CN109464756B - 验证放射治疗剂量的方法、装置和放射治疗设备 - Google Patents
验证放射治疗剂量的方法、装置和放射治疗设备 Download PDFInfo
- Publication number
- CN109464756B CN109464756B CN201811634279.3A CN201811634279A CN109464756B CN 109464756 B CN109464756 B CN 109464756B CN 201811634279 A CN201811634279 A CN 201811634279A CN 109464756 B CN109464756 B CN 109464756B
- Authority
- CN
- China
- Prior art keywords
- image
- dose
- source
- imaging device
- measurement image
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1075—Monitoring, verifying, controlling systems and methods for testing, calibrating, or quality assurance of the radiation treatment apparatus
-
- 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
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1071—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan
-
- 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
- A61N5/1077—Beam delivery systems
- A61N5/1081—Rotating beam systems with a specific mechanical construction, e.g. gantries
-
- 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
- A61N2005/1034—Monte Carlo type methods; particle tracking
-
- 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
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1054—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using a portal imaging system
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
本发明提供了一种验证放射治疗剂量的装置,包括:存储器,用于存储可由处理器执行的指令;处理器,用于执行该指令以实现如下方法:获取电子射野影像装置所检测的测量图像,该测量图像表征放射治疗射束在该电子射野影像装置上的剂量分布;使用剂量算法计算射束在该电子射野影像装置的能注量分布图;根据该能注量分布图和该电子射野影像装置的能量响应曲线计算预测图像,该预测图像表征虚拟射束在该电子射野影像装置上的剂量分布;以及比较该预测图像和所述测量图像。本发明可以快速准确的对放疗计划所产生的剂量分布进行预测,从而高效的验证放疗计划的合理性。
Description
技术领域
本发明主要涉及放射治疗设备,尤其涉及一种放射治疗设备中验证放射治疗剂量的方法和装置。
背景技术
为了实现精准放射治疗,提高肿瘤治疗效率,基于图像引导的放射治疗技术(Image-guided radiation therapy,IGRT)被广泛应用于临床,其中电子射野影像装置(Electronic Portal Imaging Device,EPID)是IGRT最常用的图像引导设备,其可以在治疗前或治疗过程中精确定位肿瘤的位置,帮助医生判断患者摆位是否准确、判断肿瘤位置或形状是否发生变化等,以减少正常组织接受照射的可能,降低副作用,提高治疗效率。
在放射治疗(后文简称放疗)中,为了确保一个放疗计划准确地照射到病人身上,使用治疗计划系统(Treatment Plan System,TPS)计算出来的剂量分布必须得到实验数据的确认。传统上,使用胶片、剂量分布图检测仪等工具在治疗前进行剂量验证(QA)工作,但是这一种非常消耗医院物理师、技师时间和精力的工作。相比之下,由于EPID图像具有快速获得、高分辨率、电子模式存储等优点,使用EPID进行剂量验证可以大大提高工作效率。因此许多机构开始使用EPID用于剂量验证的研究。
发明内容
本发明提供一种验证放射治疗剂量的方法、装置和放射治疗设备,可以使用EPID进行剂量验证。
为解决上述技术问题,本发明提供了一种验证放射治疗剂量的装置,包括:存储器,用于存储可由处理器执行的指令;处理器,用于执行所述指令以实现如下方法:获取电子射野影像装置所检测的测量图像,所述测量图像表征放射治疗射束在所述电子射野影像装置上的剂量分布;使用剂量算法计算射束在所述电子射野影像装置的能注量分布图;根据所述能注量分布图和所述电子射野影像装置的能量响应曲线计算预测图像,所述预测图像表征虚拟射束在所述电子射野影像装置上的剂量分布;以及比较所述预测图像和所述测量图像。
在本发明的一实施例中,获取电子射野影像装置所检测的测量图像之后还包括,根据预先获得的偏移量将所述测量图像的中心移动到所述电子射野影像装置的中心。
在本发明的一实施例中,获取电子射野影像装置所检测的测量图像之后还包括,将所述测量图像除以探测器增益矩阵,所述探测器增益矩阵是泛源测量图像与射束轮廓值的比值,所述泛源测量图像是所述电子射野影像装置所检测的泛源射野的测量图像,所述射束轮廓值是以所述泛源测量图像的中心为圆心的各圆环内的像素值的平均值。
在本发明的一实施例中,获取电子射野影像装置所检测的测量图像之后还包括使用曲线校正矩阵来校正所述测量图像,所述曲线校正矩阵是泛源计算图像与泛源测量图像的比值,所述泛源测量图像是所述电子射野影像装置所检测的泛源射野的测量图像,所述泛源计算图像是虚拟泛源射野的计算图像。
在本发明的一实施例中,使用剂量算法计算射束在所述电子射野影像装置的能注量分布图的步骤包括,使用输出因子校正因子对计算的输出因子进行校正,所述输出因子校正因子包括不同方形射野下测量的输出因子与计算的输出因子的比值。
在本发明的一实施例中,计算所述预测图像后,还包括使用绝对剂量校正因子校正所述预测图像。
在本发明的一实施例中,所述剂量算法是蒙特卡洛剂量计算方法,其中使用虚源模型对源粒子进行抽样,得到所述能注量分布图。
在本发明的一实施例中,所述能量响应曲线是通过事先模拟粒子在所述电子射野影像装置内的输运而得到。
在本发明的一实施例中,所述测量图像是一个治疗计划或者一个射束下的所有测量图像的叠加。
本发明的另一方面提供一种放射治疗设备,包括:辐射源,与所述辐射源相对的电子射野影像装置;以及如前所述的验证放射治疗剂量的装置。
本发明还提供一种验证放射治疗剂量的方法,用于放射治疗设备,所述方法包括以下步骤:获取电子射野影像装置所检测的测量图像,所述测量图像表征放射治疗射束在所述电子射野影像装置上的剂量分布;使用剂量算法计算射束在所述电子射野影像装置的能注量分布图;根据所述能注量分布图和所述电子射野影像装置的能量响应曲线计算预测图像,所述预测图像表征虚拟射束在所述电子射野影像装置上的剂量分布;以及比较所述预测图像和所述测量图像。
在本发明的一实施例中,获取电子射野影像装置所检测的测量图像之后还包括,根据预先获得的偏移量将所述测量图像的中心移动到所述电子射野影像装置的中心。
在本发明的一实施例中,获取电子射野影像装置所检测的测量图像之后还包括,将所述测量图像除以探测器增益矩阵,所述探测器增益矩阵是泛源测量图像与射束轮廓值的比值,所述泛源测量图像是所述电子射野影像装置所检测的泛源射野的测量图像,所述射束轮廓值是以所述泛源测量图像的中心为圆心的各圆环内的像素值的平均值。
在本发明的一实施例中,获取电子射野影像装置所检测的测量图像之后还包括使用曲线校正矩阵来校正所述测量图像,所述曲线校正矩阵是泛源计算图像与泛源测量图像的比值,所述泛源测量图像是所述电子射野影像装置所检测的泛源射野的测量图像,所述泛源计算图像是虚拟泛源射野的计算图像。
在本发明的一实施例中,使用剂量算法计算射束在所述电子射野影像装置的能注量分布图的步骤包括,使用输出因子校正因子对计算的输出因子进行校正,所述输出因子校正因子包括不同方形射野下测量的输出因子与计算的输出因子的比值。
在本发明的一实施例中,计算所述预测图像后,还包括使用绝对剂量校正因子校正所述预测图像。
在本发明的一实施例中,所述剂量算法是蒙特卡洛剂量计算方法,其中使用虚源模型对源粒子进行抽样,得到所述能注量分布图。
在本发明的一实施例中,所述能量响应曲线是通过事先模拟粒子在所述电子射野影像装置内的输运而得到。
在本发明的一实施例中,所述测量图像是一个治疗计划或者一个射束下的所有测量图像的叠加。
本发明的另一方面提供一种计算剂量分布的方法,包括:使用剂量算法计算射束在电子射野影像装置的能注量分布图;以及根据所述能注量分布图和所述电子射野影像装置的能量响应曲线计算预测图像,所述预测图像表征虚拟射束在所述电子射野影像装置上的剂量分布。
在本发明的一实施例中,使用剂量算法计算射束在所述电子射野影像装置的能注量分布图的步骤包括,使用输出因子校正因子对计算的输出因子进行校正,所述输出因子校正因子包括不同方形射野下测量的输出因子与计算的输出因子的比值。
在本发明的一实施例中,计算所述预测图像后,还包括使用绝对剂量校正因子校正所述预测图像。
在本发明的一实施例中,所述剂量算法是蒙特卡洛剂量计算方法,其中使用虚源模型对源粒子进行抽样,得到所述能注量分布图。
在本发明的一实施例中,所述能量响应曲线是通过事先模拟粒子在所述电子射野影像装置内的输运而得到。
本发明还提供一种计算剂量分布的装置,包括:存储器,用于存储可由处理器执行的指令;处理器,用于执行所述指令以实现上述的方法。
本发明还提供一种计算机可读存储介质,包括计算机执行的指令,其中当所述指令被计算机执行时,使得所述计算机实现上述的方法。
与现有技术相比,本发明的验证放射治疗剂量的方法、装置和放射治疗设备中,使用剂量算法计算射束在EPID的能注量分布图,然后根据能注量分布图和EPID的能量响应曲线计算预测的剂量分布图像。通过这种方式,本发明既可以准确地对TPS中的放射治疗剂量的分布进行预测,从而高效的验证该TPS的合理性;也可以避免诸如蒙特卡洛剂量算法中复杂的粒子输运模拟,从而提高计算速度。
附图说明
图1是根据本发明一些实施例所示的一种示例性诊断和治疗系统的示意图;
图2是根据本发明一些实施例所示的一种示例性诊断和治疗系统的示意图;
图3是根据本发明一些实施例所示的示例性诊断和治疗系统的三维立体图;
图4是根据本发明一些实施例所示的示例性计算设备的示例性硬件和/或软件组件的示意图;
图5是根据本发明一些实施例所示的一种示例性移动设备的示例性硬件和/或软件组件的示意图;
图6是根据本发明一些实施例所示的一种示例性处理引擎的示意图;
图7是根据本发明一些实施例所示的一种验证放射治疗剂量的示例性方法的流程图;
图8是根据本发明一些实施例所示的一种验证放射治疗剂量的示例性方法中对测量图像进行处理的方法流程图;
图9是根据本发明一些实施例所示的一种验证放射治疗剂量的示例性方法中对测量图像进行处理的方法流程图;
图10是根据本发明一些实施例所示的一种验证放射治疗剂量的示例性方法中对预测图像进行处理的方法流程图。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用,然而,任何数量的不同模块可以被使用并运行在成像系统和/或处理器上。所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各种步骤。同时,或将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1和图2是根据本发明一些实施例的示例性诊断和治疗系统100的示意图。参考图1和图2所示,该诊断和治疗系统100可以包括图像引导放射治疗(IGRT)装置110、网络120、一个或多个终端130、处理引擎140和存储器150。
IGRT装置110可以是获取医学图像并进行放射治疗的单模态和/或多模态(如,双模态)装置。该医学图像可以是由医学成像系统生成。该医学成像系统可以包括计算机断层扫描(CT)系统、单光子发射计算机断层扫描(SPECT)系统、多模态系统等中的一种或多种的组合。示例性CT系统可以包括锥形束计算机断层扫描(CBCT)系统。示例性多模态系统可以包括计算机断层扫描-正电子发射断层扫描(CT-PET)系统、计算机断层扫描-磁共振成像(CT-MRI)系统等。IGRT装置110中进行放射治疗的部分可以包括LINAC、Co-60γ辐射器等。
本申请中提到的“图像”可以指2D图像、3D图像、4D图像和/或任何相关数据(例如,CT数据、对应于CT数据的投影数据)。这并不是为了限制本申请的范围。对于本领域的技术人员来说,在本申请的指导下可以进行各种修正和改变。
IGRT装置110可以包括一个或多个诊断设备和/或治疗设备,例如,CT设备、PET-CT、体积CT、RT设备以及检查床等中的一个或多个的任意组合。
在一实施例中,IGRT设备110可以只包括RT设备。参考图1所示,该RT设备可以包括机架111、工作台114、治疗头116和电子射野影像装置(EPID)113等。其中机架111可以支持治疗头116和EPID 113等,并可以带动这些设备在机架111上移动以改变位置,如旋转。作为治疗对象的物体可以放在工作台114上。
RT设备的治疗头116可以包括靶、初级光栅、钨门和多叶光栅(Multi-leafCollimator,MLC)等。具体而言,加速粒子撞击靶以产生辐射,该辐射通过初级光栅、钨门和多叶光栅后可以形成理想的射线束,也就是对应于需要进行放射治疗的物体的形状和大小的射线束。该理想的光束可以定向投射到物体上以实施治疗计划。该光束经过物体之后被EPID 113接收,EPID 113采集相应的投影图像,用于验证对象的摆位和射野位置。
在另一实施例中,参考图1所示,IGRT设备110可以包括CBCT设备和RT设备。具体地,IGRT设备110可以包括机架111、工作台114、扫描源115、治疗头116、探测器112和EPID113等。其中机架111可以支持扫描源115、治疗头116、探测器112和EPID 113等,并可以带动这些设备在机架111上移动以改变位置,如旋转。作为扫描或治疗对象的物体可以放在工作台114上。CBCT设备的扫描源115和RT设备的治疗头116可以设置在同一个装置中,也可以分开设置。在本实施例中,扫描源115和治疗头116设置在同一个装置中,因此二者处于相同的位置。在其他的实施例中,扫描源115和治疗头116可以分开设置,即可以设置在机架上的不同的位置。CBCT设备的扫描源115可以向放置在工作台114上的物体发射锥形光束的X射线,该X射线经过该对象之后发生衰减。CBCT设备的探测器112可以检测衰减的X射线。CBCT设备可以根据探测器112所检测到的衰减的X射线生成图像数据。
CBCT设备的探测器112和RT设备的EPID 113可以设置在同一个装置中,也可以分开设置。在本实施例中,探测器112和EPID 113设置在同一个装置中,因此二者处于相同的位置。在其他的实施例中,探测器112和EPID 113可以分开设置,即可以设置在机架上的不同的位置。
需要说明的是,CBCT设备的扫描源115和探测器112的位置应相对设置,以使探测器112可以接收来自扫描源115的射线。RT设备的治疗头116和EPID 113也应相对设置,以使EPID 113可以接收到来自治疗头116的射线束。
网络120可以包括有助于IGRT装置110交换信息和/或数据的任何适合的网络。在一些实施例中,IGRT装置110的一个或多个其他组件(例如,CBCT设备、RT设备、终端130、处理引擎140、存储器150等)可以通过网络120相互交互信息和/或数据。例如,处理引擎140可以通过网络120从CBCT设备和/或RT设备获取图像数据。又例如,处理引擎140可以通过网络120获取来自CBCT设备和/或RT设备的投影数据(例如,和对象相关投影数据)。又例如,处理引擎140可以通过网络120获取来自终端130的用户指令。网络120可以是和/或包括公共网络(例如,互联网)、专用网络(例如,局域网(LAN)、广域网(WAN)等)、有线网络(例如,以太网)、无线网络(例如,802.11网络、Wi-Fi网络等)、蜂窝网络(例如,LTE网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、转换器、服务器计算机和/或其中的一种或多种的组合。例如,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、局域网、无线局域网(WLAN)、城域网(MAN)、公用电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信网络(NFC)等中的一种或多种的组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线和/或无线网络接入点,如基站和/或IGRT装置110的一个或多个组件可以被接入到网络120以进行交换数据和/或信息所通过的网络交换点。
终端130可以包括移动设备131、平板电脑132、笔记本电脑133等中的一种或多种的组合。在一些实施例中,移动设备131可以包括智能家庭设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等中的一种或多种的组合。在一些实施例中,智能家用设备可以包括智能照明装置、智能电器控制装置、智能监控装置、智能电视、智能摄像机、对讲机等中的一种或多种的组合。在一些实施例中,可穿戴设备可能包括手环、鞋袜、眼镜、头盔、手表、服装、背包、智能配件等一种或多种的组合。在一些实施例中,移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、笔记本电脑、平板电脑、台式机等中的一种或多种的组合。在一些实施例中,虚拟现实设备和/或增强现实装置可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等中的一种或多种的组合。例如,虚拟现实设备和/或增强现实设备可以包括GoogleGlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中,终端130可以是处理引擎140的一部分。
处理引擎140可以处理从IGRT装置110、终端130和/或存储器150获得的数据和/或信息。获得的数据和/或信息可以包括成像数据/图像等。
在一些实施例中,处理引擎140可处理辐射数据和对象的衰减系数分布以确定辐射经过对象后的合成图像数据。成像数据可以视为合成图像数据经过探测器的能量响应后产生的数据。基于此,处理引擎140可根据成像数据与合成图像数据计算探测器112和/或EPID 113的能量响应函数。
在一些实施例中,处理引擎140可以是服务器或服务器群组。所述服务器群组可以是集中式的或者分布式的。在一些实施例中,处理引擎140可以是本地的或远程的。例如,处理引擎140可以通过网络120访问存储在IGRT装置110、终端130和/或存储器150的信息和/或数据。又例如,处理引擎140可以直接与IGRT装置110、终端130和/或存储器150连接从而访问其存储的信息和/或数据。在一些实施例中,处理引擎140可以在云平台上被执行。例如,云平台可以包括私有云、公有云、混合云、社区云、分布式云、互联云、多重云等中的一种或多种的组合。在一些实施例中,处理引擎140可以由具有一个或多个组件的计算设备执行。
存储器150可以存储数据、指令和/或其他信息。在一些实施例中,存储器150可以存储从终端130和/或处理引擎140中获得的数据。在一些实施例中,存储器150可以存储处理引擎140为执行本申请中描述的示例性方法所执行或使用的数据和/或指令。在一些实施例中,存储器150可以包括大容量存储器、可移动存储器、易失读写存储器、只读存储器(ROM)等中的一种或多种的组合。示例性的大容量存储器可包括磁盘、光盘、固态驱动器等。示例性的可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性的易失读写存储器可以包括随机存取存储器(RAM)。示例性的RAM可以包括动态随机存储器(DRAM)、双倍数据率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性的ROM可以包括掩模只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多用途光盘等。在一些实施例中,存储器150可以在云平台上被执行。例如,云平台可以包括私有云、公有云、混合云、社区云、分布式云、互联云、多重云等中的一种或多种的组合。
在一些实施例中,存储器150可以连接到网络120与IGRT装置110中的一个或多个其他组件(例如,处理引擎140、终端130等)进行通信。IGRT装置110中的一个或多个组件可以通过网络120访问存储在存储器150中的数据或指令。在一些实施例中,存储器150可以直接与IGRT装置110中的一种或多个其他组件(例如,处理引擎140、终端130等)连接或通信。在一些实施例中,存储器150可以是处理引擎140的一部分。
在一些实施例中,诊断和治疗系统100的一个或多个组件(如工作台114、扫描源115、治疗头116、探测器112和EPID 113等)可以基于控制指令移动。该控制指令可以基于图像信息(如,治疗图像、扫描图像)或其他信息(如,治疗图像中的特征点)来确定。近似的变动应当属于本发明所披露的范围之内。
图3是本发明一实施例的示例性诊断和治疗系统100的三维立体图。其中,该诊断和治疗系统100包括机架111、工作台114、治疗头116和EPID 113等。其中在机架111中还包括有成像组件(图未示)。成像组件可以是CT成像组件、磁共振(MR)成像组件或正电子放射断层造影(PET)成像组件等,或它们的任意组合。
机架111为大致圆筒形,其整体设置于一基座上,并可在基座上转动。机架111限定有通孔101,机架111的转动轴线可以为通孔101的水平中心轴。治疗头116和EPID 113分别固定至机架111上,且在放射治疗状态时,治疗头116和EPID 113是相对地设置于转动轴线的两侧。
工作台114的位置是可以根据成像组件和治疗系统的需要而调整的,以使成像组件获得所需对象的图像,使治疗系统可以针对待治疗的对象实施放射治疗。工作台114可以沿垂直方向调整以改变其距离水平面的距离;工作台114还可以沿机架111的转动轴线来回移动,可以插入机架111的通孔101中,也可以从该通孔101中移出;工作台114还可以沿水平面旋转移动,或者以其他的方式的移动。
治疗头116上通常还包括有限束装置(图未示),通过控制该限束装置的开口大小来控制治疗头116发射出来的射束(Beam)所要照射的范围。
图4是根据本发明一些实施例的示例性计算设备300的示例性硬件和/或软件组件的示意图。图1和图2中所示的处理引擎140可以由该计算设备300实现。如图4所示,计算设备300可以包括处理器310、存储器320、输入/输出(I/O)330和通信端口340。
处理器310可以根据本申请所描述的技术执行计算机指令(例如,程序代码)和处理引擎140的功能。计算机指令可以包括例如执行本申请描述的特定功能的例程、程序、对象、组件、数据结构、过程、模块和功能。例如,处理器310可以处理从IGRT装置110、终端130、存储器150和/或诊断和治疗系统100的任何其他组件中获得的图像数据。在一些实施例中,处理器310可以包括一个或多个硬件处理器,诸如微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、应用特定指令集成处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件(PLD)、能够执行一个或多个功能的任何电路或处理器等中的一种或多种的组合。
仅仅为了说明,在计算设备300中仅描述了一个处理器。然而,应当注意的是,本申请中的计算设备300还可以包括多个处理器,因此本申请中描述的处理器执行的操作和/或方法步骤也可以由多个处理器联合或单独执行。例如,如果在本申请中,计算设备300的处理器执行步骤A和步骤B,则应当理解,步骤A和步骤B也可以由计算设备300的两个或多个不同的处理器共同或分开执行(例如,第一处理器执行步骤A、第二处理器执行步骤B或者第一和第二处理器共同执行步骤A和B)。
存储器320可以存储从IGRT装置110、终端130、存储器150和/或诊断和治疗系统100的任何其他组件中获得的数据/信息。在一些实施例中,存储器320可以包括大容量存储器、易失性读写存储器、只读存储器(ROM)等中的一种或多种的组合。例如,大容量存储器可以包括磁盘、光盘、固态驱动器等。可移除存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。易失性读写存储器可以包括随机存取存储器(RAM)。RAM可以包括动态随机存取存储器(DRAM)、双倍数据率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。ROM可以包括掩模只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字通用盘只读存储器等。在一些实施例中,存储器320可以存储一个或多个程序和/或指令以执行在本申请中描述的示例性方法。例如,存储器320可以存储处理引擎140用于处理投影数据的的程序。
输入/输出(I/O)330可以输入和/或输出信号、数据、信息等。在一些实施例中,输入/输出(I/O)330可以使用户能够与处理引擎140进行交互。在一些实施例中,输入/输出(I/O)330可以包括输入装置和输出装置。示例性的输入设备可以包括键盘、鼠标、触摸屏、麦克风等中的一种或多种的组合。示例性的输出设备可以包括显示设备、扬声器、打印机、投影仪等中的一种或多种的组合。示例性的显示装置可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、弯曲屏幕、电视设备、阴极射线管(CRT)、触摸屏幕等中的一种或多种的组合。
通信端口340可以连接到网络(例如,网络120)以便于数据通信。通信端口340可以建立处理引擎140与IGRT装置110、终端130和/或存储器150之间的连接。连接可以是有线连接、无线连接、任何其他可以实现数据传输和/或接收的通信连接等中的一种或多种的组合。有线连接可以包括例如,电缆、光缆、电话线等中的一种或多种的组合。无线连接可以包括例如,蓝牙TM连接、Wi-FiTM连接、WiMaxTM连接、无线局域网连接、ZigBee连接、移动网络连接(例如,3G、4G、5G等)等中的一种或多种的组合。在一些实施例中,通信端口340可以是和/或包括标准化通信端口,诸如RS232、RS485等。在一些实施例中,通信端口340可以是专门设计的通信端口。例如,通信端口340可以根据医学数字成像和通信(DICOM)协议进行设计。
图5是根据本申请的一些实施例所示的一种示例性移动设备131的示例性硬件和/或软件组件的示意图。终端130可以在该移动设备131上实施。如图5所示,移动设备131可以包括天线410、显示器420、图形处理单元(GPU)430、中央处理单元(CPU)440、输入/输出(I/O)450、内存460和存储器490。在一些实施例中,任何其它合适的组件包括但不限于系统总线或控制器(未示出),也可以包括在移动设备131中。在一些实施例中,移动操作系统470(例如,iOSTM、AndroidTM、Windows PhoneTM等)和一个或多个应用程序480可以从内存460加载到存储器490中,以便由中央处理单元(CPU)440执行。应用程序480可以包括浏览器或任何其他合适的移动应用用于接收和呈现与处理引擎140有关的图像处理信息或其他信息。信息流的用户交互可以通过输入/输出(I/O)450获得,也可以通过网络120提供给处理引擎140和/或诊断和治疗系统100的其他组件。
为了实现在本申请中描述的各种模块、单元及其功能,计算机硬件平台可以用作本申请所描述的一个或多个元件的硬件平台。具有用户界面元件的计算机可以用于执行个人计算机(PC)或任何其他类型的工作站或终端设备。通过适当的编程,计算机也可以充当服务器。
图6是根据本申请的一些实施例所示的一种示例性处理引擎140的示意图。如图6所示,处理引擎140可以包括获取模块510、计算模块520、和存储模块530。
获取模块510可以从诊断和治疗系统100的一个或多个组件(例如,IGRT装置110、终端130、存储器150等)获取数据。获取模块510可以获取与治疗计划有关的测量剂量数据。举例来说,与治疗计划有关的测量剂量数据可以来自IGRT装置110的EPID 113。
在一些实施例中,获取模块510可以将获取的数据发送到计算模块520、和/或存储模块530。
计算模块520可以处理测量剂量数据。计算模块520还可以通过算法预测治疗计划所产生的预测剂量数据。计算模块520可比较测量剂量数据和预测剂量数据以验证治疗计划。
在一些实施例中,计算模块520可以和存储模块530相连接或通信。
存储模块530可以存储数据和/或信息。仅作为示例,存储模块530可以存储由计算模块520生成的预测剂量数据。
应当注意的是,对处理引擎140的上述描述仅仅是为了说明的目的,而非限制本申请的范围。对于本领域的技术人员,在本申请的教导下可以进行各种修正和改变。然而,各种修正和改变并没有脱离本申请的范围。例如,可以省略计算模块520,并且IGRT装置110和/或终端130可以被配置为执行本申请中所描述的计算模块520的一个或多个功能。
图7是根据本发明一些实施例所示的一种验证放射治疗剂量示例性方法的流程图。该方法是用于对放射治疗设备的放射治疗剂量进行验证。该验证放射治疗剂量的方法是由一种验证放射治疗剂量的装置来实施的。该验证放射治疗剂量装置可以包括存储器和处理器。该存储器用于存储可由处理器执行的指令;该处理器用于执行该指令以对放射治疗设备的放射治疗计量进行验证。该验证放射治疗剂量装置可以设置于如图1-图2所示的诊断和治疗系统100中,并使用诊断和治疗系统100中的存储器150和处理引擎140作为该验证放射治疗剂量装置的存储器和处理器。诊断和治疗系统100中的其他组件也都可以用于该验证放射治疗剂量装置对放射治疗设备进行验证放射治疗剂量的过程中。参考图7所示,利用该验证放射治疗剂量装置对放射治疗设备进行验证放射治疗剂量的步骤包括:
步骤702,获取EPID 113所检测的测量图像。该步骤可以由图1和图2中所示的IGRT设备110中的EPID 113来实现。在执行这一步骤的过程中,工作台114上没有放置对象,并且工作台114没有处于治疗头116和EPID 113之间,以使由治疗头116发射出来的射束可以没有阻碍的到达EPID 113的表面。IGRT设备110中的治疗头116根据所要验证的放射治疗计划发射具有一定剂量分布的射束,该射束照射到EPID 113的表面,EPID 113根据其内部的感光元件对照射到其上的射线粒子的感应信号来成像,得到该EPID 113所检测到的测量图像,该测量图像可以表征根据所要验证的放疗计划实施的放射治疗射束在EPID 113上的剂量分布。
需要说明的是,对应于一个完整的放疗计划,EPID 113实际所检测到的图像是多幅图像。在图7所对应的实施例中仅以一副测量图像为例来说明本发明的验证放射治疗剂量的方法。关于对多幅图像的处理方法将在下文中,结合其他的实施例和图9进行说明。
步骤704,使用剂量算法计算射束在所述EPID 113的能注量分布图(EnergyFluence Distribution map)。该剂量算法所计算的射束乃是对应于所要验证的放疗计划而计算的射束,该能注量分布图可以表征根据所要验证的放疗计划实施的放射治疗射束在EPID113上的能量分布。在本实施例中,所述的计量算法可以是蒙特卡洛剂量计算方法。
蒙特卡洛方法,又称随机抽样方法,是一种与一般数值计算方法有本质区别的计算方法,属于试验数学的一个分支。蒙特卡洛方法利用随机数进行统计试验,以求得的统计特征值(如均值、概率等)作为待解问题的数值解。在与RT设备配合使用的TPS系统中,蒙特卡洛剂量算法可以抽样粒子、输运粒子,通过截面库确定与不同材料的反应截面进行能量沉积和产生次级粒子从而进行耦合输运,最终得到用户感兴趣点,或点阵的剂量。
在本实施例中,可以基于蒙特卡洛方法建立一个虚源模型,利用蒙特卡洛剂量算法对源粒子进行抽样,得到能注量分布图。在此过程中可以通过调节虚源模型中的不同参数(初级源、次级源的半径,能谱,离轴软化因子等)使得计算出的不同尺寸的方形射野(方野)轮廓和百分深度剂量(PDD)曲线与测量数据吻合。经过这一过程,可以认为从该虚源模型中抽出的源粒子与RT设备射出的粒子分布一致。也就是说,步骤704可以计算出EPID113上所接收到的放射治疗射束粒子的能注量分布以形成能注量分布图。可以理解的是,这里的能注量分布图是由蒙特卡洛剂量计算方法计算得到的,并不是实际测量值。
需要注意的是,基于蒙特卡洛方法所得到的能注量分布图表征了粒子在EPID113表面上的分布,也就是粒子进入EPID113之前的分布,该粒子并未与EPID113发生反应。利用蒙特卡洛方法也可以对粒子进入EPID113并与之反应的过程进行模拟,但是该模拟过程较为费时,在本步骤中不包括该模拟过程。
在一些实施例中,对步骤702和步骤704的执行顺序没有限制,该两个步骤也可以同步进行。
步骤706,根据所述能注量分布图和所述EPID 113的能量响应曲线计算预测图像。
EPID 113的能量响应曲线是通过事先模拟粒子在EPID 113内的输运而得到。具体地可以使用开源的EGSnrc中的Dosxyz(一种开源的蒙特卡洛软件)模拟具体的EPID 113中的探测器结构得到不同能量粒子在EPID 113表面的能量沉积效率。可以在例如存储器150或存储模块530中以表格形式存储这些曲线。在后续的步骤中,可以通过查表的方式得到不同粒子能量的响应效率。通过这种方式,可以避免在蒙特卡洛剂量算法中复杂的粒子输运模拟,从而在保证准确性的基础上提高了计算速度。
在本步骤,可以根据由步骤704所计算得到的能注量分布图和该EPID 113的能量响应曲线来计算一预测图像。该预测图像可以表征步骤704中由虚源模型所发射出来的虚拟射束在EPID 113上的剂量分布。
步骤708,比较所述预测图像和所述测量图像。通过将由步骤706得到的预测图像和由步骤702得到的测量图像进行比较,即可以得出测量图像和预测图像之间的偏差,该偏差可表征测量图像和预测图像的吻合程度。该偏差可用于判断相应的放疗计划是否合理,从而帮助医生对放疗计划进行调整。
图8是根据本发明一些实施例所示的一种验证放射治疗剂量的示例性方法中对测量图像进行处理的方法流程图。该方法流程图可以包括在图7所示的步骤702中,用于对EPID 113所检测的测量图像进行预处理和后处理。参考图8所示,对测量图像进行处理的步骤包括:
步骤802,计算泛源测量图像相对于EPID113中心的偏移量。
为执行本步骤,首先要调整限束装置的开口大小,使治疗头116发射出来的射束在EPID113上产生一具有较大范围的射野,将该射野称为泛源射野(flood field)。相应地,将由EPID113所检测的泛源射野的测量图像称为泛源测量图像。在实际中,由于治疗头116和EPID 113的摆位会造成由治疗头116所发射出来的射束的中心点没有对准EPID 113上的平板探测器的中心点,因此,在本步骤中,需要预先计算泛源测量图像相对于EPID 113的中心点的偏移量offset。举例说明:
假设EPID 113上的平板探测器为一1024*1024的矩阵,所要得到的泛源测量图像也为一1024*1024的矩阵,该矩阵中每一个数值为表征照射剂量的灰度值。该泛源测量图像的方野中心点的位置坐标为(512,512),在此步骤,就需要根据offset来调整泛源测量图像在EPID的位置,使射束的中心点可以落在(512,512)的位置上。
具体的计算该offset的方法如下:
使用EPID 113分别采集准直器(Collimator)角度为0°和180°时,限束系统(jaws或MLC开野)开10*10cm2的图像。在等中心面内,Crossline是垂直于进床方向,穿过束流中心的一条剂量曲线。Inline是沿着进床方向,穿过束流中心的一条剂量曲线。分别寻找Crossline和Inline中心点相对于平板探测器中心点的偏移量,offset_x为x轴方向的偏移量,offset_y为y轴方向的偏移量。
offset_x=(xcenter_collimator0+xcenter_collimator180)/2;
offset_y=(ycenter_collimator0+ycenter_collimator180)/2;
其中,xcenter_collimator0,xcenter_collimator180,ycenter_collimator0,ycenter_collimator180,分别为Crossline、Inline在Collimator的角度为0°和180°时射束的中心点相对于平板探测器中心点的偏移量。
获得偏移量offset_x和offset_y之后,就可以根据该偏移量将EPID113根据放疗计划照射所检测到的测量图像的中心移动到EPID113的中心。
步骤804,将泛源测量图像除以射束轮廓值,获得探测器增益矩阵。射束轮廓值就是以泛源测量图像的中心为圆心的各圆环内的像素值的平均值。
EPID 113上的平板探测器包括若干个探测器单元,各个探测器单元之间存在对不同的射束粒子的敏感差异性。采取本步骤来处理泛源测量图像的目的是为了消除该敏感差异性。
具体的示例性方法如下:
调整治疗头116与EPID 113之间的距离,使治疗头116所发射的射束在EPID 113上产生一具有较大范围的泛源射野。EPID 113所检测的泛源射野的测量图像称为泛源测量图像Flood Raw Image,该图像的大小为40*40cm2,源像距SID=100cm。
将Flood Raw Image以其中心为圆心分割成许多圆环,对各个圆环内的像素值求平均后得到射束轮廓值Beam Profile。理论上认为射束相对其中心轴是中心对称的,因此,以该泛源测量图像的中心为圆心的圆环内的剂量应该是相同的。
用泛源测量图像Flood Raw Image除以射束轮廓值Beam Profile即得到一探测器增益矩阵detector_gain_value,即,
detector_gain_value=Flood Raw Image/Beam Profile。
其中,Flood Raw Image可以是一包含该泛源测量图像中每一个像素点灰度值的矩阵。
获得探测器增益矩阵detector_gain_value之后,就可以对EPID113根据放疗计划照射所检测到的测量图像进行校正。使用该测量图像除以探测器增益矩阵detector_gain_value,即可得到消除了探测器单元之间的敏感差异性之后的测量图像。
可以理解的是,也可以利用射束轮廓值Beam Profile除以泛源测量图像FloodRaw Image来获得探测器增益矩阵detector_gain_value,在进行校正时则是用测量图像乘以探测器增益矩阵detector_gain_value。
在此方法中将Flood Raw Image分割成的圆环的数量或宽度没有限制。可以理解的是,所分割的圆环的数量越多、圆环的宽度越小,则最终获得的探测器增益值矩阵更加精确,可以更好的消除探测器单元之间的敏感差异性。
需要说明的是,本发明对步骤802和步骤804的执行顺序没有限制。在一些实施例中,步骤804中所处理的泛源测量图像可以没有经过步骤802的处理,也就是说,步骤804中所处理的泛源测量图像的中心可能与EPID113的中心之间有偏差。在另一些实施例中,可以对泛源测量图像先经过步骤802的处理,再进行步骤804的处理。
步骤802和步骤804都可以是在根据放疗计划照射EPID113以获得测量图像的步骤之前执行的。
步骤806,根据泛源计算图像与泛源测量图像的比值计算曲线校正矩阵。该泛源测量图像是EPID 113所检测的泛源射野的测量图像,该泛源计算图像是虚拟泛源射野的计算图像。
在EPID 113的各个探测器单元中,可能会对某些低能粒子产生过反应。采取本步骤来处理测量图像的目的是为了消除探测器单元对低能粒子的过反应特性。
本步骤中的泛源计算图像是由图7所示的步骤704中的蒙特卡洛剂量计算方法计算获得。与图7中的步骤704不同的是,步骤806和步骤704在蒙特卡洛剂量计算方法中的虚源模型设置不同。在本步骤中,为了获得泛源计算图像所虚拟设置的限束装置开口不同,所获得的图像的大小也不同。该泛源计算图像是虚拟泛源射野的计算图像。具体的,该图像的大小为40*40cm2,源像距SID=100cm。
在本实施例中,该曲线校正矩阵是用泛源计算图像除以泛源测量图像获得。如下式所示:
curve_correction=Flood Calculated Image/Flood Measured Image。
其中,curve_correction为曲线校正矩阵,Flood Calculated Image是泛源计算图像,Flood Measured Image是泛源测量图像。
获得曲线校正矩阵curve_correction之后,就可以对EPID113根据放疗计划照射所检测到的测量图像进行校正,即用该测量图像乘以曲线校正矩阵curve_correction,即可得到校正后的测量图像。
可以理解的是,也可以利用泛源测量图像Flood Measured Image除以泛源计算图像Flood Calculated Image来获得曲线校正矩阵curve_correction,在进行校正时则是用测量图像除以曲线校正矩阵curve_correction。
需要说明的是,本步骤中的泛源测量图像Flood Measured Image是由步骤804中的泛源测量图像Flood Raw Image经过相关处理而来的。具体而言,对应于泛源射野的泛源测量图像Flood Raw Image首先经过步骤802的过程,即将该泛源测量图像Flood RawImage的中心移动到EPID 113的中心,得到Flood Raw Image-1;其次,再经过步骤804的过程,将Flood Raw Image-1除以射束轮廓值Beam Profile即得到一探测器增益矩阵detector_gain_value矩阵,并利用Flood Raw Image-1除以该探测器增益值detector_gain_value矩阵以消除探测器的敏感差异性,该计算结果即为本步骤中的Flood MeasuredImage。
图9是根据本发明一些实施例所示的一种验证放射治疗剂量的示例性方法中对测量图像进行处理的方法流程图。该测量图像是指当治疗头116按照一个TPS所制定的治疗计划进行照射时,EPID 113所检测到的图像。由于本方法是用于验证放射治疗剂量,并不是用于治疗,因此,在检测测量图像的时候,治疗头116和EPID 113之间没有放置对象,并且如1和图2所示的IGRT设备110中的工作台114没有处于治疗头116和EPID 113之间,以使由治疗头116发射出来的射束可以没有阻碍的到达EPID 113的表面。另外,在一个治疗计划中,由EPID 113所检测到的测量图像是多幅测量图像。参考图9所示,对该测量图像进行处理的步骤包括:
步骤902,EPID 113根据治疗计划获得测量图像。需要说明的是,一个治疗计划中往往会有一个射束或多个射束依次照射到EPID 113。在一个治疗计划中的一个射束的照射下,EPID 113会检测到多幅测量图像。
步骤904,将一个治疗计划或一个射束下的所有测量图像相叠加,得到总测量图像。由于在一个治疗计划中,EPID 113会检测到多个测量图像,因此,在步骤904中将EPID113所获得的多幅测量图像相加,例如,将每一幅测量图像相对应位置像素点的灰度值相加,得到最后的总测量图像。该总测量图像反映了该治疗计划或该射束所产生的照射剂量。当在一个治疗计划中有多个射束进行照射时,分别处理每个射束下所产生的测量图像。
步骤906,根据预先获得的偏移量将总测量图像的中心移动到EPID的中心。本步骤的作用在于对齐射束的中心和EPID 113的中心。本步骤与图8中的步骤802相似,所处理的对象为由步骤904产生的总测量图像。本步骤也可以利用步骤802所获得偏移量offset来对总测量图像进行处理,而无需再计算该偏移量offset。
步骤908,将总测量图像除以探测器增益矩阵。本步骤的作用在于利用探测器增益矩阵对总测量图像进行校正,以消除EPID 113的探测器单元对不同的射束粒子的敏感差异性。这里的探测器增益矩阵detector_gain_value是由图8中的步骤804的方法获得。首先获得射束轮廓值,再由泛源测量图像Flood Raw image除以射束轮廓值Beam Profile得到探测器增益矩阵detector_gain_value。可以理解的是,在其他的实施例中,若探测器增益矩阵detector_gain_value是由射束轮廓值Beam Profile除以泛源测量图像Flood Rawimage,则本步骤是将总测量图像乘以探测器增益矩阵detector_gain_value。
步骤910,使用曲线校正矩阵校正总测量图像。本步骤的作用是为了消除EPID 113的探测器单元对低能粒子的过反应特性。本步骤与图8中的步骤806相似。该曲线校正矩阵是泛源计算图像与泛源测量图像的比值,该泛源测量图像是EPID 113所检测的泛源射野的测量图像,该泛源计算图像是虚拟泛源射野的计算图像。在本实施例中,曲线校正矩阵curve_correction是用泛源计算图像Flood Calculated Image除以泛源测量图像FloodMeasured Image获得。因此,在本步骤则用经过步骤902至步骤908处理之后的总测量图像乘以曲线校正矩阵curve_correction,以获得对测量图像最终的校正结果。
在其他的实施例中,若曲线校正矩阵curve_correction是用泛源测量图像FloodMeasured Image除以泛源计算图像Flood Calculated Image获得,则本步骤是用经过步骤902至步骤908处理之后的总测量图像除以曲线校正矩阵curve_correction,以获得对测量图像最终的校正结果。
图10是根据本发明一些实施例所示的一种验证放射治疗剂量的示例性方法中对预测图像进行处理的方法流程图。参考图10所示,对预测图像进行处理的步骤包括:
步骤1020,使用剂量算法计算射束在EPID 113的能注量分布图。本步骤和图7中的步骤704相似,具体内容可参考相关的描述。
步骤1040,使用输出因子校正因子对计算的输出因子进行校正。该方法流程图可以包括在图7所示的步骤704中,用于对通过剂量算法得到的预测图像进行处理。
电子射线的输出因子是放疗剂量计算中的一个重要参数。在本步骤中所述的计算的输出因子是通过步骤704中的剂量算法,即蒙特卡洛剂量计算方法,计算得到的虚源模型中所模拟发射的电子射线的输出因子。在实际中,由于电离室和EPID 113对能量响应的差异,导致计算的输出因子和测量得到的输出因子之间会存在误差,因此需要将计算的输出因子矫正到测量的输出因子。
在本实施例中,虚源模型的源像距SID=100cm。
在本步骤中,通过一输出因子校正因子来对计算的输出因子进行校正,具体的示例性方法如下:
(1)初始化输出因子校正因子,将其全部设置为1。
(2)计算不同方形射野图像的输出因子。在本实施例中可以使用蒙特卡洛剂量计算方法来计算该输出因子。
(3)测量不同方形射野图像的输出因子。在本实施例中可以使用EPID113测量该输出因子。需要说明的是,该测量的输出因子所依据的测量数据需要经过一定的处理过程,例如,可以采用图8所示的对测量图像进行处理的方法来处理。
(4)根据不同方形射野下测量的输出因子与计算的输出因子的比值获得输出因子校正因子。
(5)将输出因子校正因子存入数据库并用于对计算的输出因子进行校正。
步骤1060,根据能注量分布图和EPID 113的能量响应曲线计算预测图像。本步骤和图7中的步骤706相似,具体内容可参考相关的描述。
步骤1080,使用绝对剂量校正因子校正预测图像。该方法流程图可以包括在图7所示的步骤706中,在已经获得预测图像之后再对该预测图像做进一步的处理。
执行本步骤的目的是为了统一预测图像和测量图像的单位。可以理解的是,预测图像和测量图像的获取方式是不一样的。预测图像是由步骤704和706根据蒙特卡洛方法计算获得的,测量图像则是由EPID113所检测得到的信号再经过一系列后处理获得的。由于预测图像和测量图像之间呈线性关系,因此可以通过校正的方式使二者一一对应起来。
在一些实施例中,获得绝对剂量校正因子的方法如下:
首先,设置用于执行本步骤的射野大小,例如10*10cm2。
其次,在此10*10cm2射野的中心部位取一例如16*16像素大小的矩阵,计算预测图像对应部位的该矩阵的体素平均值作为预测图像剂量,计算测量图像对应部位的该矩阵的体素平均值作为测量图像剂量。
最后,利用测量图像剂量和预测图像剂量的比值获得绝对剂量校正因子。
如:
绝对剂量校正因子=测量图像剂量/预测图像剂量。
用预测图像乘以该绝对剂量校正因子来对预测图像进行校正,使预测图像的单位和测量图像的单位一致。
可以理解的是,也可以用预测图像剂量除以测量图像剂量来获得绝对剂量校正因子。相应地,在进行校正时可以用预测图像除以该绝对剂量校正因子来对预测图像进行校正。
在另一实施例中,也可以通过此步骤获得的绝对剂量校正因子对测量图像进行校正。例如,用测量图像除以上述公式计算得到的绝对剂量校正因子,可以使测量图像的单位和预测图像的单位一致。
在其他的实施例中,还可以以某一第三方图像作为标准,将测量图像剂量和预测图像剂量分别与该第三方图像剂量进行对比,分别获得测量图像的第一绝对剂量校正因子和预测图像的第二绝对剂量校正因子。再用第一绝对剂量校正因子来校正测量图像,用第二绝对剂量校正因子来校正预测图像。这样,也可以使测量图像的单位和预测图像的单位一致,使二者可以进行进一步的比较。
经过如图10所示的方法步骤,可以得到经过校正后的预测图像,以用于和测量图像进行比较,即可以得出测量图像和预测图像之间的偏差,该偏差可表征测量图像和预测图像的吻合程度。该偏差可用于判断和验证相应的放疗计划是否合理,从而帮助医生对放疗计划进行调整。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述发明披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
虽然本发明已参照当前的具体实施例来描述,但是本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本发明,在没有脱离本发明精神的情况下还可作出各种等效的变化或替换,因此,只要在本发明的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。
Claims (26)
1.一种验证放射治疗剂量的装置,包括:
存储器,用于存储可由处理器执行的指令;
处理器,用于执行所述指令以实现如下方法:
获取电子射野影像装置所检测的测量图像,所述测量图像表征放射治疗射束在所述电子射野影像装置上的剂量分布;
使用剂量算法计算射束在所述电子射野影像装置的能注量分布图;
根据所述能注量分布图和所述电子射野影像装置的能量响应曲线计算预测图像,所述预测图像表征虚拟射束在所述电子射野影像装置上的剂量分布;以及
比较所述预测图像和所述测量图像。
2.根据权利要求1所述的装置,其特征在于,获取电子射野影像装置所检测的测量图像之后还包括,根据预先获得的偏移量将所述测量图像的中心移动到所述电子射野影像装置的中心。
3.根据权利要求1或2所述的装置,其特征在于,获取电子射野影像装置所检测的测量图像之后还包括,将所述测量图像除以探测器增益矩阵,所述探测器增益矩阵是泛源测量图像与射束轮廓值的比值,所述泛源测量图像是所述电子射野影像装置所检测的泛源射野的测量图像,所述射束轮廓值是以所述泛源测量图像的中心为圆心的各圆环内的像素值的平均值。
4.根据权利要求1所述的装置,其特征在于,获取电子射野影像装置所检测的测量图像之后还包括使用曲线校正矩阵来校正所述测量图像,所述曲线校正矩阵是泛源计算图像与泛源测量图像的比值,所述泛源测量图像是所述电子射野影像装置所检测的泛源射野的测量图像,所述泛源计算图像是虚拟泛源射野的计算图像。
5.根据权利要求1所述的装置,其特征在于,使用剂量算法计算射束在所述电子射野影像装置的能注量分布图的步骤包括,使用输出因子校正因子对计算的输出因子进行校正,所述输出因子校正因子包括不同方形射野下测量的输出因子与计算的输出因子的比值。
6.根据权利要求1所述的装置,其特征在于,计算所述预测图像后,还包括使用绝对剂量校正因子校正所述预测图像。
7.根据权利要求1所述的装置,其特征在于,所述剂量算法是蒙特卡洛剂量计算方法,其中使用虚源模型对源粒子进行抽样,得到所述能注量分布图。
8.根据权利要求1或7所述的装置,其特征在于,所述能量响应曲线是通过事先模拟粒子在所述电子射野影像装置内的输运而得到。
9.根据权利要求1或7所述的装置,其特征在于,所述测量图像是一个治疗计划或者一个射束下的所有测量图像的叠加。
10.一种放射治疗设备,包括:
辐射源,
与所述辐射源相对的电子射野影像装置;以及
如权利要求1-9任一项所述的验证放射治疗剂量的装置。
11.一种验证放射治疗剂量的方法,用于放射治疗设备,所述方法包括以下步骤:
获取电子射野影像装置所检测的测量图像,所述测量图像表征放射治疗射束在所述电子射野影像装置上的剂量分布;
使用剂量算法计算射束在所述电子射野影像装置的能注量分布图;
根据所述能注量分布图和所述电子射野影像装置的能量响应曲线计算预测图像,所述预测图像表征虚拟射束在所述电子射野影像装置上的剂量分布;以及
比较所述预测图像和所述测量图像。
12.如权利要求11所述的方法,其特征在于,获取电子射野影像装置所检测的测量图像之后还包括,根据预先获得的偏移量将所述测量图像的中心移动到所述电子射野影像装置的中心。
13.根据权利要求11或12所述的方法,其特征在于,获取电子射野影像装置所检测的测量图像之后还包括,将所述测量图像除以探测器增益矩阵,所述探测器增益矩阵是泛源测量图像与射束轮廓值的比值,所述泛源测量图像是所述电子射野影像装置所检测的泛源射野的测量图像,所述射束轮廓值是以所述泛源测量图像的中心为圆心的各圆环内的像素值的平均值。
14.根据权利要求11所述的方法,其特征在于,获取电子射野影像装置所检测的测量图像之后还包括使用曲线校正矩阵来校正所述测量图像,所述曲线校正矩阵是泛源计算图像与泛源测量图像的比值,所述泛源测量图像是所述电子射野影像装置所检测的泛源射野的测量图像,所述泛源计算图像是虚拟泛源射野的计算图像。
15.根据权利要求11所述的方法,其特征在于,使用剂量算法计算射束在所述电子射野影像装置的能注量分布图的步骤包括,使用输出因子校正因子对计算的输出因子进行校正,所述输出因子校正因子包括不同方形射野下测量的输出因子与计算的输出因子的比值。
16.根据权利要求11所述的方法,其特征在于,计算所述预测图像后,还包括使用绝对剂量校正因子校正所述预测图像。
17.根据权利要求11所述的方法,其特征在于,所述剂量算法是蒙特卡洛剂量计算方法,其中使用虚源模型对源粒子进行抽样,得到所述能注量分布图。
18.根据权利要求11或17所述的方法,其特征在于,所述能量响应曲线是通过事先模拟粒子在所述电子射野影像装置内的输运而得到。
19.根据权利要求11或17所述的方法,其特征在于,所述测量图像是一个治疗计划或者一个射束下的所有测量图像的叠加。
20.一种计算剂量分布的方法,包括:
使用剂量算法计算射束在电子射野影像装置的能注量分布图;以及
根据所述能注量分布图和所述电子射野影像装置的能量响应曲线计算预测图像,所述预测图像表征虚拟射束在所述电子射野影像装置上的剂量分布。
21.根据权利要求20所述的方法,其特征在于,使用剂量算法计算射束在所述电子射野影像装置的能注量分布图的步骤包括,使用输出因子校正因子对计算的输出因子进行校正,所述输出因子校正因子包括不同方形射野下测量的输出因子与计算的输出因子的比值。
22.根据权利要求20所述的方法,其特征在于,计算所述预测图像后,还包括使用绝对剂量校正因子校正所述预测图像。
23.根据权利要求20所述的方法,其特征在于,所述剂量算法是蒙特卡洛剂量计算方法,其中使用虚源模型对源粒子进行抽样,得到所述能注量分布图。
24.根据权利要求20或23所述的方法,其特征在于,所述能量响应曲线是通过事先模拟粒子在所述电子射野影像装置内的输运而得到。
25.一种计算剂量分布的装置,包括:
存储器,用于存储可由处理器执行的指令;
处理器,用于执行所述指令以实现如权利要求20-24中任意一项所述的方法。
26.一种计算机可读存储介质,包括计算机执行的指令,其中当所述指令被计算机执行时,使得所述计算机实现如权利要求11-24任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811634279.3A CN109464756B (zh) | 2018-12-29 | 2018-12-29 | 验证放射治疗剂量的方法、装置和放射治疗设备 |
US16/729,308 US11389670B2 (en) | 2018-12-29 | 2019-12-28 | Systems and methods for quality assurance of radiation therapy |
US17/813,320 US20220355130A1 (en) | 2018-12-29 | 2022-07-18 | Systems and methods for quality assurance of radiation therapy |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811634279.3A CN109464756B (zh) | 2018-12-29 | 2018-12-29 | 验证放射治疗剂量的方法、装置和放射治疗设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109464756A CN109464756A (zh) | 2019-03-15 |
CN109464756B true CN109464756B (zh) | 2021-01-01 |
Family
ID=65677324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811634279.3A Active CN109464756B (zh) | 2018-12-29 | 2018-12-29 | 验证放射治疗剂量的方法、装置和放射治疗设备 |
Country Status (2)
Country | Link |
---|---|
US (2) | US11389670B2 (zh) |
CN (1) | CN109464756B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109464756B (zh) * | 2018-12-29 | 2021-01-01 | 上海联影医疗科技股份有限公司 | 验证放射治疗剂量的方法、装置和放射治疗设备 |
CN110582328B (zh) * | 2019-07-22 | 2022-03-01 | 北京市肿瘤防治研究所 | 一种放射治疗出射束监测方法和系统 |
US11433258B2 (en) * | 2019-10-18 | 2022-09-06 | Uih-Rt Us Llc | System and method for dose measurement in radiation therapy |
CN112774043A (zh) * | 2019-11-08 | 2021-05-11 | 医科达(上海)科技有限公司 | 用于验证主放射剂量分布曲线的系统和方法、存储介质 |
CN111001096B (zh) * | 2019-11-28 | 2022-03-29 | 上海联影医疗科技股份有限公司 | 放疗设备等中心分析方法、装置、计算机设备及介质 |
US11565133B2 (en) * | 2020-06-02 | 2023-01-31 | University Of Virginia Patent Foundation | System and method to compute a pixel sensitivity map of an imaging device |
US11383104B2 (en) * | 2020-06-27 | 2022-07-12 | Uih America, Inc. | Systems and methods for dose measurement in radiation therapy |
CN112382371B (zh) * | 2020-10-16 | 2024-03-22 | 北京全域医疗技术集团有限公司 | 一种放疗剂量分析方法、装置、存储介质及计算机设备 |
CN116744853A (zh) * | 2021-01-05 | 2023-09-12 | 阿尔法陶医疗有限公司 | α粒子放射治疗的治疗计划 |
US11724127B2 (en) | 2021-03-30 | 2023-08-15 | Varian Medical Systems, Inc. | Beam spot tuning in a radiation therapy system |
US11648421B2 (en) * | 2021-03-30 | 2023-05-16 | Varian Medical Systems, Inc. | Beam spot tuning in a radiation therapy system based on radiation field measurements |
CN113101546B (zh) * | 2021-04-14 | 2022-03-25 | 李夏东 | 基于肿瘤运动追踪和放射治疗的剂量重建方法 |
CN114146328A (zh) * | 2021-12-03 | 2022-03-08 | 苏州雷泰医疗科技有限公司 | 基于组合模体的加速器系统的自动化qa方法 |
CN114984464A (zh) * | 2022-05-24 | 2022-09-02 | 上海联影医疗科技股份有限公司 | 一种剂量监测方法、系统和存储介质 |
CN115607861B (zh) * | 2022-12-19 | 2023-04-14 | 安徽慧软科技有限公司 | 核磁引导下的三维蒙特卡罗剂量独立验证系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100586507C (zh) * | 2004-07-23 | 2010-02-03 | 吴大可 | 三维适形近距离放射治疗集成系统 |
EP2050395A1 (en) * | 2007-10-18 | 2009-04-22 | Paracelsus Medizinische Privatuniversität | Methods for improving image quality of image detectors, and systems therefor |
US9381376B2 (en) * | 2012-10-12 | 2016-07-05 | Varian Medical Systems International Ag | Systems, devices, and methods for quality assurance of radiation therapy |
US9089696B2 (en) | 2013-11-07 | 2015-07-28 | Varian Medical Systems International Ag | Time-resolved pre-treatment portal dosimetry systems, devices, and methods |
US11056243B2 (en) | 2015-12-21 | 2021-07-06 | Elekta Ab (Publ) | Systems and methods for optimizing treatment planning |
JP6606006B2 (ja) * | 2016-04-15 | 2019-11-13 | 株式会社東芝 | 放射線治療における線量評価装置、作動方法およびプログラム |
EP3589366A1 (en) * | 2017-02-28 | 2020-01-08 | Sun Nuclear Corporation | Radiation therapy treatment verification with electronic portal imaging device transit images |
CN109464756B (zh) * | 2018-12-29 | 2021-01-01 | 上海联影医疗科技股份有限公司 | 验证放射治疗剂量的方法、装置和放射治疗设备 |
-
2018
- 2018-12-29 CN CN201811634279.3A patent/CN109464756B/zh active Active
-
2019
- 2019-12-28 US US16/729,308 patent/US11389670B2/en active Active
-
2022
- 2022-07-18 US US17/813,320 patent/US20220355130A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CN109464756A (zh) | 2019-03-15 |
US20220355130A1 (en) | 2022-11-10 |
US11389670B2 (en) | 2022-07-19 |
US20200206539A1 (en) | 2020-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109464756B (zh) | 验证放射治疗剂量的方法、装置和放射治疗设备 | |
WO2021013020A1 (zh) | 一种放射治疗出射束监测方法和系统 | |
US11266858B2 (en) | Systems, devices, and methods for quality assurance of radiation therapy | |
US20220054863A1 (en) | Portal dosimetry systems, devices, and methods | |
US9776018B2 (en) | System and methods for processing images to measure collimator jaw and collimator performance | |
CN109562277B (zh) | 放射治疗剂量校准、重建和验证的自动化方法及实施系统 | |
JP2018514356A (ja) | 放射線検出器の較正 | |
CN108957515B (zh) | 确定探测器的能量响应函数的方法、装置和成像系统 | |
Kim et al. | Correlation analysis between 2D and quasi-3D gamma evaluations for both intensity-modulated radiation therapy and volumetric modulated arc therapy | |
CN114010963A (zh) | 剂量确定的系统、方法及计算机可读存储介质 | |
CN111679311B (zh) | 放射治疗中剂量测量的系统和方法 | |
Caivano et al. | Clinically relevant quality assurance for intensity modulated radiotherapy plans: gamma maps and DVH-based evaluation | |
Hayashi et al. | Simple quality assurance based on filtered back projection for geometrical/irradiation accuracy in single-isocenter multiple-target stereotactic radiotherapy | |
US20240173571A1 (en) | Systems and methods for dose verification | |
WO2023231253A1 (zh) | 质量保证的方法和系统 | |
Chen et al. | Research on photogrammetry-based positioning of heavy ion radiotherapy and tumor target monitoring | |
Graves et al. | TARGET: A GPU-Based patient-specific quality assurance system for radiation therapy | |
Zhang et al. | Precise Dose Validation of Intensity-Modulated Arc Therapy Programs by Implementing Matrixx in Static Mode |
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 | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |