CN110013613A - 一种硼中子俘获治疗计划系统 - Google Patents

一种硼中子俘获治疗计划系统 Download PDF

Info

Publication number
CN110013613A
CN110013613A CN201910305193.4A CN201910305193A CN110013613A CN 110013613 A CN110013613 A CN 110013613A CN 201910305193 A CN201910305193 A CN 201910305193A CN 110013613 A CN110013613 A CN 110013613A
Authority
CN
China
Prior art keywords
hexahedron
module
monte
calculates
region
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.)
Pending
Application number
CN201910305193.4A
Other languages
English (en)
Inventor
黄红
李国威
彭志远
冷志涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan East Sunshine High Energy Medical Equipment Co Ltd
Original Assignee
Dongguan East Sunshine High Energy Medical Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongguan East Sunshine High Energy Medical Equipment Co Ltd filed Critical Dongguan East Sunshine High Energy Medical Equipment Co Ltd
Priority to CN201910305193.4A priority Critical patent/CN110013613A/zh
Publication of CN110013613A publication Critical patent/CN110013613A/zh
Pending legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103Treatment planning systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103Treatment planning systems
    • A61N5/1039Treatment planning systems using functional images, e.g. PET or MRI
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103Treatment planning systems
    • A61N5/1031Treatment planning systems using a specific method of dose optimization
    • A61N2005/1034Monte 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

本发明公开了一种基于蒙特卡罗程序的硼中子俘获治疗的治疗计划系统,所述系统包括:医学图像导入模块,对各种形式的医学图像进行导入;信息获取模块,获取患者的各种信息,模板库匹配模块,对导入的患者肿瘤信息进行快速的匹配,找出肿瘤生长部位可以接受的最大像素尺寸;空气切除模块,对医学图像组织以外的空气进行切除,减少不必要的计算时间;ROI圈画及几何建模模块,实现对肿瘤和关键器官圈画,同时通过不同大小的混合网格构建蒙特卡罗剂量计算输入模型;剂量模块,构建完整蒙特卡罗剂量计算文件,实现剂量计算并输出剂量计算结果。通过本发明提出的治疗计划系统,能够克服现有治疗计划剂量计算系统网格单一,计算时间长的缺点,提高了剂量计算效率。

Description

一种硼中子俘获治疗计划系统
技术领域
本发明实施例涉及放疗技术领域,尤其涉及一种硼中子俘获治疗计划系统、方法、设备和存储介质。
背景技术
治疗计划系统是在放射治疗前将患者的电子计算机断层扫描CT(ComputedTomography)、磁共振成像(Magnetic Resonance Imaging,MRI)或其他图像资料输入计算机,计算机根据这些资料构建患者的3D模型,针对不同的治疗方案的剂量分布进行计算,并进行优选的系统。它的重要性在于利用计算机治疗计划系统,在放疗前即可在计算机上就各种不同治疗方案的剂量分布进行计算,并根据计算结果选取对肿瘤治疗最为合理的剂量分布方案,并付诸实施。
现有的硼中子俘获(BNCT)治疗计划系统在进行剂量计算构建模型时,通常将患者模型分成无数个大小一致的六面体,通过在每个六面体填充相应亨氏单位(hounsfieldunit,HU)值对应的材料,并计算每个六面体的剂量分布,从而获取整个模型的剂量分布,六面体越大,剂量计算结果越粗糙,所需要的计算时间也越短,反之,六面体越小,剂量计算的结果越精确,需要的时间也越长,即使现在很多的BNCT机构采用服务器进行并行计算,但是为了保证单次剂量计算的准确度,计算时间仍然高达8-10小时。
在剂量计算时,我们往往更关注肿瘤以及关键器官等感兴趣区域(region ofinterest,ROI),对于其他组织的剂量分布精确度要求不如感兴趣区域高,现有的BNCT治疗计划系统剂量计算方法通常是对其他组织也采用与ROI区域相同大小的网格进行剂量计算,这种做法将浪费大量的计算时间。
发明内容
本发明的目的是通过以下技术方案实现的。
本发明针对上述问题,提出了一种混合网格的建模方式,通过对ROI区域采用细网格,非ROI区域采用粗网格,计算整个区域的剂量分布,再从大量的剂量数据中挑选出感兴趣区域的数据绘制剂量体积直方图(dose volume histogram,DVH),在准确度不变的情况下大幅度减少对周围非ROI区域的剂量计算时间,提高了治疗计划的效率。
第一方面,本发明实施例提供了一种硼中子俘获治疗计划系统,所述系统包括:医学图像导入模块,用于导入各种形式的医学图像;信息获取模块,用于获取患者的各种信息;模板库匹配模块,用于对导入的患者肿瘤信息进行匹配,得到肿瘤生长部位可以接受的最大像素尺寸;空气切除模块,用于对医学图像组织以外的空气进行切除;ROI圈画及几何建模模块,用于对感兴趣区域圈画,通过不同大小的混合网格构建蒙特卡罗剂量计算输入模型;剂量模块,构建完整蒙特卡罗剂量计算文件,实现剂量计算并输出剂量计算结果。
第二方面,本发明实施例还提供了一种硼中子俘获治疗计划方法,所述方法包括:医学图像导入步骤,用于导入各种形式的医学图像;信息获取步骤,用于获取患者的各种信息;模板库匹配步骤,用于对导入的患者肿瘤信息进行匹配,得到肿瘤生长部位可以接受的最大像素尺寸;空气切除步骤,用于对医学图像组织以外的空气进行切除;ROI圈画及几何建模步骤,用于对肿瘤和关键器官圈画,通过不同大小的混合网格构建蒙特卡罗剂量计算输入模型;剂量计算步骤,构建完整蒙特卡罗剂量计算文件,实现剂量计算并输出剂量计算结果。
第三方面,本发明实施例还提供了一种设备,所述设备包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例提供的硼中子俘获治疗计划方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例提供的硼中子俘获治疗计划方法。
本发明的优点在于:通过本发明提出的治疗计划系统,能够克服现有治疗计划剂量计算系统网格单一,计算时间长的缺点,提高了剂量计算效率。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1:本发明治疗计划系统总体结构示意图;
图2:本发明治疗计划系统中空气切除方式示意图;
图3:现有BNCT治疗计划系统相同大小的六面体建模方式示意图;
图4:本发明治疗计划系统中使用的建模方式示意图;
图5:本发明治疗计划系统ROI圈画及建模模块具体流程图;
图6:本系统ROI圈画区域扩充示意图;
图7:本系统判断六面体位置示意图;
图8:本发明的剂量模块主要流程图;
图9:本发明实施例三中的一种设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1为本系统的总体结构图。如图所示,一种基于蒙特卡罗程序的硼中子俘获治疗的治疗计划系统,所述系统主要包括:医学图像导入模块,对各种形式的医学图像进行导入;信息获取模块,获取患者的各种信息;模板库匹配模块,对导入的患者肿瘤信息进行快速的匹配,找出肿瘤生长部位可以接受的最大像素尺寸;空气切除模块,对医学图像组织以外周围的空气进行切除,减少不必要的计算时间;ROI圈画及几何建模模块,实现对肿瘤和关键器官圈画,同时通过不同大小的混合网格构建蒙特卡罗剂量计算输入模型;剂量模块,构建完整蒙特卡罗剂量计算文件,实现剂量计算并输出剂量计算结果。
本发明的基于蒙特卡罗程序的硼中子俘获治疗的治疗计划系统,其工作原理如下:
首先,将CT、MRI、PET等扫描的具有DICOM格式的多张医学图像导入到治疗计划系统内,每张DICOM图像在Z方向上具有一定的厚度Z1,多张DICOM格式的图像能够在Z方向上叠加构成扫描部位的3D图形。DICOM(Digital Imaging and Communications inMedicine)即医学数字成像和通信,是医学图像和相关信息的国际标准(ISO 12052)。PET全称为正电子发射计算机断层显像(positron emission tomography PET),是反映病变的基因、分子、代谢及功能状态的显像设备。它是利用正电子核素标记葡萄糖等人体代谢物作为显像剂,通过病灶对显像剂的摄取来反映其代谢变化,从而为临床提供疾病的生物代谢信息。
接着,信息获取模块获取DICOM图像上包含的患者信息,包括患者本人的相关信息,如姓名,年龄,肿瘤类型,肿瘤生长部位等。
信息获取模块还可以获取DICOM图像上的图片信息,包括DICOM图像的总张数Zn,每张DICOM图像的对应的厚度Z1,每张DICOM图像分别在X,Y方向包含的像素的个数Xn和Yn,单个像素在X和Y方向上分别对应的几何尺寸大小X1、Y1,图片上每个像素对应的HU值等信息等,通常组织对应的HU值大于0,而空气的HU为-1000,系统通过判断HU值的大小,用相切于组织的六面体将DICOM图像周围的空气进行切除,图2为空气切除方式。
现有的BNCT治疗计划系统在进行剂量计算构建模型时,通常将患者模型分成无数个大小一致的六面体,这些六面体在X与Y方向上的大小可能是导入图像的一个像素大小,也可能是导入DICOM图像的多个像素合并的结果,六面体Z方向上的厚度通常是1张或多张DICOM图像叠加的厚度,具体示意图如图3所示。通过在每个六面体填充相应HU值对应的材料,并计算每个六面体的剂量分布,从而获取整个模型的剂量分布,六面体越大,剂量计算结果越粗糙,所需要的计算时间也越短,反之,六面体越小,剂量计算的结果越精确,需要的时间也越长。表1是真实人体头模采用不同大小六面体的计算时间与误差,表2是Snyder标准头模采用不同大小六面体的计算时间与误差。
表1人体头模采用不同大小六面体的计算时间与误差
表2 Snyder头模采用不同大小六面体的计算时间与误差
但是在剂量计算时,我们往往更关注肿瘤以及关键器官等感兴趣区域(region ofinterest,ROI),对于其他组织的剂量分布并不是特别关注,由于需要根据ROI区域的剂量来绘制DVH,以预测或检验治疗效果,因此ROI区域计算结果需要更精确,而其他组织的剂量分布用于判断是否符合安全标准以避免照射剂量过高,因此其计算结果的精确度比ROI区域要求低。现有的BNCT治疗计划系统剂量计算方法通常是对其他组织也采用与ROI区域相同大小的网格进行剂量计算,这种做法将浪费大量的计算时间,本发明针对此,提出了一种混合网格的建模方式,通过对ROI区域采用细网格,非ROI区域采用粗网格,计算整个区域的剂量分布,再从大量的剂量数据中挑选出感兴趣区域的数据绘制剂量体积直方图(dosevolume histogram,DVH),在准确度不变的情况下大幅度减少对周围非ROI区域的剂量计算时间,提高了治疗计划的效率。本系统六面体分布示意图如图4所示。如图4所示,选取了重点关注区域1、2、3,即ROI区域,其他区域则属于非重点关注区域,即非ROI区域。
图5是本发明的ROI圈画及几何建模模块流程图。
首先系统根据HU值对肿瘤或者关键器官等ROI区域圈画,在圈画过程中自动寻找ROI区域的边界,并以与该区域相切的六面体定义该区域。
由于该系统圈画的六面体区域在X和Y方向上不一定包含整数个像素,所以系统进行相应的判断,首先判断该六面体在X和Y方向上是否均包含整数个像素,如果包含整数个像素大小,则进行圈画区域在Z方向上的厚度ZL判断。如果该六面体区域在X或Y任意方向上不包含整数个区域,则在该方向上进行适当扩大,直到满足包含的像素个数为整数个,该步骤示意图如图6。
获取圈画区域在Z方向上的厚度ZL,判断ZL是否是单张DICOM图像厚度Z1的整数倍,如果是,则获取该区域在X,Y,Z方向上的长度XL、YL和ZL,其中ZL为其对应关系应该如下:XL=N*X1;YL=M*Y1;ZL=L*Z1;其中M,N,L均为整数。
如果判断ZL不是Z1的整数倍,则对ZL进行适当放大,取满足ZL=L*Z1(L为整数)的最小的值作为ZL的大小,然后获取该区域在X,Y,Z方向上的长度XL、YL和ZL,其中ZL为其对应关系应该如下:XL=N*X1;YL=M*Y1;ZL=L*Z1;其中M,N,L均为整数。
圈画完成后,开始按照感兴趣区域与非感兴趣区域分别输出蒙特卡罗剂量计算程序几何文件,该蒙特卡罗程序可以是MCNP、MCNPX、Geant4、FLUKA、PHITs等能输运中子和光子的蒙特卡罗程序中的任意一种。
输入用户想要的构建模型的最小六面体(长X1,宽Y1)在Z方向上的厚度Z0,系统自动计算最小六面体在Z方向上对应的DICOM图像张数MM。
将模型分成无数个长为X1,宽Y1,高Z0的最小六面体,通过求平均值的方式,对MM张DICOM图像在最小六面体内的部分的HU值求取平均值。
从模型的任意一个角开始,依次判断每个六面体是否位于ROI区域,如果位于ROI区域,则将参照系统内置的HU值与材料、密度转换关系表,将该六面体对应的HU值转换成对应的材料和密度,然后将该六面体的几何尺寸大小X1、Y1、Z0以及对应的材料、密度作为蒙特卡罗程序几何部分输入档输入。示意图如图7。
如果六面体位于ROI区域外,则根据信息获取模块获取的肿瘤生长部位,从模板库匹配模块中寻找该肿瘤生长部位可以接受的在X和Y方向上的最大尺寸MAX,计算MAX分别与X1,Y1的比值RX与RY。
判断RX和RY是否都是整数,如果不是,则取小于RX或RY且最接近于RX或RY的整数作为新的RX或RY。
将相邻MM张DICOM图像上X方向上相邻的RX个最小六面体进行合并,根据各部分权重,计算新的HU值。
将相邻MM张DICOM图像上Y方向上相邻的RY个最小六面体进行合并,根据各部分权重,计算新的HU值。
根据系统内置的HU值与材料、密度转换关系表,将合并之后的新的HU值转换成相应的材料与密度,并将该新六面体的几何尺寸大小RX*X1、RY*Y1,Z0以及对应的材料、密度作为蒙特卡罗程序几何部分输入档输入。
接下来给定照射源信息,即设置照射源信息,包括照射角度,照射源个数,照射方向等。
最后,剂量模块将照射源的信息转换成蒙特卡罗程序的输入信息,开始剂量计算,绘制DVH图输出,如图8所示。
表2(后两行)是采用本发明的混合方式后的计算时间和误差,可以看出采用混合网格模型,显著减少了剂量计算的时间,且提高了全用大六面体的计算准确性。
实施例二
本实施例提供一种硼中子俘获治疗计划方法,所述方法包括:医学图像导入步骤,用于导入各种形式的医学图像;信息获取步骤,用于获取患者的各种信息;模板库匹配步骤,用于对导入的患者肿瘤信息进行匹配,得到肿瘤生长部位可以接受的最大像素尺寸;空气切除步骤,用于对医学图像组织以外的空气进行切除;ROI圈画及几何建模步骤,用于对肿瘤和关键器官圈画,通过不同大小的混合网格构建蒙特卡罗剂量计算输入模型;剂量计算步骤,构建完整蒙特卡罗剂量计算文件,实现剂量计算并输出剂量计算结果。
本实施例提出的硼中子俘获治疗计划方法与本发明实施例提出的硼中子俘获治疗计划系统属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
实施例三
本实施例三提供了一种设备。图9是本发明实施例三提供的一种设备的结构示意图。参见图9,该设备包括:
一个或多个处理器510;
存储器520,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器510执行,使得所述一个或多个处理器510实现如本发明实施例提出的硼中子俘获治疗计划方法。
图5中以一个处理器510为例;处理器510和存储器520可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器520作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的硼中子俘获治疗计划方法对应的程序指令/模块。处理器510通过运行存储在存储器520中的软件程序、指令以及模块,从而实现上述的硼中子俘获治疗计划方法。
存储器520可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据机顶盒的使用所创建的数据等。此外,存储器520可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器520可进一步包括相对于处理器510远程设置的存储器,这些远程存储器可以通过网络连接至机顶盒。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本实施例提出的设备与本发明实施例提出的硼中子俘获治疗计划方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
实施例四
本实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例提出的硼中子俘获治疗计划方法。
本实施例提出的计算机可读存储介质与本发明实施例提出的硼中子俘获治疗计划方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台机顶盒(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种硼中子俘获治疗计划系统,其特征在于,所述系统包括:
医学图像导入模块,用于导入各种形式的医学图像;
信息获取模块,用于获取患者的各种信息;
模板库匹配模块,用于匹配导入的患者肿瘤信息,得到肿瘤生长部位可以接受的最大像素尺寸;
空气切除模块,用于切除医学图像中组织以外的空气;
ROI圈画及几何建模模块,用于圈画感兴趣区域,通过不同大小的混合网格构建蒙特卡罗剂量计算输入模型;
剂量模块,构建完整蒙特卡罗剂量计算文件,实现剂量计算并输出剂量计算结果。
2.根据权利要求1所述的系统,其特征在于,
所述医学图像具有DICOM格式,每张图像在Z方向上具有一定厚度,多张图像在Z方向上叠加构成扫描部位的3D图形。
3.根据权利要求1或2所述的系统,其特征在于,
所述患者信息包括:姓名、年龄、肿瘤类型、肿瘤生长部位。
4.根据权利要求3所述的系统,其特征在于,
所述信息获取模块还获取所述医学图像上的图片信息,包括:DICOM图像的总张数Zn、每张DICOM图像对应的厚度Z1、每张DICOM图像分别在X,Y方向包含的像素个数Xn和Yn、单个像素在X和Y方向上分别对应的几何尺寸大小X1和Y1、图像上每个像素对应的亨氏单位值。
5.根据权利要求1所述的系统,其特征在于,
所述空气切除模块通过判断亨氏单位值的大小,用相切于组织的六面体切除DICOM图像周围的空气。
6.根据权利要求4所述的系统,其特征在于,
所述对感兴趣区域圈画,包括:
根据亨氏单位值对感兴趣区域圈画,在圈画过程中寻找感兴趣区域的边界,并以与该感兴趣区域相切的六面体定义该区域;
判断该六面体在X和Y方向上是否均包含整数个像素,如果包含整数个像素大小,则判断圈画区域在Z方向上的厚度ZL;如果该六面体在X或Y方向上不包含整数个区域,则在该方向上适当扩大,直到满足包含的像素个数为整数个;
获取圈画区域在Z方向上的厚度ZL,判断ZL是否是单张DICOM图像厚度Z1的整数倍,如果是,则获取该区域在X,Y,Z方向上的长度XL、YL和ZL;如果判断ZL不是Z1的整数倍,则对ZL适当放大,取满足ZL=L*Z1的最小的值作为ZL的大小,L为整数,然后获取该区域在X,Y,Z方向上的长度XL、YL和ZL。
7.根据权利要求6所述的系统,其特征在于,
所述通过不同大小的混合网格构建蒙特卡罗剂量计算输入模型,包括:
输入预计构建模型的最小六面体在Z方向上的厚度Z0,计算最小六面体在Z方向上对应的DICOM图像张数MM;
将预计构建模型分成多个长为X1,宽Y1,高Z0的最小六面体,对MM张DICOM图像在最小六面体内的部分的亨氏单位值求取平均值;
从所述预计构建模型的任意一个角开始,依次判断每个最小六面体是否位于感兴趣区域,如果位于感兴趣区域,则根据预设亨氏单位值与材料、密度转换关系表,将该最小六面体对应的亨氏单位值转换成对应的材料和密度,然后将该最小六面体的几何尺寸大小以及对应的材料、密度作为蒙特卡罗程序几何文件;
如果最小六面体位于感兴趣区域外,则根据信息获取模块获取的肿瘤生长部位,在模板库匹配模块中寻找该肿瘤生长部位可以接受的在X和Y方向上的最大尺寸MAX,计算MAX分别与X1,Y1的比值RX与RY;判断RX和RY是否都是整数,如果不是,则取小于RX或RY且最接近于RX或RY的整数作为新的RX或RY;将相邻MM张DICOM图像上X方向上相邻的RX个最小六面体合并,根据各部分权重,计算新的亨氏单位值;将相邻MM张DICOM图像上Y方向上相邻的RY个最小六面体合并,根据各部分权重,计算新的亨氏单位值;根据预设亨氏单位值与材料、密度转换关系表,将合并之后的新的亨氏单位值转换成相应的材料与密度,并将该合并后的六面体的几何尺寸大小以及对应的材料、密度作为蒙特卡罗程序几何文件。
8.根据权利要求7所述的系统,其特征在于,
所述构建完整蒙特卡罗剂量计算文件,实现剂量计算并输出剂量计算结果,包括:
设置照射源信息,包括照射角度、照射源个数、照射方向;
将照射源信息转换成蒙特卡罗程序的输入信息,计算剂量,绘制剂量体积直方图输出。
9.一种硼中子俘获治疗计划方法,其特征在于,所述方法包括:
医学图像导入步骤,用于导入各种形式的医学图像;
信息获取步骤,用于获取患者的各种信息;
模板库匹配步骤,用于匹配导入的患者肿瘤信息,得到肿瘤生长部位可以接受的最大像素尺寸;
空气切除步骤,用于切除医学图像组织以外的空气;
ROI圈画及几何建模步骤,用于对肿瘤和关键器官圈画,通过不同大小的混合网格构建蒙特卡罗剂量计算输入模型;
剂量计算步骤,构建完整蒙特卡罗剂量计算文件,实现剂量计算并输出剂量计算结果。
10.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求9所述的硼中子俘获治疗计划方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求9所述的硼中子俘获治疗计划方法。
CN201910305193.4A 2019-04-16 2019-04-16 一种硼中子俘获治疗计划系统 Pending CN110013613A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910305193.4A CN110013613A (zh) 2019-04-16 2019-04-16 一种硼中子俘获治疗计划系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910305193.4A CN110013613A (zh) 2019-04-16 2019-04-16 一种硼中子俘获治疗计划系统

Publications (1)

Publication Number Publication Date
CN110013613A true CN110013613A (zh) 2019-07-16

Family

ID=67191510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910305193.4A Pending CN110013613A (zh) 2019-04-16 2019-04-16 一种硼中子俘获治疗计划系统

Country Status (1)

Country Link
CN (1) CN110013613A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111494815A (zh) * 2020-05-14 2020-08-07 安徽慧软科技有限公司 基于混合变尺度模型的三维剂量计算方法、装置及介质
CN113877073A (zh) * 2020-07-03 2022-01-04 中硼(厦门)医疗器械有限公司 放射治疗系统及其治疗计划生成方法
WO2022078175A1 (zh) * 2020-10-14 2022-04-21 中硼(厦门)医疗器械有限公司 硼中子捕获治疗系统及其治疗计划生成方法
WO2024099252A1 (zh) * 2022-11-07 2024-05-16 中硼(厦门)医疗器械有限公司 硼中子捕获治疗系统及其治疗计划生成方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6148272A (en) * 1998-11-12 2000-11-14 The Regents Of The University Of California System and method for radiation dose calculation within sub-volumes of a monte carlo based particle transport grid
CN104548372A (zh) * 2015-01-07 2015-04-29 上海联影医疗科技有限公司 放射治疗计划、剂量确定、质量保证的方法及装置
WO2015194554A1 (ja) * 2014-06-16 2015-12-23 住友重機械工業株式会社 放射線治療シミュレーション装置
CN106920234A (zh) * 2017-02-27 2017-07-04 北京连心医疗科技有限公司 一种复合式自动放疗计划的方法
CN107290774A (zh) * 2017-07-21 2017-10-24 四川瑶天纳米科技有限责任公司 中子剂量快速确定方法
CN108269294A (zh) * 2018-02-10 2018-07-10 深圳市倍康美医疗电子商务有限公司 一种口腔cbct图像信息分析的方法及系统
CN108310683A (zh) * 2015-11-17 2018-07-24 南京中硼联康医疗科技有限公司 基于医学影像数据的几何模型建立方法
CN108778420A (zh) * 2016-03-31 2018-11-09 住友重机械工业株式会社 中子捕获治疗法用治疗计划系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6148272A (en) * 1998-11-12 2000-11-14 The Regents Of The University Of California System and method for radiation dose calculation within sub-volumes of a monte carlo based particle transport grid
WO2015194554A1 (ja) * 2014-06-16 2015-12-23 住友重機械工業株式会社 放射線治療シミュレーション装置
CN104548372A (zh) * 2015-01-07 2015-04-29 上海联影医疗科技有限公司 放射治疗计划、剂量确定、质量保证的方法及装置
CN108310683A (zh) * 2015-11-17 2018-07-24 南京中硼联康医疗科技有限公司 基于医学影像数据的几何模型建立方法
CN108778420A (zh) * 2016-03-31 2018-11-09 住友重机械工业株式会社 中子捕获治疗法用治疗计划系统
CN106920234A (zh) * 2017-02-27 2017-07-04 北京连心医疗科技有限公司 一种复合式自动放疗计划的方法
CN107290774A (zh) * 2017-07-21 2017-10-24 四川瑶天纳米科技有限责任公司 中子剂量快速确定方法
CN108269294A (zh) * 2018-02-10 2018-07-10 深圳市倍康美医疗电子商务有限公司 一种口腔cbct图像信息分析的方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周光鲁: "基于二维图像的三维模型算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111494815A (zh) * 2020-05-14 2020-08-07 安徽慧软科技有限公司 基于混合变尺度模型的三维剂量计算方法、装置及介质
CN111494815B (zh) * 2020-05-14 2022-04-29 安徽慧软科技有限公司 基于混合变尺度模型的三维剂量计算方法、装置及介质
CN113877073A (zh) * 2020-07-03 2022-01-04 中硼(厦门)医疗器械有限公司 放射治疗系统及其治疗计划生成方法
WO2022001594A1 (zh) * 2020-07-03 2022-01-06 中硼(厦门)医疗器械有限公司 放射治疗系统及其治疗计划生成方法
CN113877073B (zh) * 2020-07-03 2023-09-12 中硼(厦门)医疗器械有限公司 放射治疗系统及其治疗计划生成方法
WO2022078175A1 (zh) * 2020-10-14 2022-04-21 中硼(厦门)医疗器械有限公司 硼中子捕获治疗系统及其治疗计划生成方法
WO2024099252A1 (zh) * 2022-11-07 2024-05-16 中硼(厦门)医疗器械有限公司 硼中子捕获治疗系统及其治疗计划生成方法

Similar Documents

Publication Publication Date Title
CN110013613A (zh) 一种硼中子俘获治疗计划系统
Yoriyaz et al. Monte Carlo MCNP-4B–based absorbed dose distribution estimates for patient-specific dosimetry
Bolch et al. Hybrid computational phantoms for medical dose reconstruction
Besemer et al. Development and validation of RAPID: a patient-specific Monte Carlo three-dimensional internal dosimetry platform
Lee et al. The UF series of tomographic computational phantoms of pediatric patients
TWI639134B (zh) Method for establishing geometric model based on medical image
US20190350550A1 (en) Method and system for determining irradiation dose
JP5641503B2 (ja) マルチステップ・ラティス・ボクセル法
Stabin et al. Photon specific absorbed fractions calculated in the trunk of an adult male voxel-based phantom
JP6938647B2 (ja) 医用画像データに基づく平滑化幾何的モデルの構築方法
Hoseinian-Azghadi et al. Development of a 9-months pregnant hybrid phantom and its internal dosimetry for thyroid agents
Peng et al. A review of computational phantoms for quality assurance in radiology and radiotherapy in the deep-learning era
Poon et al. BrachyGUI: an adjunct to an accelerated Monte Carlo photon transport code for patient-specific brachytherapy dose calculations and analysis
Zhang et al. Organ dose calculations by Monte Carlo modeling of the updated VCH adult male phantom against idealized external proton exposure
WO2022126475A1 (en) Systems and methods for clinical target contouring in radiotherapy
Wang et al. Deep learning-augmented head and neck organs at risk segmentation from CT volumes
CN117275670A (zh) 一种剂量分布的预测方法、系统、装置和存储介质
Zhang et al. Individualized and inverse optimized needle configuration for combined intracavitary-interstitial brachytherapy in locally advanced cervical cancer
Marungo et al. Creating a data science platform for developing complication risk models for personalized treatment planning in radiation oncology
CN115131376A (zh) 一种体素合并方法及相关装置
Xu et al. Preliminary development of a 4D anatomical model for Monte Carlo simulations
Loudos et al. A radionuclide dosimetry toolkit based on material-specific Monte Carlo dose kernels
Khodajou-Chokami et al. Data fusion approach for constructing unsupervised augmented voxel-based statistical anthropomorphic phantoms
Shi et al. SAF values for internal photon emitters calculated for the RPI‐P pregnant‐female models using Monte Carlo methods
He et al. Quantitative Comparisons of Deep-learning-based and Atlas-based Auto-segmentation of the Intermediate Risk Clinical Target Volume for Nasopharyngeal Carcinoma

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190716

RJ01 Rejection of invention patent application after publication