CN109407134B - 剂量分布计算方法及系统 - Google Patents
剂量分布计算方法及系统 Download PDFInfo
- Publication number
- CN109407134B CN109407134B CN201811224585.XA CN201811224585A CN109407134B CN 109407134 B CN109407134 B CN 109407134B CN 201811224585 A CN201811224585 A CN 201811224585A CN 109407134 B CN109407134 B CN 109407134B
- Authority
- CN
- China
- Prior art keywords
- distribution
- dose
- dose distribution
- radiation field
- energy
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/02—Dosimeters
- G01T1/10—Luminescent dosimeters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/36—Measuring spectral distribution of X-rays or of nuclear radiation spectrometry
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本申请提供了一种剂量分布计算方法及系统,首先,根据加速器能量模拟得到单能光子点入射的剂量分布,之后,利用单能光子点入射的剂量分布及水箱测量的剂量数据,确定光子的能谱分布和通量分布,最后基于云计算技术,利用蒙特卡洛算法,根据能谱分布、通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定人体中剂量分布。上述技术方案能够准确的模拟光子在人体内的剂量分布,精确度高。进一步地,本申请实施例提供了利用云计算,启动多台计算服务器同时进行剂量计算的技术方案,能够有效缩短计算时间,提高剂量计算效率。
Description
技术领域
本申请涉及医疗和算法技术领域,尤其是涉及一种剂量分布计算方法及系统。
背景技术
恶性肿瘤,即癌症作为一种非常严重的恶性疾病,直接危及人们的生命。当前,对抗癌症有效的手段之一是放疗。放疗是利用微观粒子如光子,杀死肿瘤细胞的一种治疗手段,放疗中微观粒子的剂量是指单位面积、单位时间内,微观粒子在人体中输运时沉积的能量叠加值。微观粒子的剂量的多少直接影响杀死肿瘤细胞的效果,即微观粒子的剂量对治疗肿瘤的效果至关重要,因此需要精确地控制治疗过程中微观粒子的剂量。对治疗过程中微观粒子剂量的控制的前提是需要精确的了解微观粒子在人体内的剂量分布。
当前,比较准确的剂量分布确定方法是:基于次级电子有一定能量,具有一定的射程,可将能量传递给作用点以外的组织的思想,利用基于核的卷积或叠加(Convolution/superposition,c/s)模型确定剂量分布。在此模型中剂量分布的计算是通过将输入的微观粒子的能量注量分布与能量沉积核相卷积或叠加实现的。其中,能量沉积核包括笔形束核,基于笔形束核的模型可以很好地进行非规则组织的剂量计算,但是对于人体组织的不均匀性和体表不规则轮廓的处理需要进行进一步地校正,精度低。另外,由于计算计量分布需要很大的计算量,因此现有技术中计算计量分布的需要很长的时间,速度慢,效率低。
发明内容
有鉴于此,本申请的目的在于提供剂量分布计算方法及系统,以提高剂量分布计算的精度和速度。
第一方面,本申请实施例提供了一种剂量分布计算方法,包括:
利用蒙特卡洛算法,分别模拟具有不同预定能量的加速器出射的单能光子点入射到水膜所产生的剂量分布,得到N个单能剂量分布;其中,N为自然数;
获取加速器出射的光子照射水箱所产生的剂量分布,得到测量剂量分布;
基于所述N个单能剂量分布和所述测量剂量分布,确定加速器出射的光子在射野范围内的能谱分布和通量分布;
基于云计算技术,利用蒙特卡洛算法,根据所述能谱分布、所述通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定人体中剂量分布。
在一种可能的实施方式中,确定所述能谱分布包括:
基于所述测量剂量分布以及所述射野数据,确定光子在射野中心轴上随深度变化的剂量分布,得到中心轴剂量分布;
基于所述中心轴剂量分布和所述N个单能剂量分布,确定在射野中心轴处各种能量的光子的比例,得到射野中心轴处的能谱分布;
基于所述测量剂量分布以及所述射野数据,确定光子在每个射野离轴上随深度变化的剂量分布,得到至少一个离轴剂量分布;
基于射野中心轴处的能谱分布、所述N个单能剂量分布和每个离轴剂量分布,确定在每个离轴各种能量的光子的比例,得到每个离轴的能谱分布;
基于射野中心轴处的能谱分布以及每个离轴的能谱分布,确定射野范围内的能谱分布。
在一种可能的实施方式中,确定所述通量分布包括:
基于所述测量剂量分布以及所述射野数据,确定光子在射野范围内的水平方向上的剂量分布;
基于射野中心轴处的能谱分布、每个离轴的能谱分布和射野范围内的水平方向上的剂量分布,确定在射野范围内各个点上光子的通量分布。
在一种可能的实施方式中,所述蒙特卡洛算法利用MPI并行计算框架,基于光子的光电效应、康普顿散射和对效应、电子的多重散射、电子的韧致辐射,确定人体中的剂量分布。
在一种可能的实施方式中,还包括:
基于所述能谱分布、所述通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定计算人体中光子的剂量分布的计算量;
利用云计算技术,根据所述计算量确定需要启动的计算服务器的数量;
启动所需数量的计算服务器;
将所有计算服务器组成一个MPI集群;
利用所述MPI集群中的计算服务器,并行计算人体中光子的剂量分布,并在计算结束后,释放所述MPI集群中的计算服务器。
在一种可能的实施方式中,所述计算服务器为用于进行云计算的虚拟服务器。
第二方面,本申请实施例还提供一种剂量分布计算系统,包括:
模拟模块,用于利用蒙特卡洛算法,分别模拟具有不同预定能量的加速器出射的单能光子点入射到水膜所产生的剂量分布,得到N个单能剂量分布;其中,N为自然数;
获取测量数据模块,用于获取加速器出射的光子照射水箱所产生的剂量分布,得到测量剂量分布;
计算模块,用于基于所述N个单能剂量分布和所述测量剂量分布,确定加速器出射的光子在射野范围内的能谱分布和通量分布;
计量分布确定模块,用于基于云计算技术,利用蒙特卡洛算法,根据所述能谱分布、所述通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定人体中剂量分布。
在一种可能的实施方式中,所述计算模块具体用于:
基于所述测量剂量分布以及所述射野数据,确定光子在射野中心轴上随深度变化的剂量分布,得到中心轴剂量分布;
基于所述中心轴计量分布和所述N个单能剂量分布,确定在射野中心轴处各种能量的光子的比例,得到射野中心轴处的能谱分布;
基于所述测量剂量分布以及所述射野数据,确定光子在每个射野离轴上随深度变化的剂量分布,得到至少一个离轴剂量分布;
基于射野中心轴处的能谱分布、所述N个单能剂量分布和每个离轴剂量分布,确定在每个离轴各种能量的光子的比例,得到每个离轴的能谱分布;
基于射野中心轴处的能谱分布以及每个离轴的能谱分布,确定射野范围内的能谱分布。
在一种可能的实施方式中,所述计算模块具体还用于:
基于所述测量剂量分布以及所述射野数据,确定光子在射野范围内的水平方向上的剂量分布;
基于射野中心轴处的能谱分布、每个离轴的能谱分布和射野范围内的水平方向上的剂量分布,确定在射野范围内各个点上光子的通量分布。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面的任一种可能的实施方式中的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面,或第一方面的任一种可能的实施方式中的步骤。
本申请实施例提供的剂量分布计算方法及系统,首先,根据加速器能量模拟得到单能光子点入射的剂量分布,之后,利用单能光子点入射的计量分布及水箱测量的测量剂量分布,确定光子的能谱分布和通量分布,最后基于云计算技术,利用蒙特卡洛算法,根据能谱分布、通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定人体中剂量分布。上述技术方案能够准确的模拟光子在人体内的剂量分布,精确度高。进一步地,本申请实施例提供了利用云计算,启动多台计算服务器同时进行剂量计算的技术方案,能够有效缩短计算时间,提高剂量计算效率。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例一所提供的剂量分布计算方法的流程图;
图2示出了本申请实施例二所提供的剂量分布计算方法的流程图;
图3示出了本申请实施例三所提供的剂量分布计算方法的流程图;
图4示出了本申请实施例四所提供的剂量分布计算方法的流程图;
图5A示出了本申请实施例四中能谱分布示意图;
图5B示出了本申请实施例四中通量分布示意图;
图6A示出了本申请实施例四中水膜剂量分布示意图;
图6B示出了本申请实施例四中肺组织剂量分布示意图;
图6C示出了本申请实施例四中骨头的剂量分布示意图;
图7示出了本申请实施五例所提供的剂量分布计算系统的结构示意图;
图8示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
考虑到现有技术中计算粒子剂量分布精确度不高的缺陷,本申请实施例提供了一种剂量分布计算方法和系统,下面通过实施例进行描述。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种剂量分布计算方法进行详细介绍。
实施例一
本实施公开了一种剂量分布计算方法,该方法结合水箱机头建模和蒙特卡洛算法能够得到精确的剂量分布,并且由于利用云计算技术,同时启动多台计算服务器计算计量分布,能够有效缩短计算时间,提高计算效率。具体地,如图1所示,本实施例的剂量分布计算方法包括如下步骤:
S110、利用蒙特卡洛算法,分别模拟具有不同预定能量的加速器出射的单能光子点入射到水膜所产生的剂量分布,得到N个单能剂量分布;其中,N为自然数。
这里,不同的预定能量是根据加速器能量上限,离散化得到的至少一个预定能量值。
本步骤得到了单能光子点入射后剂量分布的数据,即得到了单能剂量分布。根据该分布数据即可确定在实际治疗过程中加速器机头射出的光子参数,即照射粒子的能谱分布和通量分布。
S120、获取加速器出射的光子照射水箱所产生的剂量分布,得到测量剂量分布。
这里,由于水与人体的密度最接近,因此可以利用水箱进行建模,获取建模需要的测量数据,即下述能谱分布和通量分布。
S130、基于所述N个单能剂量分布和所述测量剂量分布,确定加速器出射的光子在射野范围内的能谱分布和通量分布。
这里,能谱分布和通量分布是预定的射野范围内的能谱分布和通量分布。
S140、基于云计算技术,启动至少一台计算服务器,利用蒙特卡洛算法,根据所述能谱分布、所述通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定人体中剂量分布。
这里,在具体实施时,可以利用如下步骤确定剂量分布:基于Geant4编写蒙特卡洛剂量算法,并利用MPI并行框架进行并行计算。蒙特卡洛剂量算法中内置了照射粒子与物质相互作用的几个物理过程,例如光子的光电效应、康普顿散射和对效应、电子的多重散射、电子的韧致辐射等。上述计算过程可以运行在数千个CPU核上,这些CPU核可以位于不同的计算服务器上。
应当说明的是,预定的射野范围可以是多个,本实施例公开的针对一个预定射野范围的剂量分布计算,多个预定射野范围时,针对每个预定射野范围执行本实施例的方法即可。
本实施例能够将利用水箱机头建模得到的能谱分布以及通量分布作为输入,利用蒙特卡洛剂量算法根据患者实际的CT数据和设置的射野范围,模拟上亿个照射粒子的输运,最终给出人体内的剂量分布。本实施例结合机头建模和用蒙特卡洛剂量算法能够有效提高计算得到的剂量分布的准确度。同时,本实施例提供了利用云计算,启动多台计算服务器同时进行剂量计算的技术方案,能够有效缩短计算时间,提高剂量计算效率。
实施例二
本实施例公开了一种剂量分布计算方法,该方法公开了确定能谱分布和通量分布的具体实施方法,如图2所示,包括如下步骤:
S210、基于所述测量剂量分布以及所述射野数据,确定光子在射野中心轴上随深度变化的剂量分布,得到中心轴剂量分布。
这里,中心轴剂量分布通过实际测量水箱中的剂量分布得到,利用实际测量的数据和模拟机头建模得到的单能剂量分布既可确定射野中心轴随随深度变化的能谱分布。
S220、基于所述中心轴剂量分布和所述N个单能剂量分布,确定在射野中心轴处各种能量的光子的比例,得到射野中心轴处的能谱分布。
S230、基于所述测量剂量分布以及所述射野数据,确定光子在每个射野离轴上随深度变化的剂量分布,得到至少一个离轴剂量分布。
这里的离轴是指射野范围内非中心轴的其他轴线。
由于能谱分布还与离射野中心轴的距离有关,因此离轴各点的能谱分布也需要采样并拟合出来,即也需要确定与射野范围的中心轴平行的各个轴线上,建模粒子的的能谱分布。
S240、基于射野中心轴处的能谱分布、所述N个单能剂量分布和每个离轴剂量分布,确定在每个离轴具各种能量的光子的比例,得到每个离轴的能谱分布。
这里,离轴的能谱分布是指非中心轴方向上光子的能谱分布。
这里,根据单能剂量分布和每个离轴剂量分布,通过调整射野非中心轴处的能谱分布,即调整射野非中心轴处不同能量的光子的比例,可以得到每个离轴不同能量的光子的比例。
S250、基于射野中心轴处的能谱分布以及每个离轴的能谱分布,确定射野范围内的能谱分布。
S260、基于所述测量剂量分布以及所述射野数据,确定光子在射野范围内的水平方向上的剂量分布。
S270、基于射野中心轴处的能谱分布、每个离轴的能谱分布和射野范围内的水平方向上的剂量分布,确定在射野范围内各个点上光子的通量分布。
这里,光子束按通量分布照射到射野范围内水膜上,得到的剂量分布与步骤S210和S230测量得到的OAR相同。因此,可以利用得到的通量分布模拟在实际应用中机头射出粒子的角分步,此时,能够准确的模拟照射粒子在人体内的输运,最终得到人体内准确的剂量分布。
这里,通量分布可以是射野范围的每个点处的通量分布,也可以是指射野范围中心轴的各个半径上的通量分布。
本实施例公开了利用水箱进行机头建模的具体实施方法,在具体实施实施时,还可以不利用水箱,在获得加速器的机头参数之后,根据机头参数以及照射粒子在各个能量段的能谱,利用蒙特卡洛剂量算法,确定照射粒子在射野范围内的能谱分布和通量分布,即直接通过蒙特卡洛算法就能得到机头出射的粒子源。
实施例三
本实施例公开了一种剂量分布计算方法,该实施例的方法与上述任一种实施的方法相同,不同的是本实施例利用集群进行剂量计算,如图3所示,利用集群进行剂量计算具体包括如下步骤:
S310、用户服务器确定CT及射野数据。
S320、用户服务器,基于所述能谱分布、所述通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定计算人体中光子的剂量分布的计算量。
S330、用户服务器利用云计算技术,根据所述计算量确定需要启动的计算服务器的数量,并启动所需数量的计算服务器。
这里,计算服务器是用于进行云计算的虚拟服务器。另外,这里的计算服务器可以是多核的服务器,例如是36核的高性能服务器。一般在进行剂量计算的时候需要启动10至100台36核的高性能服务器。在具体实施时,可以利用一个管理模块,即用户服务器控制这些服务器的工作状态。
S340、用户服务器将启动的所有计算服务器组成一个MPI集群。
这里,MPI集群可以是云计算集群。这里的集群是进行蒙特卡洛剂量计算的环境。配置完集群后,管理模块根据CT数据和射野分布,启动剂量计算就能够得到人体内的剂量分布。
S350、利用所述MPI集群中的计算服务器,并行计算人体中光子的剂量分布,并在计算结束后,释放所述MPI集群中的计算服务器。
这里,计算完成后,管理模块会立即释放集群中的服务器,极大降低计算的成本。
由于进行剂量分布计算需要的计算量非常大,为了减少计算时间,本实施例公开了采用多核CPU并组织多台服务器组成集群进行并行计算的技术方案,同时为优化资源利用,本实施例采用云计算来管理这些服务器。基于以上,本实施例的技术方案有效提高了计算效率,缩短了计算时间并且降低了计算成本。
实施例四
本实施例公开了一种剂量分布计算方法,如图4所示,本实施例的方法包括如下步骤:
步骤一、机头建模,根据加速器能量模拟得到单能光子点入射剂量数据,即得到N个单能剂量分布;获取水箱剂量数据,即测量剂量分布,根据水箱剂量数据中随深度变化的剂量数据及单能剂量分布拟合得到射野中心轴上的能谱分布;根据水箱剂量数据及中心轴上的粒子能谱分布拟合得到非中心轴上各处的能谱分布;根据水箱水平方向上剂量数据、中心轴上的能谱分布、非中心轴上的能谱分布拟合得到射野范围内各点的通量分布。
步骤二、剂量计算,根据上一步骤能谱分布和通量分布,利用蒙特卡洛剂量算法,根据CT数据、射野分布数据,进行人体内剂量分布的计算。
这里,图5A为能谱分布示意图,图5B为通量分布示意图。如图5A可知,射野范围内,中心轴处能谱的能量最硬,离轴越远,能量越软。如图5B可知,源皮距为100cm情况下,宽和长均为40cmde水膜表面,中心轴处的光子通量最小,随着离中心轴半径增加,光子通量增加。
本实施例中,具体利用云计算管理进行剂量计算,包括:确定并启动需要的虚拟服务器,利用启动的虚拟服务器配置集群环境,并利用配置的集群环境启动剂量计算的程序,在剂量计算完成后,关闭并释放虚拟服务器。
本实施例的方法能够准确计算得到人体内的剂量分布,图6A为有挡块情况下,对水膜进行照射,得到的剂量分布示意图,图6B为模拟非均匀组织肺组织得到的剂量分布示意图,图6C为模拟非均匀组织骨头的剂量分布示意图。结合图6A-图6C,可见,利用水箱进行机头建模能够得到精确能谱分布和通量分布,继而利用精确能谱分布和通量分布进行计算,能够得到准确的剂量分布计算方法。
本实施例将蒙特卡洛剂量算法和云计算的结合,一方面蒙特卡洛剂量算法提供高精度的剂量计算,另一方面通过云计算,可以提供强大的计算资源,在一分钟内启动数十至数百台计算服务器进行计算,继而可以根据需要组建多个集群并行计算,缩短计算时间。同时,本实施例在计算结束之后,可以立即释放资源,节约成本。
本实施例的剂量分布计算方法,建模生成的通量分布和能谱分布,不采用解析式表示,而是采用数值表述,能够生成一些解析公式难以描述的通量分布。
另外,本实施例通过对水箱数据进行拟合得到虚拟光子源,与直接模拟机头生成相空间文件相比,节省存储空间。且在没有机头的情况下也可以拟合生成虚拟光子源,适应性强。
基于相同的技术构思,本申请实施例还提供一种剂量分布计算系统、电子设备、以及计算机存储介质等,具体可参见以下实施例。
实施例五
本实施例公开了一种剂量分布计算系统,如图7所示,包括:
模拟模块701,用于利用蒙特卡洛算法,分别模拟具有不同预定能量的加速器出射的单能光子点入射到水膜所产生的剂量分布,得到N个单能剂量分布;其中,N为自然数;
获取测试数据模块702,用于获取加速器出射的光子照射水箱所产生的剂量分布,得到测量剂量分布;
计算模块703,用于基于所述N个单能剂量分布和所述测量剂量分布,确定加速器出射的光子在射野范围内的能谱分布和通量分布;
计量分布确定模块704,用于基于云计算技术,利用蒙特卡洛算法,根据所述能谱分布、所述通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定人体中剂量分布。
本实施例中,计算模块具体用于:
基于所述测量剂量分布以及所述射野数据,确定光子在射野中心轴上随深度变化的剂量分布,得到中心轴剂量分布;
基于所述中心轴计量分布和所述N个单能剂量分布,确定在射野中心轴处各种能量的光子的比例,得到射野中心轴处的能谱分布;
基于所述测量剂量分布以及所述射野数据,确定光子在每个射野离轴上随深度变化的剂量分布,得到至少一个离轴剂量分布;
基于射野中心轴处的能谱分布、所述N个单能剂量分布和每个离轴剂量分布,确定在每个离轴各种能量的光子的比例,得到每个离轴的能谱分布;
基于射野中心轴处的能谱分布以及每个离轴的能谱分布,确定射野范围内的能谱分布;
基于所述测量剂量分布以及所述射野数据,确定光子在射野范围内的水平方向上的剂量分布;
基于射野中心轴处的能谱分布、每个离轴的能谱分布和射野范围内的水平方向上的剂量分布,确定在射野范围内各个点上光子的通量分布。
实施例六
本实施例公开了一种电子设备,如图8所示,包括:处理器801、存储器802和总线803,所述存储器802存储有所述处理器801可执行的机器可读指令,当电子设备运行时,所述处理器801与所述存储器802之间通过总线803通信。
所述机器可读指令被所述处理器801执行时执行以下剂量分布计算方法的步骤:
利用蒙特卡洛算法,分别模拟具有不同预定能量的加速器出射的单能光子点入射到水膜所产生的剂量分布,得到N个单能剂量分布;其中,N为自然数;
获取加速器出射的光子照射水箱所产生的剂量分布,得到测量剂量分布;
基于所述N个单能剂量分布和所述测量剂量分布,确定加速器出射的光子在射野范围内的能谱分布和通量分布;
基于云计算技术,启动至少一台计算服务器,利用蒙特卡洛算法,根据所述能谱分布、所述通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定人体中剂量分布。
实施例七
本实施例公开了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述实施例剂量分布计算方法中的步骤。
本申请实施例还提供了一种进行文本检错计算机程序产品,其包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种剂量分布计算方法,其特征在于,包括:
利用蒙特卡洛算法,分别模拟具有不同预定能量的加速器出射的单能光子点入射到水膜所产生的剂量分布,得到N个单能剂量分布;其中,N为自然数;
获取加速器出射的光子照射水箱所产生的剂量分布,得到测量剂量分布;
基于所述N个单能剂量分布和所述测量剂量分布,确定加速器出射的光子在射野范围内的能谱分布和通量分布;
基于云计算技术,启动至少一台计算服务器以及使用MPI并行框架进行并行计算,利用蒙特卡洛算法,根据所述能谱分布、所述通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定人体中剂量分布;
确定所述能谱分布包括:
基于所述测量剂量分布以及所述射野数据,确定光子在射野中心轴上随深度变化的剂量分布,得到中心轴剂量分布;
基于所述中心轴剂量分布和所述N个单能剂量分布,确定在射野中心轴处各种能量的光子的比例,得到射野中心轴处的能谱分布;
基于所述测量剂量分布以及所述射野数据,确定光子在每个射野离轴上随深度变化的剂量分布,得到至少一个离轴剂量分布;
基于射野中心轴处的能谱分布、所述N个单能剂量分布和每个离轴剂量分布,确定在每个离轴各种能量的光子的比例,得到每个离轴的能谱分布;
基于射野中心轴处的能谱分布以及每个离轴的能谱分布,确定射野范围内的能谱分布。
2.根据权利要求1所述的方法,其特征在于,确定所述通量分布包括:
基于所述测量剂量分布以及所述射野数据,确定光子在射野范围内的水平方向上的剂量分布;
基于射野中心轴处的能谱分布、每个离轴的能谱分布和射野范围内的水平方向上的剂量分布,确定在射野范围内各个点上光子的通量分布。
3.根据权利要求1或2所述的方法,其特征在于,所述蒙特卡洛算法利用MPI并行计算框架,基于光子的光电效应、康普顿散射和对效应、电子的多重散射、电子的韧致辐射,确定人体中的剂量分布。
4.根据权利要求1所述的方法,其特征在于,还包括:
基于所述能谱分布、所述通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定计算人体中光子的剂量分布的计算量;
利用云计算技术,根据所述计算量确定需要启动的计算服务器的数量;
启动所需数量的计算服务器;
将所有计算服务器组成一个MPI集群;
利用所述MPI集群中的计算服务器,并行计算人体中光子的剂量分布,并在计算结束后,释放所述MPI集群中的计算服务器。
5.根据权利要求4所述的方法,其特征在于,所述计算服务器为用于进行云计算的虚拟服务器。
6.一种剂量分布计算系统,其特征在于,包括:
模拟模块,用于利用蒙特卡洛算法,分别模拟具有不同预定能量的加速器出射的单能光子点入射到水膜所产生的剂量分布,得到N个单能剂量分布;其中,N为自然数;
获取测量数据模块,用于获取加速器出射的光子照射水箱所产生的剂量分布,得到测量剂量分布;
计算模块,用于基于所述N个单能剂量分布和所述测量剂量分布,确定加速器出射的光子在射野范围内的能谱分布和通量分布;
计量分布确定模块,用于基于云计算技术以及使用MPI并行框架进行并行计算,利用蒙特卡洛算法,根据所述能谱分布、所述通量分布、获取的电子计算机断层扫描CT数据和射野数据,确定人体中剂量分布;
所述计算模块具体用于:
基于所述测量剂量分布以及所述射野数据,确定光子在射野中心轴上随深度变化的剂量分布,得到中心轴剂量分布;
基于所述中心轴计量分布和所述N个单能剂量分布,确定在射野中心轴处各种能量的光子的比例,得到射野中心轴处的能谱分布;
基于所述测量剂量分布以及所述射野数据,确定光子在每个射野离轴上随深度变化的剂量分布,得到至少一个离轴剂量分布;
基于射野中心轴处的能谱分布、所述N个单能剂量分布和每个离轴剂量分布,确定在每个离轴各种能量的光子的比例,得到每个离轴的能谱分布;
基于射野中心轴处的能谱分布以及每个离轴的能谱分布,确定射野范围内的能谱分布。
7.根据权利要求6所述的系统,其特征在于,所述计算模块具体还用于:
基于所述测量剂量分布以及所述射野数据,确定光子在射野范围内的水平方向上的剂量分布;
基于射野中心轴处的能谱分布、每个离轴的能谱分布和射野范围内的水平方向上的剂量分布,确定在射野范围内各个点上光子的通量分布。
8.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至5任一所述的剂量分布计算方法的步骤。
9.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至5任一所述的剂量分布计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811224585.XA CN109407134B (zh) | 2018-10-19 | 2018-10-19 | 剂量分布计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811224585.XA CN109407134B (zh) | 2018-10-19 | 2018-10-19 | 剂量分布计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109407134A CN109407134A (zh) | 2019-03-01 |
CN109407134B true CN109407134B (zh) | 2020-06-12 |
Family
ID=65468023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811224585.XA Active CN109407134B (zh) | 2018-10-19 | 2018-10-19 | 剂量分布计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109407134B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3824953B1 (en) * | 2019-11-21 | 2022-01-05 | RaySearch Laboratories AB | Obtaining an energy spectrum of a focused ion beam technical field |
CN113658149B (zh) * | 2021-08-23 | 2024-05-17 | 上海联影医疗科技股份有限公司 | 计算机可读存储介质以及计算设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071172A (zh) * | 2006-12-29 | 2007-11-14 | 成都川大奇林科技有限责任公司 | 一种测量医用加速器光子束能谱的方法 |
CN101120871A (zh) * | 2006-12-29 | 2008-02-13 | 成都川大奇林科技有限责任公司 | 精确放射治疗计划系统 |
CN102921115A (zh) * | 2012-10-25 | 2013-02-13 | 合肥工业大学 | 一种建立基于测量数据的医用直线加速器简便照射源模型的方法 |
CN104117151A (zh) * | 2014-08-12 | 2014-10-29 | 章桦 | 一种在线自适应放疗计划优化方法 |
CN104933652A (zh) * | 2015-04-27 | 2015-09-23 | 苏州敏宇医疗科技有限公司 | 一种基于云计算的肿瘤放射治疗的剂量验证系统和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7450687B2 (en) * | 2005-09-29 | 2008-11-11 | University Of Medicine And Dentistry Of New Jersey | Method for verification of intensity modulated radiation therapy |
WO2016047194A1 (ja) * | 2014-09-24 | 2016-03-31 | 株式会社日立製作所 | 放射線治療計画装置、放射線治療計画方法および放射線治療システム |
-
2018
- 2018-10-19 CN CN201811224585.XA patent/CN109407134B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071172A (zh) * | 2006-12-29 | 2007-11-14 | 成都川大奇林科技有限责任公司 | 一种测量医用加速器光子束能谱的方法 |
CN101120871A (zh) * | 2006-12-29 | 2008-02-13 | 成都川大奇林科技有限责任公司 | 精确放射治疗计划系统 |
CN102921115A (zh) * | 2012-10-25 | 2013-02-13 | 合肥工业大学 | 一种建立基于测量数据的医用直线加速器简便照射源模型的方法 |
CN104117151A (zh) * | 2014-08-12 | 2014-10-29 | 章桦 | 一种在线自适应放疗计划优化方法 |
CN104933652A (zh) * | 2015-04-27 | 2015-09-23 | 苏州敏宇医疗科技有限公司 | 一种基于云计算的肿瘤放射治疗的剂量验证系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109407134A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jia et al. | GPU-based fast Monte Carlo simulation for radiotherapy dose calculation | |
US11020615B2 (en) | Computing radiotherapy dose distribution | |
CN104066479B (zh) | 使用异质性补偿迭加进行用于放射疗法的剂量计算 | |
Jia et al. | GPU-based fast Monte Carlo dose calculation for proton therapy | |
Chetty et al. | Report of the AAPM Task Group No. 105: Issues associated with clinical implementation of Monte Carlo‐based photon and electron external beam treatment planning | |
WO2017054316A1 (zh) | 放射治疗中在线剂量监测和验证的方法 | |
Yepes et al. | A GPU implementation of a track-repeating algorithm for proton radiotherapy dose calculations | |
US8515011B2 (en) | System and method for dose verification radiotherapy | |
CN104548372A (zh) | 放射治疗计划、剂量确定、质量保证的方法及装置 | |
CN104407374B (zh) | 剂量分布的确定方法及装置 | |
CN110302475B (zh) | 一种云蒙特卡罗剂量验证分析方法、设备和存储介质 | |
CN109407134B (zh) | 剂量分布计算方法及系统 | |
US9251302B2 (en) | System and method for planning a radiation therapy treatment | |
CN111001097B (zh) | 一种放疗剂量评估系统、装置及存储介质 | |
Shine et al. | Out-of-field dose calculation by a commercial treatment planning system and comparison by monte carlo simulation for varian TrueBeam® | |
Pastor-Serrano et al. | Learning the physics of particle transport via transformers | |
Kim et al. | History of the photon beam dose calculation algorithm in radiation treatment planning system | |
DeMarco et al. | A Monte Carlo tutorial and the application for radiotherapy treatment planning | |
Herranz et al. | Phase space determination from measured dose data for intraoperative electron radiation therapy | |
Ojala et al. | Full Monte Carlo and measurement-based overall performance assessment of improved clinical implementation of eMC algorithm with emphasis on lower energy range | |
Fippel | Monte Carlo dose calculation for treatment planning | |
Giordanengo et al. | RIDOS: A new system for online computation of the delivered dose distributions in scanning ion beam therapy | |
Guo et al. | A tri-hybrid method to estimate the patient-generated scattered photon fluence components to the EPID image plane | |
US20230154586A1 (en) | System and method for fast monte carlo dose calculation using a virtual source model | |
Tjelta | Nano-scale Monte Carlo simulations of proton transport |
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 |