CN108697905B - 放射治疗规划设备、方法和存储介质 - Google Patents
放射治疗规划设备、方法和存储介质 Download PDFInfo
- Publication number
- CN108697905B CN108697905B CN201780015913.2A CN201780015913A CN108697905B CN 108697905 B CN108697905 B CN 108697905B CN 201780015913 A CN201780015913 A CN 201780015913A CN 108697905 B CN108697905 B CN 108697905B
- Authority
- CN
- China
- Prior art keywords
- imrt
- realizability
- estimate
- target volume
- oar
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 34
- 238000001959 radiotherapy Methods 0.000 title claims description 29
- 238000002721 intensity-modulated radiation therapy Methods 0.000 claims abstract description 290
- 210000000920 organ at risk Anatomy 0.000 claims abstract description 127
- 230000005855 radiation Effects 0.000 claims abstract description 92
- 238000005457 optimization Methods 0.000 claims abstract description 42
- 230000001678 irradiating effect Effects 0.000 abstract description 3
- 206010028980 Neoplasm Diseases 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
-
- 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
- A61N2005/1074—Details of the control system, e.g. user interfaces
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
计算针对强度调制放射治疗(IMRT)几何配置(32)的可实现性估计,所述几何配置包括目标体积、风险器官(OAR)和至少一个辐射束。即,计算针对IMRT几何配置的几何复杂度(GC)度量,其将IMRT几何配置中所述至少一个辐射束中的用于辐照所述目标体积的子射束的数量NT与这些子射束中也穿过所述OAR的数量n进行比较。计算针对IMRT几何配置的GC度量与针对IMRT计划可实现的参考IMRT几何配置的GC度量的GC度量比率。如果临床医师对该估计满意,则执行针对IMRT几何配置(32)的IMRT计划的优化(38)。替代地,通过将GC度量与过去IMRT计划的GC度量进行比较来选择参考IMRT几何配置。
Description
技术领域
以下总体涉及放射治疗领域,强度调制辐射治疗(IMRT)领域,体积调制弧度治疗(VMAT)领域,肿瘤学处置领域和相关领域。
背景技术
在典型的强度调制放射治疗(IMRT)实现方式中,由线性粒子加速器 (linac)生成一束高能粒子(例如电子、光子、质子、离子)。肿瘤患者的目标体积(例如恶性肿瘤)被设置在辐射束的路径中。为了更精确地辐照目标体积,同时限制相邻的风险器官(OAR)的辐射暴露,多叶准直器(MLC)被使用以阻挡辐射束的设计部分,以提供所需形状的辐射束。MLC 将辐射束分段成“子射束”,其可以通过MLC的叶片的预编程的移动来打开或关闭。对于额外的剂量控制,可以施加多个射束脉冲,其中,每个射束脉冲具有通过调节束能量并适当地配置MLC而获得的所选能量和射束形状。
在传统的IMRT中,由直线加速器产生的辐射束处于固定的空间位置和取向,并且患者也被保持在固定位置以确保辐射分布与目标体积的精确符合。因此,一旦确定了IMRT几何配置(即目标体积和OAR相对于射束的位置),通过结合MLC射束整形在相继的射束脉冲上调制射束能量来获得剂量分布。一些较新的IMRT技术提供了进一步的自由度,例如体积调制弧度疗法(VMAT),其还包括辐射束的旋转以提供不同射束角度或连续弧度的相继射束脉冲。这为定制剂量与目标体积的一致性提供了进一步的灵活性,同时限制了OAR的暴露并减少了递送时间。
IMRT的规划过程是复杂的,由诸如肿瘤学家、物理学家和/或剂量师等专业医学专业人员执行。最初,通过诸如计算机断层扫描(CT)或磁共振(MR)成像的技术对患者成像。CT或MR图像构成捕获目标体积、OAR 和可能与辐射束路径相交的任何辐射吸收结构的三维(3D)图像数据集。目标体积和相邻OAR在3D图像数据集中被勾绘,通常通过对各幅图像切片进行轮廓绘制。自动或半自动轮廓绘制可用于辅助此过程,但最终轮廓必须由合适的医务人员认可。目标辐射剂量分布也被定义,例如根据目标体积中(或该体积中的特定位置)的期望辐射剂量和每个OAR中的允许辐射剂量公差。这些剂量分布参数通常被称为辐射治疗计划的一个或多个目标。
然后执行计算机化的IMRT规划以确定射束脉冲的程序以及它们的射束能量和MLC配置,以便实现期望的剂量分布目标。临床放射治疗中使用的MLC可以调制数百甚至数千个子射束,并且可以对射束脉冲的数量和每个脉冲的射束能量进行额外的调整。因此,要优化的变量的数量非常大(例如,N个子射束,其中,N可以大于脉冲数的1000倍)。在一些常用的逆向规划方法中,计算每个射束脉冲的注量图,使得针对射束脉冲计算的注量图组合以在患者中产生期望的辐射剂量分布。在确定来自注量图的剂量分布时,必须考虑患者的不同组织的空间变化的辐射吸收-这通常使用3D CT或MR图像利用适当的变换,作为辐射衰减图,来完成。然后将每个优化的注量图离散化为子射束的图,最后确定获得每个这样的图的MLC配置。这仅仅是说明性示例,并且可以采用其他IMRT规划算法,例如直接与子射束一起工作而不计算介于中间的注量图,但是应当理解,任何这样的规划算法都是计算密集型的。在实践中,可能需要几个小时的计算时间来执行对患者特定剂量目标、轮廓和衰减图进行操作的IMRT计划优化,并输出经优化的MLC配置。
即使对于预选的辐射束取向、患者位置和射束脉冲的数量,最终优化的IMRT计划通常也不是唯一的。相反,在一些情况下,期望的剂量分布可能是不可获得的,或者对于给定的预选设置(例如,射束/患者取向、脉冲数)可能无法获得。在这种情况下,计划优化将无法收敛到理想的解。然后,剂量师可以尝试不同的初始条件或修改现有参数并重复优化过程,并且在达到满足患者医师指定的计划目标的可实现IMRT计划之前,可以重复该循环若干次。如果剂量师在几次这样的尝试之后不能产生满足这些目标的可实现的计划,则可能需要进一步咨询患者的医师,以便在提供预期的治疗价值的同时调整优化目标以在物理上实现。
以下公开了解决上述问题和其他问题的新的且改进的系统和方法。
发明内容
在一个公开的方面中,一种放射治疗规划设备包括计算机,该计算机包括显示设备,以及至少一个非瞬态存储介质,其存储可由计算机读取和执行的指令,以执行包括基于目标区域、OAR与至少一个辐射束的相对空间布置来计算针对强度调制的放射治疗(IMRT)几何配置的可实现性估计的操作,所述几何配置包括要被辐照的目标体积、风险器官(OAR)和至少一个辐射束,并且在显示设备上显示可实现性估计或基于可实现性估计而生成的信息。
在另一个公开的方面中,一种非瞬态存储介质存储可由计算机读取和执行的指令,以执行放射治疗规划方法,包括:基于所述至少一个辐射束中的与目标体积相交的可用子射束的数量NT与所述至少一个辐射束中的与目标体积和OAR两者相交的子射束的数量n的比较来计算针对包括要被辐照的目标体积、风险器官(OAR)和至少一个辐射束的强度调制放射治疗 (IMRT)几何配置的可实现性估计;并且在计算机的显示器上或与计算机可操作地连接的显示器上显示基于可实现性估计而生成的可实现性估计或信息。
在另一方面中,公开了一种放射治疗规划方法。使用计算机,计算针对强度调制放射治疗(IMRT)几何配置的可实现性估计,所述几何配置包括要被辐照的目标体积、风险器官(OAR)和至少一个辐射束。为此,计算针对IMRT几何配置的几何复杂度(GC)度量,其将IMRT几何配置中所述至少一个辐射束中的用于辐照所述目标体积的子射束的数量NT与NT个子射束中的也穿过所述OAR的数量n进行比较。然后计算(i)针对IMRT 几何配置的GC度量与(ii)针对已知IMRT计划可实现的参考IMRT几何配置的GC度量的GC度量比。可实现性估计被显示在计算机显示器上。
一个优点在于减少的由于IMRT计划优化尝试失败而浪费的计算时间。
另一个优点在于提供更快的IMRT规划。
另一个优点在于在启动IMRT计划优化之前提供针对选择IMRT计划的参数的半自动引导。
给定实施例可以不提供前述优点,提供前述优点中的一个、两个、更多或全部,和/或可以提供其它优点,对于本领域普通技术人员而言,在阅读和理解了本公开后,这将变得显而易见。
附图说明
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安排的形式。附图仅出于图示优选的实施例的目的并且不应被解释为对本发明的限制。
图1在成像和放射治疗递送装置的背景下图解地图示了说明性强度调制放射治疗(IMRT)规划设备。
图2-6图解地图示了本文中的公开的所公开的可实现性估计方法的示例。
图7和图8解地示出了可以使用图1的IMRT规划设备适当地实现的两种说明性IMRT规划方法。
具体实施方式
在本文公开的方法中,在执行计算密集的强度调制放射治疗(IMRT) 计划优化之前,临床医师(例如肿瘤学家、剂量师等)被给予有效计算的可实现性估计,其提供针对临床医师选择的IMRT几何配置可以生成IMRT 计划的可能性的估计。
更具体地,确定针对IMRT几何配置的可实现性估计,所述IMRT几何配置包括要被辐照的目标体积(通常是癌性肿瘤但可能是某些其他恶性体积,例如器官的高度转移区域)、由于不希望的辐射暴露造成损伤的风险器官(OAR)、以及至少一个辐射束。基于目标区域、OAR和至少一个辐射束的相对空间布置来计算可实现性估计。在说明性实施例中,可实现性估计不基于目标体积或OAR的任何剂量目标(后者通常是最大允许剂量)。
用于提供有效计算的可实现性估计的所公开的方法基于本文中进行的若干观察。一个观察是,不能实现特定IMRT几何配置的IMRT计划是由于辐射束与目标体积(如所期望的)和OAR(其是不期望的)相交的情况。更具体地,在IMRT中,多叶准直器(MLC)定义可用的子射束,并且不与OAR相交的任何子射束不会导致无法实现针对IMRT几何配置可行的IMRT计划。另一方面,与目标体积和OAR相交的任何子射束都可能导致无法实现针对IMRT几何配置可行IMRT计划,因为在IMRT递送期间应用该子射束有助于照射目标体积,但也有助于不希望的对OAR的辐照。如果对于任何可能的MLC配置,这种不期望的OAR辐照太高(高于治疗剂量目标所定义的最大允许剂量),那么使用该IMRT几何配置不可能优化可行的IMRT计划。因此,所公开的可实现性估计的计算是基于(至少一个) 辐射束中的与目标体积相交的可用子射束的数量NT与(至少一个)辐射束中的与目标体积和OAR两者相交的可用子射束的数量n的比较。数量n小于或等于NT,并且一般来说越接近n变得NTIMRT计划可以针对给定的IMRT几何配置进行优化的可能性越小。
如本文所使用的,在给定IMRT几何配置的上下文中,术语“可用子射束”是指辐射束中的如果没有被MLC阻挡则将辐照目标体积的子射束。换句话说,“可用子射束”是由MLC调制的如果没有被MLC阻挡则将与目标体积相交的辐射束的子射束。因此,可用子射束的数量是NT。注意,如果辐射束区域足够大以使辐射束的周边部分不与目标体积相交,那么那些周边部分中的任何子射束都不是“可用”子射束,因为即使它们未被 MLC阻挡也不能贡献于辐照目标体积。
实际剂量目标也影响IMRT计划对给定IMRT几何配置的可实现性。然而,本文中认识到,为了提供对实现IMRT计划的可能性的估计,可以近似该影响,而不实际执行IMRT计划优化(如前所述,其是计算密集的)。在本文中公开的说明性可实现性估计中,通过将基于目标区域、OAR和至少一个辐射束的相对空间布置计算的针对IMRT几何配置的“几何复杂度”或GC度量与针对参考IMRT几何配置计算的相同GC度量进行比较,以近似的方式考虑剂量目标的影响。参考IMRT几何配置优选地被选择为针对剂量目标类似于针对当前治疗所需的剂量目标的IMRT计划的IMRT 几何配置。针对OAR的最大允许剂量通常与针对各种器官的已知损伤阈值相关,而针对目标体积的剂量目标类似地与针对用于处置给定类型的癌症的临床功效的已知剂量水平相关。
鉴于前述内容,基于目标区域、OAR和至少一个辐射束的相对空间布置来计算说明性可实现性估计,而不是基于任何剂量目标。在说明性示例中,使用将(i)可用的子射束的数量NT(即与目标体积相交的子射束)和(ii)那些可用子射束中的也与OAR相交的数量n进行比较的“几何复杂度”或GC度量来计算可实现性估计。在一些实施例中,将针对IMRT几何配置的GC度量与针对已知能够实现至少一个可实现的IMRT计划(优选地具有与当前制定中的IMRT计划相比的类似剂量目标)的针对参考 IMRT几何配置的GC度量进行比较,以便近似地考虑剂量目标的影响。
现在参考图1,在成像和放射治疗递送装置的背景下图示了说明性的强度调制放射治疗(IMRT)递送装置。IMRT规划过程开始于使用合适的成像设备(例如说明性计算机断层摄影(CT)成像设备12、磁共振(MR) 成像扫描器等)在放射学实验室10处对患者成像。放射学实验室10递送患者的、或者至少肿瘤或其他IMRT目标体积和邻近的风险中器官(OAR)的三维(3D)图像14。通常,处理3D图像14以生成衰减图16(或μ-图,有时也称为吸收图),其在IMRT计划优化中被使用以考虑经历IMRT的肿瘤患者的各种组织的辐射吸收。对于通过CT成像采集的说明性3D图像14,通过转换CT亨氏数来容易地生成衰减图16以考虑治疗辐射束与用于CT 成像的X射线的不同的吸收特性。例如,可以通过分割图像并将衰减值分配给分割图像的不同节段来完成根据MR图像生成衰减图16。
3D图像14用作用于规划IMRT的计划图像。为此,规划图像14由临床医师(例如肿瘤学家或剂量师)勾画轮廓以限定目标体积和任何可能在目标体积的辐照期间接收不期望的辐射的邻近的风险器官(OAR)。轮廓通常是由操作具有(或可操作地连接到)显示器22和一个或多个用户输入设备(例如键盘24、鼠标或其他指点设备26、显示器22的触敏覆盖层,和/或其他)的用户接口计算机20的临床医师执行的手动或半手动过程。计算机20被编程为提供轮廓绘制图形用户接口(GUI)28,用户可以经由其来在描绘目标体积和OAR的3D规划图像14的切片中绘制轮廓。额外地或替代地,可以提供自动或半自动的轮廓描绘,例如将轮廓定义为围绕目标体积和OAR的网格,其中每个网格被定义为包括临床医师在手动轮廓绘制期间识别的点,并且还可能通过将网格拟合到由图像梯度等识别的对象的边缘来描绘。
经由轮廓绘制GUI 28执行轮廓绘制的输出(任选地,利用半自动轮廓绘制的辅助;还预期全自动轮廓绘制,利用临床医师的审查/批准)是描绘目标体积和要控制对其的(不希望的)辐照的任何OAR的轮廓30的集合。临床医师完成IMRT几何配置32,其包括由轮廓30定义的目标体积和 OAR,还选择辐射束(或多个辐射束,如果IMRT递送设备可以同时地和/或在不同的时间输出多个辐射束的话)的取向。基于实际约束(例如,患者通常处于俯卧即面朝下,或仰卧即面朝上的位置),将目标体积定位在辐射束中心处或附近的需要,以及限制OAR暴露的期望来确定相对于目标体积和OAR的辐射束的空间位置。因此,IMRT几何配置32包括要被辐照的目标体积,至少一个风险器官(OAR)和至少一个辐射束。临床医师用于设计IMRT计划的进一步输入是剂量目标34。通常,这些可包括要被递送到目标体积的最小(和/或目标)辐射剂量,以及针对每个OAR的最大允许剂量。通常,每个OAR可具有不同的最大允许剂量,这取决于特定器官的辐射敏感性。剂量目标34中的一些可以被配制为硬约束或软约束;例如,针对性命攸关的OAR的最大允许剂量可以是确保患者安全的硬约束。
传统上,在设置IMRT几何配置32和剂量目标34的情况下,IMRT 计划将进行到由IMRT计划优化器38执行的IMRT计划优化,在适当强大的计算机40上实现,例如网络服务器计算机、云计算资源或其他分布式计算系统,等等。IMRT计划优化计算机40可以任选地采用专用部件(例如, ASIC)来执行一些优化操作。通过非-限制说明,IMRT计划优化器38可以采用逆向计划方法,其中,针对辐射束的注量图被优化以产生期望的剂量目标,使用衰减图16来确定辐射概况,并且将得到的注量图然后被离散化以生成MLC配置。得到的IMRT计划42存储在非瞬态数据存储设备中,并且在预定时间,患者经历使用放射疗法递送装置44执行的IMRT递送,例如包括线性加速器以生成辐射束,并且包括MLC以根据IMRT计划42 来调制射束。
可以注意到,在说明性图1中,实现轮廓绘制GUI 28的计算机20和用于选择总体IMRT几何配置32和剂量目标34的用户接口与被编程为实现IMRT计划优化器38的计算机40是分离的。这是一种常见的布置,因为用户接口计算机20需要用户接口部件22、24、26并且优选地包括特征支撑轮廓,诸如任选的图形处理单元(GPU)或其他图形加速硬件等;然而,IMRT计划优化器38优选地在提供足够计算能力的高性能计算机或计算网络或云计算资源上实现。然而,预期一台计算机来实现或支持用户接口方面28、30、32、34和IMRT计划优化器38两者。例如,另一个合适的实现方式是网络服务器计算机或计算机集群(例如,医院电子网络上的一个或多个服务器)和与(一个或多个)网络服务器计算机连接的一个或多个“哑”终端或个人计算机-在该实现方式中,终端或个人计算机的用户接口部件提供轮廓绘制等,同时在(一个或多个)网络服务器计算机上执行优化,其中结果显示在终端或个人计算机上。
如前所述,IMRT计划优化需要优化数百或数千个参数,并且可能需要几个小时的计算时间。取决于IMRT几何配置32和剂量目标34的选择, IMRT计划优化可能无法收敛到物理上可实现的解决方案-在这种情况下,临床医师必须通过更新IMRT几何配置32和/或剂量目标34来返回到计划阶段,或者在一些情况下甚至可能需要返回到轮廓绘制GUI 28以更新目标体积和/或OAR轮廓。这样的情况浪费了宝贵的计算资源和临床医师时间,并且可能延迟放射治疗向患者时间紧急的递送。
为了减轻这些潜在的问题,图1的说明性IMRT规划设备还包括IMRT 计划可实现性估计器50,其可以在用户接口计算机20或IMRT优化计算机 40上或在执行两种功能的组合计算机上等等以不同的方式实现。IMRT计划可实现性估计器50估计IMRT计划优化器38针对所选择的IMRT几何配置32可以生成的在物理上可实现的IMRT计划的可能性。该估计基于IMRT几何配置32(包括目标体积和OAR定义以及所选择的(一个或多个) 辐射束)来完成,但是在说明性实施例中不依赖于剂量目标34。而是,在说明性实施例中,用户从参考IMRT计划数据库52中选择具有类似IMRT 几何形状并且(优选地)类似剂量目标的IMRT计划,并且针对所选择的 IMRT几何配置32并且针对参考IMRT计划的IMRT几何配置计算几何复杂度(GC)度量。基于GC度量与参考GC度量的比较,估计可实现性。通常,如果所选IMRT几何配置32的GC度量显著高于参考GC度量,则这指示所选择的IMRT几何配置32呈现出显著更加几何复杂的情况,使得针对几何复杂的IMRT几何配置不太可能成功地优化IMRT计划。得到的 IMRT计划可实现性估计适当地显示在显示器22上。显示可以是数字值,或者可以通过对数值可实现性估计进行分箱并且基于分箱的数值估计选择文本可实现性估计值来翻译成文本可实现性估计值,例如“可实现”,“可能可实现”,“很可能无法实现”或“不可实现”。
应当注意,可实现性估计旨在作为临床医师关于是否建议对所选的 IMRT几何配置32进行IMRT计划优化的指导。因此,可实现性估计可具有显著水平的误差,即,在某些情况下,可实现性估计可指示IMRT计划优化是可实现的,而实际上结果是IMRT计划优化器38不能生成物理上可实现的计划;或者反之亦然。IMRT计划可实现性估计器50如果通常是准确的,则直到有用的目的,即,如果通常其在预测IMRT计划可实现时是正确的,并且如果通常在其预测IMRT计划不可实现时这是正确的。这足以使IMRT计划可实现性估计器50显著减少浪费的优化计算时间和临床医师时间。
已经参考图1提供了包括IMRT计划可实现性估计器50的IMRT计划设备的概述,在下文中提供了一些合适的IMRT计划可实现性估计的一些说明性示例。示例性IMRT计划可实现性估计器通常基于(i)所述至少一个辐射束中的与目标体积相交的可用子射束的数量NT与(ii)所述至少一个辐射束中的与目标体积和OAR相交的可用子射束的数量n的比较来进行操作。更具体地,几何复杂度(GC)度量定义如下:
其中,V是目标体积的体积(例如,要被辐照的肿瘤的体积)并且N=NT/V 是目标体积的每单位体积的可用子射束的数量。应当理解,可以使用其他类似的GC度量,例如在一些实施例中,不使用归一化(得到 GC=(n+1)/NT)。公式(1)中的“+1”通过-零场景减少了某些可能的划分-,但通常是任选的(例如,预期GC=n/N)。
参考图2和图3,示出了用于估计可实现性的公式(1)的效果的两个说明性示例。图2和3图解地图示了由单个辐射束辐照的目标体积和OAR 的两个示例。在该示例中,可用的子射束的数量NT是四个。(这是图解性的:正如已经指出的那样,在实际的IMRT实现方式中,NT通常是数百或数千)。在图2的示例中,通过的所有四个可用的子射束与目标体积相交也与OAR 相交,使得n=4。这导致公式(1)的GC度量的高的值,指示高几何复杂度和实现成功IMRT计划优化的低可能性。相比之下,图3显示了不同的IMRT几何配置,其中只有一个与目标体积相交的子射束也与OAR相交,导致n=1。这导致公式(1)的GC度量的低的值,指示低几何复杂度和实现成功IMRT计划优化的高可能性。(例如,与OAR相交的单个子射束可以通过优化的MLC配置来关闭)。
参考图4和5,示出了具有三个辐射束的示例。通常,三个辐射束可以同时施加,或者以相继的时间间隔施加,例如根据体积调制弧度疗法 (VMAT)方法。(因为通常在单个放射治疗期间递送到目标体积和OAR 的时间积分的剂量是重要的,相继的辐射束脉冲之间的时间间隔是不相关的,并且相继的辐射束脉冲可以被视为单独的放射束)。在该示例中,每个辐射束被调制成四个子射束(再次,简单的图解示例),因此对于三个辐射束NT=4×3=12。在图4的示例中,最左边的辐射束的一个子射束也与 OAR相交,中间辐射束的一个子射束也与OAR相交,并且最右边的辐射束的三个子射束也与OAR相交。因此,n=1+1+3=5,并且根据公式 (1),GC度量是在图5的示例中,最左边的辐射束的两个子射束也与OAR相交,中间辐射束的两个子射束也与OAR相交,并且最右边的辐射束的所有四个子射束也与OAR相交。因此,n=2+2+4=8,并且根据公式(1),GC度量是由此得出,与图5的IMRT几何配置(由于其较高的GC)相比,图4的IMRT几何配置(由于其较低的GC)更可能产生可实现的IMRT计划优化。
参考图6,如果存在两个或更多个OAR,则其可以以各种方式处理。说明性的图6示出了分别表示为“OAR#1”和“OAR#2”的两个OAR以及两个辐射束。水平辐射束具有与OAR#2相交的四个子射束,其中,没有与OAR#1相交的子射束。垂直辐射束具有与OAR#1相交的三个子射束和与OAR#2相交的一个子射束。在一种方法中,两个OAR被视为单个 OAR,即,存在单个OAR,其是个体OAR的并集(例如,这里单个OAR 是{OAR#1∪OAR#2}。在这种情况下,n=8(因为每个子射束与至少一个组成OAR相交)和NT=8,使得GC度量是GC度量的非常高的值指示使用该IMRT几何配置实现优化的IMRT计划的低的可能性。这是有用的信息,但不告知临床医师哪个OAR最显著地降低了成功计划优化的可能性。
在另一种方法中,每个OAR都被单独地处理:在这种情况下,针对 OAR#1的GC度量是并且针对OAR#2的GC度量是因此,临床医师被告知,与OAR#1相比,OAR#2更显著地降低了成功计划优化的可能性。但是,在这种方法中,个体GC度量值可能会强烈地过高估实现优化IMRT计划的可能性-在图6的示例中,每个个体GC度量显著低于在考虑两个OAR时的GC度量,因此高估了实现优化的IMRT计划的可能性。在一种方法中,“总”GC度量将两个OAR一起处理并且在的该实例中具有被显示的值(因此指示非常低的可实现性可能),并且额外地还显示针对每个OAR的GC度量以帮助确定哪一个(或多个)OAR对可实现性产生不利影响。(以类似的方式,可以显示针对每个单独辐射束的 GC度量以指示哪个或哪些射束对优化的IMRT计划的可实现性产生不利影响)。
在一些预期的实施例中,公式(1)的GC度量,或诸如本文描述的变体之一中的变体省略了“+1”项和/或省略了体积(V)归一化的项的变体,用作可实现性估计。从图2-5的实例可以看出,随着GC的增加,与目标体积和OAR两者相交的子射束的数量n增加,反映了更大的几何复杂性,并且因此更低的成功IMRT计划优化的可能性。然而,直接依赖GC作为可实现性估计并未提供用于考虑剂量目标34的影响的任何机制,因为公式(1) 是纯粹的几何分析。在实践中,剂量目标34还将影响是否可以成功优化 IMRT计划。例如,随着对OAR的最大允许剂量减少(与目标体积的预期剂量相比),实现满足降低的最大允许OAR剂量的优化IMRT计划变得更加困难。相反,随着OAR的最大允许剂量增加,更容易实现优化的IMRT 计划,因为OAR可以吸收更多的辐射剂量。但是计算递送到目标体积和 OAR的剂量将需要执行IMRT计划优化,这将在执行计算复杂的IMRT计划优化之前破坏执行初始可实现性估计的目标。
在说明性实施例中,代替基于任何剂量目标34的可实现性估计,该信息被半定量地考虑,通过比较经由公式(1)针对所考虑的IMRT几何配置 32计算的GC度量与再次经由公式(1)针对实际优化的IMRT计划的参考 IMRT几何配置计算的参考GC度量。因此,已知参考IMRT几何配置能够成功优化IMRT计划(因为过去已经针对参考IMRT几何配置进行了此操作)。从参考IMRT计划数据库52中选择的参考IMRT计划优选地被选择为尽可能接近要制定的IMRT计划-特别地,参考IMRT计划应具有与所选的IMRT几何配置相同或相似的IMRT几何配置32,参考IMRT计划的剂量目标应接近拟制定的IMRT计划的剂量目标34。所述参考IMRT计划可以手动选择,例如通过让临床医师浏览存储在数据库52中的IMRT计划,或者可以自动选择,例如通过IMRT几何配置和剂量目标的最接近匹配,或通过其组合,例如自动选择针对相同的OAR和相同类型的放射治疗(例如相同类型的癌性肿瘤)的那些过去的IMRT计划,并让临床医师浏览最接近计划的过去IMRT计划的该子集。此外,在分别针对每个OAR计算可实现性估计的实施例中,如参考图6所讨论的,预期采用不同的参考IMRT 计划来估计针对每个OAR的可实现性。(这也可以扩展到要辐照两个或更多个目标体积的情况;可以使用针对OAR/目标体积组合选择的参考IMRT 计划单独估计每个OAR/目标体积组合的可实现性。针对所选参考IMRT计划的GC指标适当地计算如下:
其中,除了使用下标-参考指示针对参考IMRT计划几何配置的值之外,公式(2)与公式(1)相同。然后,可实现性估计基于GC-比率:
在公式(3)的可实现性估计构想中,在将要制定的IMRT计划与参考IMRT 计划进行比较时,体积归一化(N=NT/V)对于大致考虑肿瘤大小的差异是有用的。同样,这是任选的,特别是如果数据库52足够大以致临床医师通常可以针对类似大小的肿瘤选择参考IMRT计划。任选的“+1”因素也被视为避免在n参考=0的情况下除以零的可能性。公式(3)的GC比率近似考虑剂量目标,因为约为单位值的GC比率对应于已知可实现的参考IMRT几何配置。然而,公式(3)的可实现性估计不是基于任何剂量目标的(因此不需要执行计算密集剂量优化),而是基于IMRT几何配置32和参考IMRT 计划以及其GC参考值。
在一些实施例中,可实现性估计是定量值,例如,如果不使用参考,则为公式(1)的GC度量,或者如果使用参考IMRT计划,则为公式(3) 的GC比率。然而,这些数值对于临床医师来说可能不是直观的,特别是因为在两种情况下,较高的值对应于可实现性的较低可能性,这可能被视为违反直觉。在说明性实施方案中,GC比率是分箱的,并且使用如本文中表1 所示的查找表来将数字值转换为具有明显语义含义的文本可实现性估计值。应当理解,说明性表1中的定量值是代表性的,并且可以针对特定类型的IMRT计划和一般IMRT几何布局选择GC比率分箱的具体值。还应注意,由于可实现性估计是估计,因而“可实现”类别并不意味着IMRT计划可以针对具有“可实现”估计的几何配置进行优化,而是指示这样的计划将是可以实现的可能性很高;同样,“无法实现”并不最终意味着IMRT计划无法通过几何配置进行优化,而只是意味着这样的优化不太可能。
表1-GC比率的解释
GC<sub>比率</sub> | 文本可实现性估计值 | 缩写 |
>1.3 | “无法实现” | NA |
1.2至1.3 | “很可能无法实现” | PNA |
1.0至1.2 | “可能实现” | PA |
<1.0 | “可实现” | A |
应用利用表1的解释对公式(3)的可实现性估计以估计关于由头部-和-颈部IMRT规划场景中的包括右腮腺导管的OAR的可实现性。实验如下地进行。首先创建通过优化满足了所有临床目标的参考头颈计划。提取与每个分段临床结构(OAR)相关联的GC比率度量用于参考计划。计算针对其他头颈部病例的针对右腮腺导管OAR的GC度量,并将这些GC度量值与参考情形中获得的相应参考GC参考值进行比较。然后计算公式(3) 的几何复杂度比率(GC比率),并使用表1将该值转换为文本的可实现性估计值。在IMRT几何配置中,在所有情况下均使用在:0°、50°、100°、150°、 200°、250°和300°的七个等角射束。公式(3)和表1的可实现性估计在大约85%的时间内正确地预测了IMRT计划优化结果。这对于所公开的可实现性估计器来说足以通过避免执行可能不能成功的IMRT计划优化来显著减少浪费的计算和临床医师时间。
参考图7,示出了利用图1的IMRT规划设备适当地执行的IMRT计划优化可实现性估计方法。在操作60中,从参考IMRT计划数据库52中选择参考IMRT计划。这可以由临床医师通过浏览过去的IMRT计划来手动地完成,以找到在IMRT几何配置32与剂量目标34方面类似的计划,或者可以通过对数据库52的计算机搜索来自动或半自动地完成。在操作62 中,针对IMRT几何配置32计算GC度量,例如根据公式(1)。在操作64 中,针对参考IMRT计划的IMRT几何配置计算GC参考度量,例如根据公式 (2)。在一些实施例中,针对数据库52中的所有过去的IMRT计划离线执行操作64,并将其存储为{IMRT计划,GC参考}数据对。在操作66中,例如根据公式(3)计算GC比率。任选地,例如使用表1将其转换为文本的可实现性估计值。在操作70中,临床医师检查可实现性估计并确定IMRT计划优化是否可能是可实现的。该决定可以考虑除了可实现性预测之外的因素,例如计算机时的可用性(例如,如果计算机40上的工作负荷低,则可以寻求更低可能性的IMRT几何配置)。如果决定70是肯定的,则在操作 72中,调用IMRT计划优化器38以尝试生成经优化的IMRT计划。如果决定70是否定的,则在操作74中,临床医师调整IMRT几何配置(例如,修改辐射束角度,并且如果需要可以调整轮廓)并且可以再次尝试。
在另一方面中,可以使用所公开的方法来在执行IMRT计划优化之前优化IMRT几何配置。可以从GC度量推断出适合于特定情况的IMRT几何配置(例如,射束角度或位置)可能不适合于不同的情况。由于GC度量基于IMRT几何配置,包括相应于目标体积和(一个或多个)OAR的射束配置,因此可以使用GC度量来制定辐射束配置选择问题,其可以使用迭代求解器来求解。在以下说明性示例中,基于组合射束角度、准直器角度和卧榻角度来选择射束配置。例如,考虑针对不同OAR获得的GC比率,如先前参考图6所讨论的那样分别处理每个OAR。优化可以表达为:
其中,F是要被最小化的目标函数,是针对每个OAR的根据公式(3)的GC比率,其中,k=1,...,K,并且Wk,k=1,...,K是针对每个OAR的权重,指示分配给第k OAR的重要性。一般来说,针对Wk更大的值指示针对将OAR#k的辐照保持在其最大允许剂量以下的重要性。函数φ(Wk)是二元选择函数:
迭代求解器可用于最小化F,这将迭代地微调辐射束配置,使得累积GC比率 (即IMRT计划中所有OAR的比率之和)尽可能低。通过最小化F,相对于用于计算GC比率的参考IMRT计划,确保辐射束配置对于给定的IMRT任务是最佳的。
在前述示例中,临床医师基于与当前正在制定的IMRT计划(几何和剂量目标)的相似性来选择参考IMRT计划。在其他实施例中,针对正在制定的IMRT计划计算GC度量,并且该GC度量用于自动搜索参考IMRT 计划数据库52以识别具有类似的GC(即,具有接近针对正在制定的IMRT 计划计算的GC的GC参考)的参考IMRT计划(或两个、三个或几个参考IMRT 计划)。在该方法中,仅需要制定中的IMRT计划的几何配置32作为输入以便计算GC,并且所识别的参考IMRT计划的剂量目标然后可以用作临床医师在设计可能是可以实现的剂量目标34时的指导。
参考图8,示出了采用该替代方法的IMRT计划优化可实现性估计方法。在操作80中,针对IMRT几何配置32计算GC度量82,例如根据公式(1)。在操作84中,搜索参考IMRT计划数据库52以识别一个或多个参考IMRT计划,其中,GC参考度量与针对旨在用于正在制定的IMRT计划的IMRT计划几何配置32计算的GC度量82最相似。该搜索84优选地是自动的,并且是快速的,因为它仅将GC 84与存储在数据库52中的每个 GC参考进行比较。(这假设GC参考值是离线预先计算的并存储在数据库52 中,这在本实施例中是优选的;替代地,可以针对数据库52中的每个潜在参考IMRT计划计算GC参考度量,但是这将需要每次针对正在制定的新IMRT计划执行图8的方法时重新进行。可以使用各种准则以选择参考(一个或多个)IMRT计划,例如选择多达N个的计划,其GC参考是足够接近如通过合适的接近度度量(例如百分比差异)量度的GC 82。N的值可以低至一(在这种情况下,选择单个最接近的参考IMRT计划)或者可以更高,例如,如果N=5,则选择多达五个最接近的参考IMRT计划。在操作86中,显示关于最接近的参考IMRT计划的信息。该信息可以包括例如几何配置,剂量目标,关于患者结果的信息(如果可用的话)和/或诸如此类。因此,临床医师被提供以针对一个或多个类似参考IMRT计划的集合的显著信息,其可以例如由临床医师在手动操作88中参考,其中临床医师选择针对正在制定的IMRT计划的剂量目标34。
如先前所讨论的,所公开的IMRT计划的操作通过存储在至少一个非瞬态存储介质上的一条或多条计算机20、40执行指令(例如程序)而被适当地实现。所述至少一个非瞬态存储介质可以例如包括以下中的一个或多个:硬盘或其他磁存储介质;光盘或其他光学存储介质;闪存或其他固态电子存储器;其各种组合等。
己经参考优选实施例描述了本发明。通过阅读和理解前述的详细描述,本领域技术人员可以想到各种修改和变型。目的是,本发明被理解为包括所有这样的修改和变动,只要它们落了权利要求书或其等价方案的范围之内。
Claims (20)
1.一种放射治疗规划设备,包括:
计算机(20、40),其包括显示器(22);以及
至少一个非瞬态存储介质,其存储能够由计算机读取和执行的指令,以执行包括以下项的操作:
计算针对强度调制放射治疗(IMRT)几何配置(32)的可实现性估计,其中,所述可实现性估计提供针对所述IMRT几何配置能够生成IMRT计划的可能性的估计,其中,所述IMRT几何配置包括要被辐照的目标体积、由于不希望的辐射暴露造成损伤的风险器官(OAR)和至少一个辐射束,并且其中,所述可实现性估计是基于所述目标体积、所述OAR和所述至少一个辐射束的相对空间布置而计算得到的;并且
在所述显示器上显示所述可实现性估计或基于所述可实现性估计而生成的信息,
其中,所述可实现性估计是使用针对所述IMRT几何配置(32)的几何复杂度(GC)度量而计算得到的,所述几何复杂度度量将(i)所述IMRT几何配置中所述至少一个辐射束中能够用于辐照所述目标体积的同所述目标体积相交的子射束的数量NT与(ii)NT个子射束中同所述目标体积和所述OAR两者都相交的数量n进行比较,其中,n小于或等于NT,其中,将同所述目标体积相交的子射束的所述数量NT与NT个子射束中同所述目标体积和所述OAR两者都相交的所述数量n进行比较包括n与NT的比率,并且其中,n越接近NT,针对所述IMRT几何配置能够生成所述IMRT计划的所述可能性降低。
2.根据权利要求1所述的放射治疗规划设备,其中,所述GC度量是将n与N=NT/V进行比较的比率,其中,V是所述目标体积的体积。
4.根据权利要求1-3中的任一项所述的放射治疗规划设备,其中,所述可实现性估计包括针对所述IMRT几何配置(32)的所述GC度量与针对参考IMRT几何配置的所述GC度量的比率。
5.根据权利要求1-3中的任一项所述的放射治疗规划设备,其中,
所述操作还包括通过将针对所述IMRT几何配置(32)的所述GC度量与存储在参考IMRT计划数据库(52)中的针对IMRT计划计算的GC度量(GC参考)进行比较来选择至少一个参考IMRT计划;并且
所述显示包括显示关于所选择的至少一个参考IMRT计划的信息,所述至少一个参考IMRT计划至少包括所述至少一个IMRT计划的剂量目标。
6.根据权利要求1-3中的任一项所述的放射治疗规划设备,其中,计算所述可实现性估计还包括至少基于针对所述IMRT几何配置(32)的所述GC度量来确定文本的可实现性估计值,所述显示包括在所述显示器(22)上显示所述文本的可实现性估计值。
7.根据权利要求1-3中的任一项所述的放射治疗规划设备,其中,所述可实现性估计是基于所述目标体积、所述OAR和所述至少一个辐射束的相对空间布置来计算的,而不是基于任何剂量目标(34)来计算的。
8.根据权利要求1-3中的任一项所述的放射治疗规划设备,其中,所述至少一个非瞬态存储介质存储能够由所述计算机读取和执行的另外的指令,以执行针对所述IMRT几何配置(32)的IMRT计划的优化,以选择用于调制所述至少一个辐射束中的所述子射束的至少一个多叶准直器(MLC)配置,以使用所述IMRT几何配置来实现预定义的剂量目标(34),其中,所述预定义的剂量目标至少包括针对所述目标体积的剂量目标和针对所述OAR的最大允许剂量目标。
9.根据权利要求1-3中的任一项所述的放射治疗规划设备,其中,所述操作还包括:
优化目标函数(F)包括针对IMRT几何配置(32)计算的可实现性估计的加权和,每个IMRT几何配置包括相同的目标体积和相同的至少一个辐射束,并且每个IMRT几何配置包括不同的OAR;并且
调整所述至少一个辐射束的一个或多个几何参数以优化所述目标函数。
10.一种非瞬态存储介质,其存储能够由计算机(20、40)读取和执行的指令,以执行放射治疗规划方法,所述放射治疗规划方法包括:
计算针对强度调制放射治疗(IMRT)几何配置(32)的可实现性估计,其中,所述可实现性估计提供针对所述IMRT几何配置能够生成IMRT计划的可能性的估计,其中,所述IMRT几何配置包括要被辐照的目标体积、由于不希望的辐射暴露造成损伤的风险器官(OAR)和至少一个辐射束,并且其中,所述可实现性估计是基于至少一个辐射束中同所述目标体积相交的可用子射束的数量NT与所述至少一个辐射束中同所述目标体积和所述OAR两者都相交的可用子射束的数量n的比较而计算得到的;并且
在计算机的显示器(22)上或与计算机可操作地连接的显示器上显示基于所述可实现性估计而生成的所述可实现性估计或信息,
其中,所述可实现性估计是使用针对所述IMRT几何配置(32)的几何复杂度(GC)度量而计算得到的,所述几何复杂度度量将(i)所述IMRT几何配置中所述至少一个辐射束中能够用于辐照所述目标体积的同所述目标体积相交的子射束的数量NT与(ii)NT个子射束中同所述目标体积和所述OAR两者都相交的数量n进行比较,其中,n小于或等于NT,其中,将同所述目标体积相交的子射束的所述数量NT与NT个子射束中同所述目标体积和所述OAR两者都相交的所述数量n进行比较包括n与NT的比率,并且其中,n越接近NT,针对所述IMRT几何配置能够生成所述IMRT计划的所述可能性降低。
11.根据权利要求10所述的非瞬态存储介质,其中,所述计算包括计算几何复杂度(GC)度量,计算几何复杂度(GC)度量包括将n与N=NT/V进行比较的比率,其中,V是所述目标体积的体积。
12.根据权利要求11所述的非瞬态存储介质,其中,所述可实现性估计包括计算(i)针对所述IMRT几何配置(32)的所述GC度量与(ii)针对参考IMRT几何配置的GC度量。
13.根据权利要求10或11所述的非瞬态存储介质,其中,所述放射治疗规划方法还包括:
通过将针对所述IMRT几何配置(32)的所述可实现性估计与针对存储在参考IMRT计划数据库(52)中的IMRT计划计算的参考可实现性估计进行比较来选择至少一个参考IMRT计划;
其中,所述显示包括显示关于所选择的至少一个参考IMRT计划的信息。
14.根据权利要求10-12中的任一项所述的非瞬态存储介质,其中,所述可实现性估计不是基于任何剂量目标(34)计算的。
15.一种放射治疗规划方法,包括:
使用计算机(20、40),计算针对强度调制放射治疗(IMRT)几何配置(32)的可实现性估计,其中,所述可实现性估计提供针对所述IMRT几何配置能够生成IMRT计划的可能性的估计,其中,所述IMRT几何配置包括要被辐照的目标体积、由于不希望的辐射暴露造成损伤的风险器官(OAR)和至少一个辐射束,所述计算包括:
计算针对所述IMRT几何配置的几何复杂度(GC)度量,所述几何复杂度度量将所述IMRT几何配置中所述至少一个辐射束中能够用于辐照所述目标体积的同所述目标体积相交的子射束的数量NT与NT个子射束中同所述目标体积和所述OAR两者都相交的数量n进行比较,其中,n小于或等于NT,其中,将同所述目标体积相交的子射束的所述数量NT与NT个子射束中同所述目标体积和所述OAR两者都相交的所述数量n进行比较包括n与NT的比率,并且其中,n越接近NT,针对所述IMRT几何配置能够生成所述IMRT计划的所述可能性降低,并且
在计算机显示器(22)上显示所述可实现性估计。
16.根据权利要求15所述的放射治疗规划方法,其中,所述GC度量是将n与N=NT/V进行比较的比率,其中,V是所述目标体积的体积。
17.根据权利要求15或16所述的放射治疗规划方法,其中,所述GC度量不依赖于任何剂量目标(34)。
18.根据权利要求15或16所述的放射治疗规划方法,还包括:
执行针对所述IMRT几何配置(32)的IMRT计划的优化以确定至少一个多叶准直器(MLC)配置,用于调制所述IMRT几何配置中的所述至少一个辐射束的所述子射束以实现针对所述目标体积的剂量目标(34)和针对所述OAR的最大允许剂量目标。
19.根据权利要求18所述的放射治疗规划方法,其中,直到在所述计算机显示器(22)上显示所述可实现性估计之后才开始所述优化。
20.根据权利要求15或16所述的放射治疗规划方法,还包括:
重复计算针对多个IMRT几何配置(32)的可实现性估计,每个IMRT几何配置包括相同的目标体积和相同的至少一个辐射束,并且每个IMRT几何配置包括不同的OAR;并且
调整所述至少一个辐射束的一个或多个几何参数以优化包括所述可实现性估计的加权和的目标函数(F)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662305647P | 2016-03-09 | 2016-03-09 | |
US62/305,647 | 2016-03-09 | ||
PCT/EP2017/054680 WO2017153211A1 (en) | 2016-03-09 | 2017-03-01 | Pre-optimization method for quick prediction of achievability of clinical goals in intensity modulated radiation therapy |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108697905A CN108697905A (zh) | 2018-10-23 |
CN108697905B true CN108697905B (zh) | 2021-04-06 |
Family
ID=58277254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780015913.2A Expired - Fee Related CN108697905B (zh) | 2016-03-09 | 2017-03-01 | 放射治疗规划设备、方法和存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10881875B2 (zh) |
EP (1) | EP3426343B1 (zh) |
JP (1) | JP6865765B2 (zh) |
CN (1) | CN108697905B (zh) |
WO (1) | WO2017153211A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020169787A1 (en) * | 2019-02-21 | 2020-08-27 | Koninklijke Philips N.V. | Method to optimally splitting arcs in modulated arc therapy (mat) plans |
DE112019006950T5 (de) * | 2019-03-01 | 2021-12-23 | Brainlab Ag | Intelligente anpassung von optimierungseinstellungen zur strahlentherapie-behandlungsplanung unter verwendung von patientengeometrieinformationen und künstlicher intelligenz |
KR102275098B1 (ko) * | 2019-04-02 | 2021-07-09 | 재단법인 아산사회복지재단 | 세기변조 방사선 치료계획 예측 시스템 및 방법 |
EP3721940A1 (en) * | 2019-04-12 | 2020-10-14 | RaySearch Laboratories AB | Generating a plurality of treatment plans for radiation therapy |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101663069A (zh) * | 2007-03-30 | 2010-03-03 | 皇家飞利浦电子股份有限公司 | 通过随机分析描绘不确定性在放疗中改进治疗计划评价 |
WO2010142421A1 (en) * | 2009-06-10 | 2010-12-16 | Deutsches Krebsforschungszentrum Stiftung Des Offentlichen Rechts | Radiation treatment planning system and computer program product |
CN103157196A (zh) * | 2011-12-09 | 2013-06-19 | 西门子公司 | 用于粒子治疗的辐照规划方法和辐照规划装置 |
CN104884126A (zh) * | 2012-12-17 | 2015-09-02 | 皇家飞利浦有限公司 | 实时自适应剂量计算辐射治疗 |
Family Cites Families (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2003092789A2 (en) * | 2002-04-29 | 2003-11-13 | University Of Miami | Intensity modulated radiotherapy inverse planning algorithm |
WO2005018742A1 (en) * | 2003-08-11 | 2005-03-03 | Nomos Corporation | Method and aparatus for optimization of collimator angles in intensity modulated radiation therapy treatment |
CN1953782A (zh) * | 2003-10-07 | 2007-04-25 | 诺莫斯公司 | 用于适形放射治疗的计划系统、方法和设备 |
US20150248780A1 (en) * | 2003-10-07 | 2015-09-03 | Carlos Daniel Caridad | Touchscreen Contouring Method for Radiation Oncology Treatment Planning and Treatment Administration |
US7529339B2 (en) * | 2003-12-12 | 2009-05-05 | University Of Western Ontario | Method and system for optimizing dose delivery of radiation |
US8077936B2 (en) * | 2005-06-02 | 2011-12-13 | Accuray Incorporated | Treatment planning software and corresponding user interface |
US20080013687A1 (en) * | 2006-04-07 | 2008-01-17 | Maurer Calvin R Jr | Automatically determining size or shape of a radiation beam |
US8699664B2 (en) * | 2006-07-27 | 2014-04-15 | British Columbia Center Agency Branch | Systems and methods for optimization of on-line adaptive radiation therapy |
US8180020B2 (en) * | 2008-10-23 | 2012-05-15 | Accuray Incorporated | Sequential optimizations for treatment planning |
CN101422640B (zh) * | 2008-11-25 | 2011-10-19 | 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 |
US8315357B2 (en) * | 2009-10-08 | 2012-11-20 | The Board Of Trustees Of The Leland Stanford Junior University | Radiation therapy inverse treatment planning using a regularization of sparse segments |
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 |
US9067064B2 (en) * | 2010-04-28 | 2015-06-30 | The Regents Of The University Of California | Optimization process for volumetric modulated arc therapy |
US9507886B2 (en) * | 2010-06-07 | 2016-11-29 | Jason Fiege | Multi-objective radiation therapy optimization method |
EP2605828B1 (en) * | 2010-08-17 | 2018-04-18 | Board Of Regents, The University Of Texas System | Automated treatment planning for radiation therapy |
CN102184319A (zh) * | 2011-04-18 | 2011-09-14 | 深圳市海博科技有限公司 | 治疗计划逆向规划方法和治疗计划系统 |
US9679110B2 (en) * | 2011-06-03 | 2017-06-13 | Washington University | Developing predictive dose-volume relationships for a radiotherapy treatment |
EP2739355B1 (en) * | 2011-08-02 | 2017-05-10 | Brainlab AG | Dose-optimised patient positioning for radiotherapy |
US8774358B2 (en) | 2011-09-28 | 2014-07-08 | Varian Medical Systems, Inc. | Radiation therapy treatment plan improvement through use of knowledge base |
CN103959294A (zh) * | 2011-11-30 | 2014-07-30 | 皇家飞利浦有限公司 | 用于在辐射治疗中多患者处置计划访问的自动算法与构架 |
IN2014CN03894A (zh) * | 2011-11-30 | 2015-10-16 | Koninkl Philips Nv | |
US8644571B1 (en) * | 2011-12-06 | 2014-02-04 | Loma Linda University Medical Center | Intensity-modulated proton therapy |
US9254396B2 (en) * | 2012-02-16 | 2016-02-09 | Rhode Island Hospital | Advanced radiotherapy treatment planning optimization |
US9468776B2 (en) * | 2012-06-01 | 2016-10-18 | Raysearch Laboratories Ab | Method and a system for optimizing a radiation treatment plan based on a reference dose distribution |
JP2014023741A (ja) * | 2012-07-27 | 2014-02-06 | Univ Of Tokushima | 強度変調放射線治療計画装置、強度変調放射線照射装置の放射線ビーム係数演算方法、強度変調放射線治療計画プログラム及びコンピュータで読み取り可能な記録媒体並びに記録した機器 |
EP2912585B1 (en) * | 2012-10-29 | 2019-06-19 | Koninklijke Philips N.V. | Automatic optimal imrt/vmat treatment plan generation. |
WO2014122567A1 (en) * | 2013-02-05 | 2014-08-14 | Koninklijke Philips N.V. | Apparatus for determining a number of beams in imrt |
US10258811B2 (en) * | 2013-03-19 | 2019-04-16 | Koninklijke Philips N.V. | Audio-visual summarization system for RT plan evaluation |
JP6684205B2 (ja) * | 2013-05-06 | 2020-04-22 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | Imrtデリバリー複雑性を制御するインタラクティブな線量勾配ベース最適化法 |
US20140378736A1 (en) * | 2013-06-21 | 2014-12-25 | Emory University | Methods, systems and computer readable storage media storing instructions for generating a radiation therapy treatment plan |
EP3013419B1 (en) * | 2013-06-27 | 2017-09-20 | Koninklijke Philips N.V. | Real-time quantification of skin burns in external beam radiation therapy |
EP3027279B1 (en) * | 2013-07-31 | 2017-09-06 | Koninklijke Philips N.V. | Automation of therapy planning |
US9463336B2 (en) * | 2013-09-20 | 2016-10-11 | Sun Nuclear Corporation | Benchmark system for radiation therapy planning |
WO2015042727A1 (en) * | 2013-09-30 | 2015-04-02 | Varian Medical Systems International Ag | Predicting achievable dose distribution using 3d information as an input |
US10232192B2 (en) * | 2013-12-04 | 2019-03-19 | Koninklijke Philips N.V. | Efficient treatment plan trade-off analysis |
US10046177B2 (en) | 2014-06-18 | 2018-08-14 | Elekta Ab | System and method for automatic treatment planning |
US9956428B2 (en) * | 2014-07-18 | 2018-05-01 | Generations International Asset Management Company Llc | Radiosurgical planning and treatment |
US9889317B2 (en) * | 2014-08-28 | 2018-02-13 | Wisconsin Alumni Research Foundation | System and method for automated radiation treatment planning using physical objectives |
EP3300769B1 (en) * | 2014-09-22 | 2020-06-17 | Koninklijke Philips N.V. | Radiation therapy planning optimization and visualization |
CN107278303B (zh) * | 2014-12-04 | 2021-06-29 | 皇家飞利浦有限公司 | 一种用于生成最佳处置计划的治疗规划系统和方法 |
WO2016144915A1 (en) * | 2015-03-06 | 2016-09-15 | Duke University | Automatic determination of radiation beam configurations for patient-specific radiation therapy planning |
EP3076317B1 (en) * | 2015-04-02 | 2018-08-15 | RaySearch Laboratories AB | System and method for providing a radiation therapy treatment plan and a radiation therapy machine |
WO2016188754A1 (en) * | 2015-05-28 | 2016-12-01 | Koninklijke Philips N.V. | Method of selecting beam geometries |
US11020614B2 (en) * | 2015-06-08 | 2021-06-01 | Koninklijke Philips N.V. | Radiation therapy optimization unit with global considerations |
WO2017063699A1 (en) * | 2015-10-15 | 2017-04-20 | Brainlab Ag | Target region partitioning in radiation therapy for minimising irradiation of non-target tissue |
US10307615B2 (en) * | 2016-09-19 | 2019-06-04 | Varian Medical Systems International Ag | Optimization of radiation treatment plans for optimal treatment time in external-beam radiation treatments |
US10143859B2 (en) * | 2016-09-22 | 2018-12-04 | Varian Medical Systems International Ag | Controlling and shaping the dose distribution outside treatment targets in external-beam radiation treatments |
US10485988B2 (en) * | 2016-12-30 | 2019-11-26 | Varian Medical Systems International Ag | Interactive dose manipulation using prioritized constraints |
-
2017
- 2017-03-01 CN CN201780015913.2A patent/CN108697905B/zh not_active Expired - Fee Related
- 2017-03-01 JP JP2018546846A patent/JP6865765B2/ja active Active
- 2017-03-01 WO PCT/EP2017/054680 patent/WO2017153211A1/en active Application Filing
- 2017-03-01 US US16/076,721 patent/US10881875B2/en active Active
- 2017-03-01 EP EP17710677.0A patent/EP3426343B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101663069A (zh) * | 2007-03-30 | 2010-03-03 | 皇家飞利浦电子股份有限公司 | 通过随机分析描绘不确定性在放疗中改进治疗计划评价 |
WO2010142421A1 (en) * | 2009-06-10 | 2010-12-16 | Deutsches Krebsforschungszentrum Stiftung Des Offentlichen Rechts | Radiation treatment planning system and computer program product |
CN103157196A (zh) * | 2011-12-09 | 2013-06-19 | 西门子公司 | 用于粒子治疗的辐照规划方法和辐照规划装置 |
CN104884126A (zh) * | 2012-12-17 | 2015-09-02 | 皇家飞利浦有限公司 | 实时自适应剂量计算辐射治疗 |
Also Published As
Publication number | Publication date |
---|---|
EP3426343B1 (en) | 2020-09-16 |
WO2017153211A1 (en) | 2017-09-14 |
JP2019507650A (ja) | 2019-03-22 |
EP3426343A1 (en) | 2019-01-16 |
CN108697905A (zh) | 2018-10-23 |
JP6865765B2 (ja) | 2021-04-28 |
US10881875B2 (en) | 2021-01-05 |
US20190038916A1 (en) | 2019-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9827445B2 (en) | Automatic creation and selection of dose prediction models for treatment plans | |
US10762167B2 (en) | Decision support tool for choosing treatment plans | |
US8483357B2 (en) | Dose calculation method for multiple fields | |
CN110960805B (zh) | 对强度调制质子疗法执行照射时间优化的方法和装置 | |
CN111971749A (zh) | Ct/直线加速器控制台中的用于自适应放射治疗的决策支持工具 | |
CN108771794B (zh) | 用于生成辐射处理计划中的剂量计算的系统和方法 | |
CN108697905B (zh) | 放射治疗规划设备、方法和存储介质 | |
US11331515B2 (en) | Method of optimizing collimator trajectory in volumetric modulated Arc therapy | |
EP3347093A1 (en) | Knowledge-based spatial dose metrics and methods to generate beam orientations in radiotherapy | |
US20180111005A1 (en) | Method of selecting beam geometries | |
EP4037763A1 (en) | Radiation treatment planning for delivering high dose rates to spots in a target | |
JP6692923B2 (ja) | 放射線治療計画における分画選択ツール | |
CN110709136A (zh) | 用于放射治疗处置的处置计划生成 | |
EP4078608A1 (en) | Radiotherapy treatment decision method and systems for palliative care |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210406 |
|
CF01 | Termination of patent right due to non-payment of annual fee |