CN109999365A - 一种混合蒙特卡罗的放疗逆向优化方法、设备和存储介质 - Google Patents
一种混合蒙特卡罗的放疗逆向优化方法、设备和存储介质 Download PDFInfo
- Publication number
- CN109999365A CN109999365A CN201810012136.2A CN201810012136A CN109999365A CN 109999365 A CN109999365 A CN 109999365A CN 201810012136 A CN201810012136 A CN 201810012136A CN 109999365 A CN109999365 A CN 109999365A
- Authority
- CN
- China
- Prior art keywords
- monte carlo
- radiotherapy
- mixing
- optimization
- launched field
- 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.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
- A61N2005/1034—Monte Carlo type methods; particle tracking
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
本发明属于放疗剂量计算技术领域,涉及一种混合蒙特卡罗的放疗逆向优化方法、设备和存储介质。包括如下步骤:(1)输入患者数据和放射源参数;(2)在解析算法中加入蒙特卡罗计算模型进行混合剂量计算:2a.首先计算出初始射野参数;2b.将初始射野参数作为优化计算的输入值,采用解析算法不断进行迭代优化,在迭代优化的解析算法过程中插入蒙特卡罗计算模型进行剂量计算;2c.当剂量计算结果满足预设阈值时完成计算;(3)输出结果并显示。本发明提供的混合蒙特卡罗的放疗逆向优化方法结合蒙特卡罗算法和解析算法的优点,在保证计算速度的同时兼顾计算精度;同时也避免了使用解析算法得到的“假收敛”造成的计算误差。
Description
技术领域
本发明属于放疗剂量计算技术领域,涉及一种放疗逆向优化方法、设备和存储介质。
背景技术
放射治疗的根本目的是努力提高放疗的增益比,即最大限度地将放射线的剂量聚集在靶区内杀死肿瘤,使病灶周围正常组织或器官少受或免受射线的照射。要实现这一目的,放疗前必须准确地计算出靶区的剂量分布。
现有技术中,常用的剂量计算方法主要有解析算法和蒙特卡罗(Monte Carlo)算法,其中解析算法包括笔形束算法(pencil beam model,PBM)、卷积算法等,PBM剂量计算方法可以用于非均匀模体的剂量计算,且计算速度快,是目前应用最广的技术方法,但其对射束进行了相应的简化,其在计算精度上存在一定程度的误差。蒙特卡罗剂量计算方法几乎完全模拟了射束在靶区的物理过程,是目前国际上普遍承认的计算精度最高的剂量计算方法,也适应性最强的三维剂量计算方法,可以用来计算各种复杂条件下的剂量分布,被称为剂量计算的“金标准”。但其计算过程复杂,且在CPU计算平台上非常耗时,目前较少在临床上使用,还处于广泛的研究和继续发展阶段。
发明内容
本发明的目的在于为克服现有技术的缺陷而提供一种混合蒙特卡罗的放疗逆向优化方法、设备和存储介质。
为实现上述目的,本发明采用以下计算方案:
一种混合蒙特卡罗的放疗逆向优化方法,适于在计算设备中执行,包括如下步骤:
(1)输入患者数据和放射源参数、或者导入历史放疗计划;其中导入历史放疗计划包括患者数据、放射源参数以及射野参数;
(2)在解析算法中加入蒙特卡罗计算模型进行混合剂量计算:
2a.首先计算出初始射野参数,或者从导入历史放疗计划中获取初始射野参数;
2b.将初始射野参数作为优化计算的输入值,采用解析算法不断进行迭代优化,在迭代优化的解析算法过程中插入蒙特卡罗计算模型进行剂量计算;其中与插入的蒙特卡罗计算模型最近的解析算法结果作为蒙特卡罗优化计算的输入量,基于蒙特卡罗的优化计算输出量作为后续解析算法的输入量。
2c.当逆向优化计算结果满足预设阈值时完成计算;
(3)输出结果并显示。
所述的患者数据包括患者影像、勾画的器官组织、医嘱数据中的一种或组合;
所述的患者影像包括CT影像、核磁影像中的一种或者组合;勾画的器官包括正常器官组织、靶区形状与位置。
所述的医嘱数据包括目标放疗剂量,DVH曲线(剂量统计直方图)、各器官放疗剂量约束值中一种或组合。
所述的放射源参数包括放射源的类型、形状、位置、能量或方向中的一种或组合。
所述的解析算法为笔形束算法或卷积算法。
所述的射野参数包括射野角度、射野权重、射野形状或射束数量中的一种或者组合。
步骤(2b)中,蒙特卡罗算法在混合剂量计算中的插入位置为剂量计算优化过程中的黄金分割点、多次黄金分割点、二分法、精度控制法所在的位置或根据用户自定义设定;其中所述的精度控制法是指当优化误差下降到一定阈值插入蒙特卡罗剂量计算的方法,阈值呈阶梯分布,为用户预设;
步骤(2c)中的阈值为计算精度和/或总迭代次数。
所述的步骤(2b)和(2c)之间还包括人工干预计算进程的步骤(2d),所述的人工干预包括:暂停计算或手动修改放疗计划并使用当前的优化参数作为输入值继续优化。
和/或者所述的步骤(2c)之后还包括剂量确认步骤,所述的剂量确认包括:采用蒙特卡罗剂量计算确认最终剂量、和/或采用滤波器降低剂量计算误差步骤;所述的滤波器可采用Savitzky-Golay滤波器。
本发明还提供一种计算设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行,所述的一个或多个程序包括用于上述混合蒙特卡罗的放疗逆向优化方法的指令。
本发明还提供一种存储一个或多个程序的计算机可读存储介质,所述的一个或多个程序包括指令,所述指令适于由存储器加载并执行上述混合蒙特卡罗的放疗逆向优化方法。
本发明具有以下有益效果:
本发明提供的混合蒙特卡罗的放疗逆向优化方法结合蒙特卡罗算法和解析算法的优点,在保证计算速度的同时兼顾计算精度;同时还能避免使用解析算法得到的“假收敛”造成的计算误差。
附图说明
图1为本发明一个优选的实施例中混合蒙特卡罗的放疗逆向优化方法的流程图。
图2为本发明一个优选的实施例中蒙特卡罗计算模型插入位置示意图,其中:
(a)为在一个总迭代次数中通过黄金分割法插入一次蒙特卡罗计算模型;
(b)为在一个总迭代次数中通过黄金分割法插入一次蒙特卡罗计算模型;
(c)为在一个总迭代次数中通过黄金分割法插入两次次蒙特卡罗计算模型;
(d)为在一个总迭代次数中通过黄金分割法插入四次蒙特卡罗计算模型。
图3为本发明一个优选的实施例中混合蒙特卡罗的放疗逆向优化方法的流程图。
图4为本发明另一个优选的实施例中以二分法插入蒙特卡罗计算模型示意图。
图5为本发明又一个优选的实施例中混合蒙特卡罗的放疗逆向优化方法的流程图。
具体实施方式
以下结合附图和实施例进一步说明本发明。
实施例1
一种混合蒙特卡罗的放疗逆向优化方法,适于在计算设备中执行,如图1所示包括如下步骤:
(1)输入患者数据和放射源参数、或者导入放疗计划210;
其中导入放疗计划包括患者数据、放射源参数以及射野参数,本实施例中优选地,患者数据包括患者影像、勾画的器官组织、医嘱数据;患者影像包括CT影像、核磁影像中的一种或者组合;勾画的器官组织包括正常器官组织、靶区形状与位置;医嘱数据包括目标放疗剂量、DVH曲线、各器官放疗剂量约束值中的一种或组合;放射源参数包括放射源的类型、形状、位置、能量或方向中的一种或组合;射野参数包括射野角度、射野权重、射野形状或射束数量中的一种或者组合;
(2)在解析算法中加入蒙特卡罗计算模型进行混合剂量计算220:其中解析算法为笔形束算法或卷积算法;本实施例中进一步优选地,通过笔形束计算模型与蒙特卡罗计算模型混合计算射野剂量:
2a.首先计算出初始射野参数221:
对于包含n个子野的放射野的总剂量D,计算公式(1)为:
D=ω1f1+ω2f2+…+ωnfn (1)
其中fn为单个射束的照射剂量;
ωn为单个射野的权重;
其中,
……
其中,m,p,…,q为单个射束投射到平面上所划分的网格(beamlet)的个数,为单个网格的面积权重;
通过对分别赋予任意值作为初始权重,计算单个射野的权重;
2b.将初始射野参数作为优化计算的输入值采用解析算法不断进行迭代优化,在迭代优化的解析算法过程中插入蒙特卡罗计算模型进行剂量计算222;其中与插入的蒙特卡罗计算模型最近的解析算法结果作为蒙特卡罗优化计算的输入量,基于蒙特卡罗的优化计算输出量作为后续解析算法的输入量。蒙特卡罗计算模型在混合剂量计算中的插入位置可以为剂量计算优化过程中的黄金分割点、多次黄金分割点、二分法、精度控制法所在的位置或根据用户自定义设定;其中精度控制法是指当优化误差下降到一定阈值插入蒙特卡罗剂量计算的方法,阈值呈阶梯分布,为用户预设;
本实施例中,如图2所示,在利用笔形束计算模型进行迭代优化的计算任务中的不同位置插入蒙特卡罗计算模型,每个方格代表一次迭代计算,其中的P代表笔形束计算模型,M代表蒙特卡罗计算模型,箭头所示的位置为蒙特卡罗计算模型的插入位置,A,B,C,D···为蒙特卡罗计算模型的插入位置处标记序号。如图2(a)~(d)所示,按照黄金分割比例在总迭代次数处插入蒙特卡罗计算模型,其中图2(a)~(b)中所示的是在一个总迭代优化次数中,分别插入一次蒙特卡罗计算模型;图2(c)中所示在一个总迭代优化次数中,插入两次蒙特卡罗计算模型;图2(d)所示的总迭代优化次数中,在第一次黄金分割后得到的任意一段笔形束计算顺序中例如AB之间,进行第二次黄金分割,得到二次黄金分割点C、D,在C和/或D分别插入蒙特卡罗计算模型;优选地,还可以进行第n次黄金分割。
2c.当逆向优化计算结果满足预设阈值时完成计算223;其中,预设阈值为计算精度和/或总迭代次数;
优选地,通过步骤2b计算得到的总剂量D与计算目标D0(医嘱中给出的目标放疗剂量)的方差之和小于设定的计算精度阈值σ时(如公式(2)所示),满足完成计算任务;
或者优选地,当计算次数达到预设的总迭代计算次数时尚未达到设定的计算精度,则终止计算;
(3)输出结果并显示230。
实施例2
一种混合蒙特卡罗的放疗逆向优化方法,适于在计算设备中执行,如图3所示包括如下步骤:
(1)输入患者数据和放射源参数、或者导入放疗计划310;
其中导入放疗计划包括患者数据、放射源参数以及射野参数,优选地,患者数据包括患者影像、勾画的器官组织、医嘱数据;患者影像包括CT影像、核磁影像中的一种或者组合;勾画的器官组织包括正常器官组织、靶区形状与位置;医嘱数据包括目标放疗剂量、DVH曲线、各器官放疗剂量约束值中的一种或组合;放射源参数包括放射源的类型、形状、位置、能量或方向中的一种或组合;射野参数包括射野角度、射野权重、射野形状或射束数量中的一种或者组合;
(2)在解析算法中加入蒙特卡罗算法进行混合剂量计算320:本实施例中进一步优选地,通过笔形束计算模型与蒙特卡罗计算模型混合计算射野剂量:
2a.从导入的历史放疗计划中获取初始射野参数321
2b.将初始射野权重作为优化计算的输入值,采用解析算法不断进行迭代优化,在迭代优化的解析算法过程中插入蒙特卡罗计算模型进行剂量计算322;其中与插入的蒙特卡罗计算模型最近的解析算法结果作为蒙特卡罗优化计算的输入量,基于蒙特卡罗的优化计算输出量作为后续解析算法的输入量。蒙特卡罗计算模型在混合剂量计算中的插入位置可以为剂量计算优化过程中的黄金分割点、多次黄金分割点、二分法、精度控制法所在的位置或根据用户自定义设定;其中精度控制法是指当优化误差下降到一定阈值插入蒙特卡罗剂量计算的方法,阈值呈阶梯分布,为用户预设;
本实施例中,如图4所示,通过二分法来确定蒙特卡罗计算模型的加入位置,在利用笔形束计算模型进行迭代优化的计算任务中的不同位置插入蒙特卡罗计算模型,每个方格代表一次迭代计算,其中的P代表笔形束计算模型,M代表蒙特卡罗计算模型,箭头所示的位置为蒙特卡罗计算模型的插入位置,A,B,C,D···为蒙特卡罗计算模型的插入位置处标记序号。图4所示的一次总迭代次数中添加4次蒙特卡罗剂量计算模型,其中第一个添加位置A由总迭代次数的中点位置来确定,第二、三个添加位置B、C分别由第二次二分法得到;在AC之间,进行第三次二分法,得到第四个添加位置D;优选地,还可以进行第N次二分法分割总迭代优化次数,以获得更优的计算精度。
本实施例中,优选地还可以通过精度控制法来确定蒙特卡罗计算模型的加入位置,进一步优选地,设定计算精度的阈值为0.6,0.4,0.2,0.1,0.05处添加蒙特卡罗计算模型;
2c.人工干预计算进程323
本实施例中优选地,通过手动修改放疗计划并使用当前的优化参数作为输入值继续优化;
2d.判断剂量计算结果是否满足预设阈值324;
通过步骤2c计算得到的总剂量D与计算目标D0(医嘱中给出的目标放疗剂量)的方差之和小于设定的阈值σ时(如公式(2)所示),完成计算任务;
(3)输出结果并显示330。
实施例3
一种混合蒙特卡罗的放疗逆向优化方法,适于在计算设备中执行,如图5所示包括如下步骤:
(1)输入患者数据和放射源参数、或者导入放疗计划610;
其中导入放疗计划包括患者数据、放射源参数以及射野参数,优选地,患者数据包括患者影像、勾画的器官组织、医嘱数据;患者影像包括CT影像、核磁影像中的一种或者组合;勾画的器官组织包括正常器官组织、靶区形状与位置;医嘱数据包括目标放疗剂量、DVH曲线、各器官放疗剂量约束值中的一种或组合;放射源参数包括放射源的类型、形状、位置、能量或方向中的一种或组合;射野参数包括射野角度、射野权重、射野形状或射束数量中的一种或者组合;
(2)在解析算法中加入蒙特卡罗算法进行混合剂量计算620:其中解析算法为笔形束算法或卷积算法;本实施例中进一步优选地,通过笔形束计算模型与蒙特卡罗计算模型混合计算射野剂量:
2a.首先计算初始射野权重621;
对于包含n个射野的放射野的总剂量D,计算公式(1)为:
D=ω1f1+ω2f2+…+ωnfn (1)
其中fn为单个射束的照射剂量;
ωn为单个射野的权重;
其中,
……
其中,m,p,…,q为单个射束投射到平面上所划分的网格(beamlet)的个数,为各射束投射到平面上所划分单个网格的面积权重;
通过对分别赋予任意值作为初始权重,计算各射束的初始射野的权重;
2b.将初始射野权重作为优化计算的输入值,采用解析算法不断进行迭代优化,在迭代优化的解析算法过程中插入蒙特卡罗计算模型进行剂量计算622,其中与插入的蒙特卡罗计算模型最近的解析算法结果作为蒙特卡罗优化计算的输入量,基于蒙特卡罗的优化计算输出量作为后续解析算法的输入量。蒙特卡罗计算模型在混合剂量计算中的插入位置可以为剂量计算优化过程中的黄金分割点、多次黄金分割点、二分法、精度控制法所在的位置或根据用户自定义设定;其中精度控制法是指当优化误差下降到一定阈值插入蒙特卡罗剂量计算的方法,阈值呈阶梯分布,为用户预设;
本实施例中,优选地通过精度控制法来确定蒙特卡罗计算模型的加入位置,进一步优选地,设定计算精度的阈值为0.6,0.4,0.2,0.1,0.05处添加蒙特卡罗计算模型;
2c.人工干预计算进程623:
本实施例中优选地,通过手动修改放疗计划并使用当前的优化参数作为输入值继续优化;
2d.判断剂量计算结果是否满足预设阈值624:
通过步骤2c计算得到的总剂量D与计算目标D0(医嘱中给出的目标放疗剂量)的方差之和小于设定的阈值σ时(如公式(2)所示),完成计算任务;
2e.剂量确认625:
所述的剂量确认包括:在混合剂量计算最后采用一次蒙特卡罗剂量计算,其结果作为最终剂量;本实施例中进一步优选地,还采用滤波器降低蒙特卡罗剂量计算误差;其中滤波器为Savitzky-Golay滤波器;
(3)输出结果并显示630。
实施例4
一种计算设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行,所述的一个或多个程序包括用于混合蒙特卡罗的放疗逆向优化方法的指令,其中该方法包括如下步骤:
(1)输入患者数据和放射源参数、或者导入放疗计划;其中导入放疗计划包括患者数据、放射源参数以及射野参数。
(2)在解析算法中加入蒙特卡罗计算模型进行混合剂量计算:
2a.首先通过解析算法计算出初始射野参数,或者从导入计划中获取初始射野参数;
2b.将初始射野参数作为优化计算的输入值,采用解析算法不断进行迭代优化,在迭代优化的解析算法过程中插入蒙特卡罗计算模型进行剂量计算;
2c.当逆向优化计算结果满足预设阈值时完成计算;
(3)输出结果并显示。
实施例5
本发明还提供一种存储一个或多个程序的计算机可读存储介质,所述的一个或多个程序包括指令,所述指令适于由存储器加载并执行上述混合蒙特卡罗的放疗逆向优化方法,该方法包括步骤:
(1)输入患者数据和放射源参数、或者导入放疗计划;其中导入放疗计划包括患者数据、放射源参数以及射野参数。
(2)在解析算法中加入蒙特卡罗计算模型进行混合剂量计算:
2a.首先通过解析算法计算出初始射野参数,或者从导入计划中获取初始射野参数;
2b.将初始射野参数作为优化计算的输入值,采用解析算法不断进行迭代优化,在迭代优化的解析算法过程中插入蒙特卡罗计算模型进行剂量计算;
2c.当逆向优化计算结果满足预设阈值时完成计算;
(3)输出结果并显示。
本发明上述实施例1~3提供的混合蒙特卡罗的放疗逆向优化方法能够结合蒙特卡罗算法和解析算法的优点,在保证计算速度的同时兼顾计算精度;另外,还能避免仅使用解析算法得到的“假收敛”造成的计算结果误差。
应当理解,这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被该机器执行时,该机器变成实践本发明的设备。
以示例而非限制的方式,计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于这里的实施例,本领域技术人员根据本发明的揭示,不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (10)
1.一种混合蒙特卡罗的放疗逆向优化方法,适于在计算设备中执行,其特征在于:包括如下步骤:
(1)输入患者数据和放射源参数、或者导入历史放疗计划;其中导入的历史放疗计划包括患者数据、放射源参数以及射野参数;
(2)在解析算法中加入蒙特卡罗计算模型进行混合剂量计算:
2a.首先计算出初始射野参数,或者从导入的历史放疗计划中获取初始射野参数;
2b.将初始射野参数作为优化计算的输入值,采用解析算法不断进行迭代优化,在迭代优化的解析算法过程中插入蒙特卡罗计算模型进行剂量计算;
2c.当逆向优化计算结果满足预设阈值时完成计算;
(3)输出结果并显示。
2.根据权利要求1所述的混合蒙特卡罗的放疗逆向优化方法,其特征在于:所述的患者数据包括患者影像、勾画的器官组织、医嘱数据;
或所述的患者影像包括CT影像、核磁影像中的一种或者组合;勾画的器官包括正常器官组织、靶区形状与位置;
或所述的医嘱数据包括目标放疗剂量、DVH曲线、各器官放疗剂量约束值中的一种或组合。
3.根据权利要求1所述的混合蒙特卡罗的放疗逆向优化方法,其特征在于:所述的放射源参数包括放射源的类型、形状、位置、能量或方向中的一种或组合。
4.根据权利要求1所述的混合蒙特卡罗的放疗逆向优化方法,其特征在于:所述的解析算法为笔形束算法或卷积算法。
5.根据权利要求1所述的混合蒙特卡罗的放疗逆向优化方法,其特征在于:射野参数包括射野角度、射野权重、射野形状或射束数量中的一种或者组合。
6.根据权利要求1所述的混合蒙特卡罗的放疗逆向优化方法,其特征在于:步骤(2b)中,蒙特卡罗计算模型在混合剂量计算中的插入位置为剂量计算优化过程中的黄金分割点、多次黄金分割点、二分法、精度控制法所在的位置或根据用户自定义设定;其中所述的精度控制法是指当优化误差下降到一定阈值插入蒙特卡罗剂量计算的方法,阈值呈阶梯分布,为用户预设。
7.根据权利要求1所述的混合蒙特卡罗的放疗逆向优化方法,其特征在于:步骤(2c)中的阈值为计算精度和/或总迭代次数。
8.根据权利要求1所述的混合蒙特卡罗的放疗逆向优化方法,其特征在于:所述的步骤(2b)和(2c)之间还包括人工干预计算进程的步骤,所述的人工干预包括:暂停计算或手动修改放疗计划并使用当前的优化参数作为输入值继续优化;
和/或者所述的步骤(2c)之后还包括剂量确认步骤,所述的剂量确认包括:采用蒙特卡罗剂量计算确认最终剂量、和/或采用滤波器降低剂量计算误差;所述的滤波器可采用Savitzky-Golay滤波器。
9.一种计算设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行,所述的一个或多个程序包括用于上述权利要求1-8中任一所述的混合蒙特卡罗的放疗逆向优化方法的指令。
10.一种存储一个或多个程序的计算机可读存储介质,所述的一个或多个程序包括指令,所述指令适于由存储器加载并执行上述权利要求1-8中任一所述的混合蒙特卡罗的放疗逆向优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810012136.2A CN109999365B (zh) | 2018-01-05 | 2018-01-05 | 一种用于实现放疗逆向优化方法的计算设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810012136.2A CN109999365B (zh) | 2018-01-05 | 2018-01-05 | 一种用于实现放疗逆向优化方法的计算设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109999365A true CN109999365A (zh) | 2019-07-12 |
CN109999365B CN109999365B (zh) | 2021-04-20 |
Family
ID=67164657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810012136.2A Active CN109999365B (zh) | 2018-01-05 | 2018-01-05 | 一种用于实现放疗逆向优化方法的计算设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109999365B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022048043A1 (zh) * | 2020-09-01 | 2022-03-10 | 苏州雷泰医疗科技有限公司 | 一种多叶光栅侧面穿射半影计算方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110200170A1 (en) * | 2010-02-18 | 2011-08-18 | Varian Medical Systems International Ag | Method and System for Treating Moving Target |
CN104338240A (zh) * | 2014-10-31 | 2015-02-11 | 章桦 | 一种在线自适应放疗计划自动优化方法及装置 |
CN105031819A (zh) * | 2015-08-25 | 2015-11-11 | 上海联影医疗科技有限公司 | 一种剂量优化方法与系统 |
CN105617535A (zh) * | 2015-12-24 | 2016-06-01 | 上海联影医疗科技有限公司 | 一种剂量分布估算方法以及子野优化方法 |
AU2014357315A1 (en) * | 2013-11-27 | 2016-06-23 | Adaptiiv Medical Technologies Inc. | System and method for manufacturing bolus for radiotherapy using a three-dimensional printer |
CN106199672A (zh) * | 2016-06-30 | 2016-12-07 | 中国科学院合肥物质科学研究院 | 一种基于蒙特卡罗光子模拟的卷积叠加剂量计算方法 |
CN106730411A (zh) * | 2016-12-21 | 2017-05-31 | 上海联影医疗科技有限公司 | 放射治疗计划优化方法及系统 |
-
2018
- 2018-01-05 CN CN201810012136.2A patent/CN109999365B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110200170A1 (en) * | 2010-02-18 | 2011-08-18 | Varian Medical Systems International Ag | Method and System for Treating Moving Target |
AU2014357315A1 (en) * | 2013-11-27 | 2016-06-23 | Adaptiiv Medical Technologies Inc. | System and method for manufacturing bolus for radiotherapy using a three-dimensional printer |
CN104338240A (zh) * | 2014-10-31 | 2015-02-11 | 章桦 | 一种在线自适应放疗计划自动优化方法及装置 |
CN105031819A (zh) * | 2015-08-25 | 2015-11-11 | 上海联影医疗科技有限公司 | 一种剂量优化方法与系统 |
CN105617535A (zh) * | 2015-12-24 | 2016-06-01 | 上海联影医疗科技有限公司 | 一种剂量分布估算方法以及子野优化方法 |
CN106199672A (zh) * | 2016-06-30 | 2016-12-07 | 中国科学院合肥物质科学研究院 | 一种基于蒙特卡罗光子模拟的卷积叠加剂量计算方法 |
CN106730411A (zh) * | 2016-12-21 | 2017-05-31 | 上海联影医疗科技有限公司 | 放射治疗计划优化方法及系统 |
Non-Patent Citations (1)
Title |
---|
肖期德: ""基于蒙特卡罗的调强放疗笔形束剂量计算系统研发"", 《湖南大学硕士论文》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022048043A1 (zh) * | 2020-09-01 | 2022-03-10 | 苏州雷泰医疗科技有限公司 | 一种多叶光栅侧面穿射半影计算方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109999365B (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wan Chan Tseung et al. | A fast GPU‐based Monte Carlo simulation of proton transport with detailed modeling of nonelastic interactions | |
CN110124214B (zh) | 预测剂量分布引导的调强放疗计划优化系统、介质及设备 | |
CN104338240B (zh) | 一种在线自适应放疗计划自动优化装置 | |
CN105893772B (zh) | 用于放射治疗计划的数据获取方法和装置 | |
US20090326615A1 (en) | Method for controlling modulation strength in radiation therapy | |
CN110415785A (zh) | 人工智能引导放疗计划的方法及系统 | |
CN105377368B (zh) | 用于控制imrt递送复杂度的交互式基于剂量梯度的优化技术 | |
JP2006142043A (ja) | 放射線治療線量を自動的に計画する方法 | |
CN110570923B (zh) | 一种混合蒙特卡罗的放疗逆向优化方法、设备和存储介质 | |
CN104107062A (zh) | 一种评估放射治疗效果方法及系统 | |
CN108415058A (zh) | 放射线的剂量计算方法及系统 | |
CN113192554A (zh) | 放射粒子内放疗介入手术机器人的剂量优化方法及介质 | |
CN108310677A (zh) | 基于医学影像数据的平滑几何模型建立方法 | |
CN109125952A (zh) | 基于核模型的卷积叠加剂量计算方法 | |
Adam et al. | New capabilities of the Monte Carlo dose engine ARCHER‐RT: Clinical validation of the Varian TrueBeam machine for VMAT external beam radiotherapy | |
Grevillot et al. | The GATE-RTion/IDEAL independent dose calculation system for light ion beam therapy | |
Wang et al. | An integrated solution of deep reinforcement learning for automatic IMRT treatment planning in non-small-cell lung cancer | |
Ureba et al. | MCTP system model based on linear programming optimization of apertures obtained from sequencing patient image data maps | |
Bhagroo et al. | Secondary monitor unit calculations for VMAT using parallelized Monte Carlo simulations | |
Ecclestone et al. | Experimental validation of the van Herk margin formula for lung radiation therapy | |
CN109999365A (zh) | 一种混合蒙特卡罗的放疗逆向优化方法、设备和存储介质 | |
Zhang et al. | A two-stage sequential linear programming approach to IMRT dose optimization | |
Wuyckens et al. | OpenTPS--Open-source treatment planning system for research in proton therapy | |
CN107998519A (zh) | 一种用于imrt的分子动力学再优化算法 | |
CN109248385B (zh) | 基于蒙特卡洛树搜索的放射治疗计划优化系统 |
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 |