码可以作为独立的软件包完全在单独个人计算机上、部分地在客户端计算机上并且部分地在远程服务器计算机上、完全在远程服务器或计算机上、或者在分布式计算机节点的集群上执行。
应当理解,可以进行各种修改。例如,在公开的技术的步骤以不同的顺序执行的情况下、和/或在公开的系统中的部件以不同的方式组合和/或被其他部件替换或补充的情况下,仍然可以实现有用的结果。因此,其他实现方式在所附权利要求的范围内。
Claims (4)
1.一种用于估计来自辐射疗法计划的剂量的系统,所述系统包括:
存储机器可读指令的存储器;
处理器,通信地耦合到所述存储器,所述处理器可操作以执行所述指令,以:
将感兴趣体积的表示细分为多个体素;
确定辐射的射束的第一计划辐射场的在所述感兴趣体积外的原点与由所述第一计划辐射场贯穿的所述多个体素中的相应体素之间的第一多个距离;
基于所述第一多个距离、第一计划参数和第一场参数来计算多个度量;
对与所述多个体素相对应的所述多个度量进行求和,其中所述多个度量的总和表示由所述感兴趣体积从所述第一计划辐射场接收到的估计剂量;以及
当所述估计剂量满足针对所述感兴趣体积的剂量约束时,包括与所述辐射疗法计划中的所述第一计划辐射场相对应的所述射束的定向,
确定所述射束的第二计划辐射场的在所述感兴趣体积外的原点与由所述第二计划辐射场贯穿的所述多个体素中的相应体素之间的第二多个距离;
基于所述第二多个距离、第二计划参数和第二场参数来计算第二多个度量;
对与所述多个体素相对应的所述第二多个度量进行求和,其中所述第二多个度量的总和表示由所述感兴趣体积从所述第二计划辐射场接收到的估计剂量;以及
当由所述感兴趣体积从所述第二计划辐射场接收到的所述估计剂量满足针对所述感兴趣体积的所述剂量约束时,包括与所述辐射疗法计划中的所述第二计划辐射场相对应的所述射束的定向,
其中当体素在所述第一计划辐射场和所述第二计划辐射场二者的范围内时,基于所述第一多个距离、所述第一计划参数、所述第一场参数、所述第二多个距离、所述第二计划参数和所述第二场参数来计算所述体素的所述度量。
2.根据权利要求1所述的系统,其中所述第一计划参数包括处方剂量,所述处方剂量与由所述第一计划辐射场贯穿的靶体积相关联。
3.根据权利要求1所述的系统,其中所述第一场参数与所述第一计划辐射场的能级相对应。
4.根据权利要求1所述的系统,其中所述感兴趣体积与关于所述辐射疗法计划而有风险的器官相对应。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/850,625 US10080911B2 (en) | 2015-09-10 | 2015-09-10 | Knowledge-based spatial dose metrics and methods to generate beam orientations in radiotherapy |
US14/850,625 | 2015-09-10 | ||
PCT/US2016/050674 WO2017044562A1 (en) | 2015-09-10 | 2016-09-08 | Knowledge-based spatial dose metrics and methods to generate beam orientations in radiotherapy |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108348771A CN108348771A (zh) | 2018-07-31 |
CN108348771B true CN108348771B (zh) | 2022-04-19 |
Family
ID=56940435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680065110.3A Active CN108348771B (zh) | 2015-09-10 | 2016-09-08 | 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 |
Country Status (4)
Country | Link |
---|---|
US (3) | US10080911B2 (zh) |
EP (1) | EP3347093A1 (zh) |
CN (1) | CN108348771B (zh) |
WO (1) | WO2017044562A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10159853B2 (en) * | 2016-03-30 | 2018-12-25 | Varian Medical Systems International Ag. | Dose-distribution estimation in proton therapy |
KR101884113B1 (ko) * | 2017-02-06 | 2018-07-31 | (의료)길의료재단 | 방사선 치료 계획의 평가 방법 |
US11173325B2 (en) * | 2017-07-21 | 2021-11-16 | Varian Medical Systems, Inc. | Methods of use of ultra-high dose rate radiation and therapeutic agent |
US10485990B2 (en) | 2017-09-07 | 2019-11-26 | Elekta, Inc. | Adaptive radiotherapy system |
EP3498335A1 (en) * | 2017-12-18 | 2019-06-19 | Koninklijke Philips N.V. | Evaluation of an anatomic structure with respect to a dose distribution in radiation therapy planning |
EP3530319A1 (en) * | 2018-02-21 | 2019-08-28 | Elekta Limited | Methods for inverse planning |
EP3823618A1 (en) * | 2018-07-19 | 2021-05-26 | Varian Medical Systems, Inc. | Methods of use of ultra-high dose rate radiation and therapeutic agents |
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 |
US11465000B2 (en) * | 2020-03-02 | 2022-10-11 | Elekta Instrument Ab | Treatment planning |
GB2618334A (en) * | 2022-05-03 | 2023-11-08 | Mirada Medical Ltd | A method for quantifying patient set up errors in radiotherapy |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063569A (zh) * | 2010-12-29 | 2011-05-18 | 深圳市海博科技有限公司 | 一种治疗计划中靶点布置方法和治疗计划系统 |
CN103405852A (zh) * | 2013-08-29 | 2013-11-27 | 曲桂红 | 立体定向放射治疗剂量场分布的快速计算方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7046762B2 (en) * | 1999-11-05 | 2006-05-16 | Georgia Tech Research Corporation | Systems and methods for global optimization of treatment planning for external beam radiation therapy |
US20080004845A1 (en) * | 2003-03-14 | 2008-01-03 | Failla Gregory A | Method and system for the calculation of dose responses for radiotherapy treatment planning |
US20080091388A1 (en) * | 2003-03-14 | 2008-04-17 | Failla Gregory A | Method for calculation radiation doses from acquired image data |
US20090063110A1 (en) * | 2003-03-14 | 2009-03-05 | Transpire,Inc. | Brachytherapy dose computation system and method |
US7298819B2 (en) * | 2004-09-30 | 2007-11-20 | Accuray Incorporated | Flexible treatment planning |
US9592408B2 (en) | 2008-04-24 | 2017-03-14 | Koninklijke Philips N.V. | Dose-volume kernel generation |
US7801270B2 (en) | 2008-06-19 | 2010-09-21 | Varian Medical Systems International Ag | Treatment plan optimization method for radiation therapy |
US20110184283A1 (en) * | 2008-07-25 | 2011-07-28 | Tufts Medical Center | system and method of clinical treatment planning of complex, monte carlo-based brachytherapy dose distributions |
US8401148B2 (en) | 2009-10-30 | 2013-03-19 | Tomotherapy Incorporated | Non-voxel-based broad-beam (NVBB) algorithm for intensity modulated radiation therapy dose calculation and plan optimization |
CN102656607B (zh) * | 2009-12-16 | 2015-11-25 | 皇家飞利浦电子股份有限公司 | 使用计划收集来发展新的优化的目标 |
EP2486956B1 (de) * | 2011-02-11 | 2015-06-03 | Hans Rinecker | Verfahren zur Identifikation möglicher Veränderungen der Reichweite eines geplanten Bestrahlungsfeldes vor der Bestrahlung eines Patienten mit geladenen Teilchen |
US8774358B2 (en) * | 2011-09-28 | 2014-07-08 | Varian Medical Systems, Inc. | Radiation therapy treatment plan improvement through use of knowledge base |
US9254396B2 (en) * | 2012-02-16 | 2016-02-09 | Rhode Island Hospital | Advanced radiotherapy treatment planning optimization |
US20130324783A1 (en) * | 2012-05-31 | 2013-12-05 | Corey E. Zankowski | Apparatus and Method Pertaining to Optimizing a Radiation-Treatment Plan Using Historical Information |
US9597529B2 (en) * | 2012-09-05 | 2017-03-21 | Best Medical International, Inc. | Rapid range stacking (RRS) for particle beam therapy |
JP5909167B2 (ja) * | 2012-09-12 | 2016-04-26 | 株式会社日立製作所 | 放射線治療計画装置 |
EP3010585B1 (en) * | 2013-06-18 | 2018-05-09 | Duke University | Systems and methods for specifying treatment criteria and treatment parameters for patient specific radiation therapy planning |
-
2015
- 2015-09-10 US US14/850,625 patent/US10080911B2/en active Active
-
2016
- 2016-09-08 CN CN201680065110.3A patent/CN108348771B/zh active Active
- 2016-09-08 EP EP16766783.1A patent/EP3347093A1/en active Pending
- 2016-09-08 WO PCT/US2016/050674 patent/WO2017044562A1/en active Application Filing
-
2018
- 2018-09-04 US US16/121,235 patent/US11027147B2/en active Active
-
2021
- 2021-05-17 US US17/322,735 patent/US11878184B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063569A (zh) * | 2010-12-29 | 2011-05-18 | 深圳市海博科技有限公司 | 一种治疗计划中靶点布置方法和治疗计划系统 |
CN103405852A (zh) * | 2013-08-29 | 2013-11-27 | 曲桂红 | 立体定向放射治疗剂量场分布的快速计算方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190015684A1 (en) | 2019-01-17 |
US20210322789A1 (en) | 2021-10-21 |
WO2017044562A1 (en) | 2017-03-16 |
EP3347093A1 (en) | 2018-07-18 |
CN108348771A (zh) | 2018-07-31 |
US11878184B2 (en) | 2024-01-23 |
US20170072220A1 (en) | 2017-03-16 |
US10080911B2 (en) | 2018-09-25 |
US11027147B2 (en) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US10773101B2 (en) | System and method for estimating and manipulating estimated radiation dose | |
US10369381B2 (en) | System and method for robust intensity-modulated proton therapy planning | |
US11738211B2 (en) | Dose-distribution estimation in proton therapy | |
US10675483B2 (en) | Radiation therapy planning optimization and visualization | |
US20230173303A1 (en) | Knowledge based multi-criteria optimization for radiotherapy treatment planning | |
US10076673B2 (en) | Interactive dose gradient based optimization technique to control IMRT delivery complexity | |
CN108697905B (zh) | 放射治疗规划设备、方法和存储介质 | |
Matuszak et al. | Adaptive radiation therapy for lung cancer | |
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 |