CN110114117B - 用于辐射治疗计划的计算机系统和计算机产品 - Google Patents
用于辐射治疗计划的计算机系统和计算机产品 Download PDFInfo
- Publication number
- CN110114117B CN110114117B CN201780081576.7A CN201780081576A CN110114117B CN 110114117 B CN110114117 B CN 110114117B CN 201780081576 A CN201780081576 A CN 201780081576A CN 110114117 B CN110114117 B CN 110114117B
- Authority
- CN
- China
- Prior art keywords
- quality indicator
- constraints
- computer system
- constraint
- radiation therapy
- 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
- A61N5/103—Treatment planning systems
-
- 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
- A61N5/1038—Treatment planning systems taking into account previously administered plans applied to the same patient, i.e. adaptive radiotherapy
-
- 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
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21K—TECHNIQUES FOR HANDLING PARTICLES OR IONISING RADIATION NOT OTHERWISE PROVIDED FOR; IRRADIATION DEVICES; GAMMA RAY OR X-RAY MICROSCOPES
- G21K1/00—Arrangements for handling particles or ionising radiation, e.g. focusing or moderating
- G21K1/02—Arrangements for handling particles or ionising radiation, e.g. focusing or moderating using diaphragms, collimators
- G21K1/025—Arrangements for handling particles or ionising radiation, e.g. focusing or moderating using diaphragms, collimators using multiple collimators, e.g. Bucky screens; other devices for eliminating undesired or dispersed radiation
-
- 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
Abstract
在交互式地操纵辐射治疗计划的剂量分布的方法中,在已获得初始候选治疗计划之后,将一组临床目标转移到一组约束中。每个约束可以所述剂量分布的相应质量指标的阈值来表达。然后可通过修改这组约束的阈值来交互式地修改所述剂量分布。可基于所述修改的阈值来执行重新优化。用户可为这组约束分配相对优先级。当修改某个约束时,重新优化的治疗计划可并不违反优先级高于所述修改的约束的那些约束,但可违反优先级低于所述修改的约束的那些约束。
Description
相关申请的交叉引用
本PCT申请要求2016年12月30日提交的美国非临时专利申请15/395,521的权益和优先权。上述专利申请的全部内容出于所有目的以引用的方式并入本文。
技术领域
本公开总体上涉及辐射治疗领域,并且更具体地涉及辐射治疗计划的剂量分布的交互式操纵。
背景技术
现代辐射疗法技术包括使用强度调制放射疗法(“IMRT”),通常借助于配备有多叶准直器(“MLC”)的外辐射治疗系统,诸如线性加速器。一般来说,对多叶准直器(具体来说,IMRT场)的使用允许放射科医生在改变辐射束的形状和剂量的同时从相对于靶标的给定入射方向治疗患者,从而提供在避免对附近健康组织的过度照射的同时向靶标体积内的靶标递送辐射的大幅增强的能力。然而,所述IMRT和其他复杂放射治疗技术(诸如,体积调制弧形疗法(VMAT)(其中在递送辐射的同时系统机架移动)和三维适形放射疗法(“3D适形”或“3DCRT”))给放射科医生带来的更大自由已使制定治疗计划的任务变得更困难。如本文所用,术语放射疗法应被广义地解释并且意图包括用于照射患者的各种技术,包括使用光子(诸如,高能x射线和伽马射线)和粒子(诸如,电子束和质子束)。虽然现代线性加速器使用MLC,但向靶标体积提供适形辐射的其他方法是已知的并且在本发明的范围内。
已经开发了用于创建IMRT或适形辐射疗法的辐射治疗计划的若干技术。一般来说,这些技术旨在解决以下“逆向”问题:确定角度、辐射剂量和MLC叶移动的最佳组合,以在使对健康组织的照射最小化的同时向靶标或有可能多个靶标递送期望总辐射剂量。此逆向问题对于开发弧形疗法计划来说更为复杂,在所述弧形疗法计划中,在照射靶标体积的同时,机架处于运动中。迄今为止,辐射肿瘤学家或其他医疗专业人员(诸如,医学物理学家和剂量测定员)已使用算法来开发和优化辐射治疗计划。
在IMRT中经常使用优化来达成辐射治疗计划,所述计划可以一组质量指标来实现一组临床目标。质量指标可包括由辐射治疗计划产生的剂量分布的统计量。例如,质量指标可包括计划靶标体积(PTV)的最大剂量Dmax、PTV的最小剂量Dmin、危及器官(OAR)的平均剂量Dmean、接收100%的规定剂量的PTV的百分比V100%(即剂量覆盖率)等。临床目标可以一组质量指标的一组阈值来表达。例如,临床目标可包括PTV的最大剂量Dmax应小于或等于规定剂量的105%(即,Dmax_PTV≤105%)、PTV的最小剂量Dmin应大于或等于规定剂量的95%(即,Dmin_PTV≥95%)、OAR的平均剂量Dmean应小于20Gy(即,Dmean_OAR≤20Gy)、接收100%的规定剂量的PTV的百分比V100%应大于95%(即,V100%>95%)等。
虽然当通过优化获得这种计划时医生可能能够识别出良好的治疗计划,但在优化之前难以指定一组唯一的临床目标。一种可能的方法是使用一组初始临床目标作为生成合理候选计划的起点,然后交互式地修改由候选计划生成的剂量分布以达到最佳计划。交互式地修改计划的一种方式是针对各种靶标结构和关键器官,直接在三维势力图中改变剂量分布或者修改剂量体积直方图(DVH)曲线。在这种方法中,当达到最终的最佳计划时,仅记录所得剂量分布,当医生修改剂量分布以达到最佳计划时,所得剂量分布本身可能无法清楚地传达医生的意图。因此,需要具有在可保留医生的意图的治疗计划中交互式地操纵剂量分布的方法。
发明内容
本发明提供如权利要求限定的方法。本发明还提供被配置为执行所要求保护和/或描述的方法的设备、装置和/或系统。
根据本发明的一些实施方案,提供用于交互式地操纵辐射治疗计划的剂量分布的系统、方法和设备。例如,在已获得初始候选治疗计划之后,将一组临床目标转移到一组约束中。每个约束可以剂量分布的相应质量指标的阈值来表达。阈值可被称为相应质量指标的“约束位置”。然后,可通过修改这组约束的约束位置来交互式地修改剂量分布。可基于修改的约束位置来执行治疗计划的重新优化。以此方式,临床目标与约束位置之间的连接得以维持。因此,医生的最终意图被记录为改变的约束位置。在一些实施方案中,用户可为这组约束分配相对优先级。根据实施方案,当修改某个约束时,重新优化的治疗计划可能不违反优先级高于修改的约束的那些约束,但可能违反优先级低于修改的约束的那些约束。在另一实施方案中,用户可交互式地改变一个或多个约束的相对优先级。在另一实施方案中,两个或更多个约束可共享相同的优先级。在此类情况下,当修改某个约束时,重新优化的治疗计划可违反或不可违反优先级相同的其他约束。
根据本发明的其他实施方案,对于两个或更多个临床目标共享相同的优先级或者不清楚哪个临床目标比另一个重要,以及不可同时满足两个或更多个临床目标的情况,算法可被设计为寻求使距满足所有临床目标的区域的“距离”最小化的解。在一个实施方案中,用户可为对应于两个或更多个临床目标的一组质量指标指定第一组阈值,以及为这组质量指标指定第二组阈值。第二组阈值的约束可相比第一组阈值较易于满足。例如,第二组阈值可表示临床上可接受阈值,并且第一组阈值可表示期望或优选阈值。可从第一组阈值和第二组阈值确定每个质量指标的对应差值。可通过优化包括多个项(例如,二次项)的成本函数来获得最佳治疗计划,其中每项与相应的质量指标相关,并且每项的权重与相应质量指标的差值相关。
在本发明的又一些实施方案中,成本函数可考虑质量指标及其数两者。优化器还可支持用户已提前指定优选折衷的情况下的临床目标。例如,用户可为每个质量指标指定临床上不显著变化以及临床上显著变化。在一些实现方案中,可在优化期间生成并动态地改变成本函数,使得可接受一个质量指标达成临床上显著改进的同时仅使其他质量指标劣化不显著量的任何解。在一个实施方案中,每当质量指标跨越的空间中的成本函数梯度针对一个质量指标具有与另一质量指标相比的较大分量时,优化器可改变约束位置。
其他实施方案涉及与本文所描述的方法相关联的系统和计算机可读介质。
参考以下详细描述和附图可更好地理解本发明的实施方案的本质和优点。
附图说明
图1是辐射治疗系统的示意性透视图。
图2是辐射治疗系统的示意性侧视图。
图3示意性地示出辐射治疗系统中的光子准直系统。
图4示出示例性多叶准直器(MLC)平面。
图5示出图1和图2的外束辐射治疗系统的框图。
图6示出根据本发明的实施方案的可允许用户交互式地操纵辐射治疗计划的剂量分布的示例性用户界面。
图7示出根据本发明的实施方案的可允许用户通过改变优化结构的形状来交互式地操纵辐射治疗计划的剂量分布的示例性用户界面。
图8示出根据本发明的实施方案的示出用于交互式地操纵辐射治疗计划的剂量分布的方法的简化流程图。
图9示出根据本发明的实施方案的由两个质量指标Q1和Q2跨越的空间,所述空间包括可找到解的区域和可同时实现关于Q1和Q2的一组临床目标的区域。
图10示出由两个质量指标Q1和Q2跨越的空间,其示出根据本发明的实施方案的确定最佳辐射治疗计划的方法。
图11示出由两个质量指标Q1和Q2跨越的空间,其示出根据本发明的另一实施方案的确定最佳辐射治疗计划的方法。
图12示出根据本发明的实施方案的可在确定最佳辐射治疗计划的方法中使用的示例性用户界面。
图13示出根据本发明的实施方案的示出确定最佳辐射治疗计划的方法的简化流程图。
图14示出由两个质量指标Q1和Q2跨越的空间,其示出根据本发明的实施方案的确定最佳辐射治疗计划的方法。
图15示出由两个质量指标Q1和Q2跨越的空间,其示出根据本发明的另一实施方案的确定最佳辐射治疗计划的方法。
图16示出根据本发明的实施方案的可在确定最佳辐射治疗计划的方法中使用的示例性用户界面。
图17示出根据本发明的实施方案的示出确定最佳辐射治疗计划的方法的简化流程图。
图18示出可与根据本发明的实施方案的系统和方法一起使用的示例性计算机系统的框图。
术语
“辐射”指代用于治疗组织(例如,肿瘤)的任何粒子(例如,光子、电子、质子等)。辐射的实例包括高能x射线、伽马射线、电子束和质子束。不同的粒子可与不同类型的辐射治疗相对应。“治疗体积”指代将经受辐射的整个体积,并且有时也称为“照射体积”。“靶标结构”、“靶标体积”以及“计划靶标体积”(“PTV”)指代意图接收治疗规定的剂量的组织。
“辐射治疗计划”可包括剂量分布、用于针对给定患者达成剂量分布的机器参数,以及关于给定患者的信息。剂量分布提供关于辐射剂量随患者的治疗区域内空间位置的变化的信息。“剂量分布”可采取许多形式,例如,剂量体积直方图(DVH)或剂量矩阵。DVH可以图形2D格式概述三维(3D)剂量分布,例如,其中横轴是靶标结构(例如,肿瘤)所吸收的剂量(例如,以戈(Gy)为单位),而纵轴是体积百分比。在微分DVH中,特定剂量下条形的高度指示接收特定剂量的靶标结构的体积。在累积DVH中,特定剂量下条形的高度表示接收大于或等于所述剂量的结构的体积。累积DVH通常是曲线图(例如,当使用小面元大小时),而微分DVH通常是不相交的条形图。DVH的缺点在于,它不提供空间信息;即,DVH不展示结构内接收剂量的位置。剂量矩阵可提供身体每个部位接收的剂量。
具体实施方式
本公开整体涉及使用外束辐射治疗系统的用于辐射疗法的治疗计划,并且更具体地,涉及使用优先化约束的交互式剂量操纵。例如,在已获得初始候选治疗计划之后,将一组临床目标转移到一组约束中。每个约束可以剂量分布的相应质量指标的阈值来表达。然后可通过修改这组约束的阈值来交互式地修改剂量分布。可基于修改的阈值来执行重新优化。因此,医生的最终意图被记录为改变的阈值。在一些实施方案中,用户可为这组约束分配相对优先级。根据实施方案,当修改某个约束时,重新优化的治疗计划可能不违反优先级高于修改的约束的那些约束,但可能违反优先级低于修改的约束的那些约束。
I.治疗系统
一般来说,辐射疗法包括使用电离辐射来治疗活组织(通常为肿瘤)。在辐射疗法中使用许多不同类型的电离辐射,包括高能x射线、电子束和质子束。无论所使用的辐射类型如何,向患者施用辐射的过程都可在一定程度上一般化。外束疗法(EBT)(也称作外辐射疗法)是用于向患者的肿瘤递送一束或多束高能x射线的方法。射束在患者体外生成(通常通过线性加速器)并且靶向肿瘤部位处。
图1和图2描绘可结合本发明使用的类型的辐射治疗系统。参考图1,示出辐射治疗系统(在此情况下为线性加速器)的透视图。通常,这种系统能够生成供对治疗台35上的患者进行放射疗法治疗使用的电子(粒子)束或x射线(光子)束。其他辐射治疗系统能够生成重离子粒子,诸如质子。出于本论述的目的,将仅论述x射线照射。然而,本领域技术人员将了解,相同的原理适用于其他系统。
支架10支撑具有治疗头30的可旋转机架20。在支架10旁边布置有控制单元(未示出),所述控制单元包括用于控制加速器的不同操作模式的控制电路。在支架内或机架中提供有高电压源,以向定位在位于机架20中的加速器引导件上的电子枪(未示出)供应电压。电子从电子枪发射进入引导件(未示出)中,在所述引导件中电子被加速。源供应RF(微波)功率以供在波导内产生电场。从电子枪发射的电子在波导中被电场加速,并且作为高能电子束(通常处于兆伏级能量)离开波导。然后,电子束撞击适合的金属靶标,从而沿正向发射高能x射线。
现在参考图2,示出可结合本发明使用的类型的辐射治疗系统的稍微更详细的侧视图。患者P被示出为躺在治疗台35上。从治疗头30中的靶标以发散束104的形式发射如上所述形成的x射线。通常,患者平面116(其垂直于图2的页面)定位在距x射线源或靶标约一米处,并且机架20的轴线位于平面116上,使得当机架20旋转时,靶标与等中心点178之间的距离保持恒定。等中心点178位于患者平面116与射束122的中心轴线之间的交叉点处。待照射的治疗体积围绕等中心点178定位。
图3示意性地示出光子准直系统300,所述光子准直系统300具有上钳口310(即,Y1钳口和Y2钳口;为清楚起见省略了Y1钳口)、下钳口320(即,X1钳口和X2钳口)以及多叶准直器(MLC)330。图中指示了平面340中等中心点178处的场尺寸。上钳口310、下钳口320和MLC330的叶332包含x射线阻挡材料,并且定位在头30中以限定患者平面处x射线束的宽度。通常,钳口310和320是可移动的,并且当完全打开时,钳口在患者平面116处限定约40cm x40cm的最大射束。MLC 330定位在头30的出口处,以对x射线束进一步整形。自1990年推出以来,MLC已成为大部分辐射治疗系统的标准特征。由本发明的受让人出售的当前MLC使用多达120个可单独控制的叶(通常为薄钨片),其可在系统软件的控制下移入或移出x射线束。
图4示出示例性MLC平面,所述MLC平面具有以相对的对布置的多个叶332,以及由选定的叶移动产生的孔径415。辐射穿过孔径415并由孔径415进行整形。因此,可使用MLC来对x射线进行准直,以提供对肿瘤的来自各个角度的适形治疗(“3D适形”)以及强度调制放射疗法(“IMRT”),由此向治疗区域的不同部分递送不同的辐射剂量。治疗体积(即,在x射线束的治疗路径中接近等中心点178的照射体积)由钳口310和320、MLC 330的叶序列以及准直器角度(即,MLC 330在治疗头30中所处的角度)限定。一些外辐射治疗系统可包括多个MLC层。多个MLC层可处于不同的平面和不同的准直器角度。
图5示出图1和图2的外束辐射治疗系统500的框图。辐射治疗系统500包括射束源510、射束孔径520、机架530以及台540。射束源510被配置为生成治疗辐射束。此辐射束可包括x射线、粒子等。射束孔径520包括用于对辐射束进行空间滤波的可调整多叶准直器(MLC)522。台540被配置为对患者进行支撑和定位。台540可具有六个自由度,即,平移偏移X、Y和Z,以及旋转、俯仰和横摆。
绕台540环行的机架530容纳射束源510和射束孔径520。射束源510任选地被配置为生成成像辐射以及治疗辐射。辐射治疗系统500还可包括图像采集系统550,所述图像采集系统500包括安装到机架530的一个或多个成像检测器。
辐射治疗系统500还包括用于控制射束源510、射束孔径520、机架530、台540和图像采集系统550的操作的控制电路560。控制电路560可包括用于控制辐射治疗系统500的这些各种部件的操作的硬件、软件和存储器。控制电路560可包括固定用途的硬连线平台,或者可包括部分或完全可编程的平台。控制电路560被配置为执行本文所描述的一个或多个步骤、动作和其他功能。在一些实施方案中,控制电路560可包括用于接收和存储辐射治疗计划的存储器,所述辐射治疗计划限定一个或多个治疗场的控制点。然后,控制电路560可将控制信号发送到辐射治疗系统500的各种部件(诸如射束源510、射束孔径520、机架530和台540),以执行辐射治疗计划。在一些实施方案中,控制电路560可包括被配置用于确定辐射治疗计划的优化引擎562。在一些其他实施方案中,控制电路560可不包括优化引擎。在这些情况下,可由单独的计算机系统中的优化引擎确定辐射治疗计划,然后将辐射治疗计划传输到辐射治疗系统500的控制电路560以供执行。
II.辐射治疗计划
辐射疗法大体根据辐射治疗计划来实施,所述辐射治疗计划通常考虑被规定为递送到肿瘤的辐射的期望剂量,以及可递送到周围组织的辐射的最大剂量。可使用用于开发辐射治疗计划的各种技术。优选地,用于开发辐射治疗计划的计算机系统提供可用于控制辐射治疗系统的输出,包括控制点和MLC叶移动。通常,辐射治疗计划中规定的期望剂量在若干疗程(称作级分)中进行递送。
已经开发了用于创建IMRT或适形辐射疗法的辐射治疗计划的若干技术。一般来说,这些技术旨在解决以下“逆向”问题:确定角度、辐射剂量和MLC叶移动的最佳组合,以在使对健康组织的照射最小化的同时向靶标递送期望的总辐射剂量。此逆向问题对于开发弧形疗法计划(诸如体积调制疗法(VMAT))来说更为复杂,在所述弧形疗法计划中,在照射靶标体积的同时,一个或多个外部治疗坐标(诸如等中心点位置、机架角度、台角度和台偏移)处于运动中。迄今为止,辐射肿瘤学家或其他医疗专业人员(诸如,医学物理学家和剂量测定员)已使用可用算法来开发和优化辐射治疗计划。
通常,这类计划用关于靶标肿瘤以及关于任何附近组织结构的体积信息开始。例如,这类信息可包括由医生规定的用于接收某个治疗性辐射剂量(在容许公差下)的计划靶标体积(“PTV”)(诸如前列腺肿瘤)的图。关于附近组织的体积信息可包括例如患者的膀胱、脊髓和直肠的图,其中的每一者可被视为危及器官(OAR),所述危及器官在没有损伤风险的情况下只能接收低得多的最大规定量的辐射。此体积信息连同规定的剂量限值和由医疗专业人员设定的类似目标是用于计算优化的剂量分布的基础,所述优化的剂量分布也称为势力图,其又是用于确定辐射治疗计划的基础。例如,体积信息可简化为目标函数或单个品质因数,所述目标函数或单个品质因数说明辐射治疗计划所固有的各种折衷的相对重要性,以及使辐射治疗计划在医学上可接受或物理上可行而必须满足的约束条件。
治疗计划算法可说明与之一起使用的特定辐射治疗系统的功能,例如,辐射束的能量谱和强度分布,以及MLC的能力。一般来说,治疗计划算法通过以下方式进行:计算治疗体积中每个体素所接收的辐射剂量,调整一个或多个可变系统参数(诸如,照射角度或MLC叶的位置),然后重新计算每个体素所接收的剂量。此过程理想上迭代地进行,直到达到优化计划为止。然而,针对每次迭代执行大量计算期望的时间量使可执行的迭代的数量具有实际限值。因此,在预定量的时间之后、在预定数量的迭代之后或者在达到某个其他实际限值之后,算法终止。一般来说,在治疗计划的不同可用算法的准确性与速度之间存在折衷。
III.使用优先化约束的交互式剂量操纵
在IMRT中经常使用优化来达成辐射治疗计划,所述计划可以一组质量指标来实现一组临床目标。虽然当通过优化获得这种计划时医生可能能够识别出良好的治疗计划,但在优化之前可能难以指定一组唯一的临床目标。一种可能的方法可以是使用一组质量指标的一组初始参考值来构建成本函数(这组初始参考值通常与临床上可接受阈值不同但可能与之相关),并且使用成本函数来执行优化以生成合理的候选治疗计划。候选治疗计划产生初始剂量分布。然后,针对各种靶标结构和关键器官,通过在三维剂量分布中直接改变初始剂量分布或者修改剂量体积直方图(DVH)曲线的,用户可交互式地修改候选计划。在这种方法中,当达到最终的最佳计划时,仅记录所得剂量分布,当医生修改剂量分布以达到最佳计划时,所得剂量分布本身可能无法清楚地传达医生的意图。例如,当医生修改剂量分布时,可能不清楚医生是正在尝试降低危及器官(OAR)的平均剂量,还是增加接收100%的规定剂量的靶标体积(PTV)的百分比。因此,可能不清楚医生的意图可如何转移到不同的场布置、不同的级分方案或修改的患者解剖结构。交互式地修改计划的另一种方式可以是修改一组初始临床目标,然后用修改的目标对计划进行重新优化。然而,这种方法可能无法直接研究不同临床目标之间的折衷。例如,医生可能希望探索在不使与另一临床目标相关的另一质量指标劣化超过临床上显著量的情况下与一个临床目标相关的质量指标可改进的程度。
根据本发明的实施方案,在交互式地操纵辐射治疗计划的剂量分布的方法中,在已获得初始候选治疗计划之后,将一组临床目标转移到用于交互式重新优化的一组约束中。在数学优化中,约束优化是在存在对一些变量的约束的情况下相对于这些变量优化目标函数的过程。目标函数是待最小化的成本函数或能量函数,或者待最大化的回报函数或效用函数。约束可以是硬约束或软约束,其中所述硬约束为需要满足的变量设定条件,并且所述软约束的一些变量值在变量的条件未得到满足的情况下并且基于变量的条件未得到满足的程度在目标函数中受到惩罚。
根据一些实施方案,每个约束可以针对剂量分布的相应质量指标的阈值来表达。阈值可被称为相应质量指标的“约束位置”。然后,可通过修改这组约束的约束位置来交互式地修改剂量分布。以此方式,临床目标与约束位置之间的连接得以维持。因此,医生的最终意图被记录为改变的约束位置。
在一些实施方案中,用户可为这组约束分配相对优先级。根据实施方案,当修改某个约束时,在重新优化中,强制满足优先级高于修改的约束的任何约束,而允许违反优先级低于修改的约束的任何约束。在另一实施方案中,用户可交互式地改变一个或多个约束的相对优先级。在另一实施方案中,两个或更多个约束可共享相同的优先级。在此类情况下,当修改某个约束时,在重新优化中,强制满足或允许违反优先级相同的其他约束。
A.用于交互式剂量操作的示例性用户界面
图6示出根据本发明的实施方案的可允许用户交互式地操纵辐射治疗计划的剂量分布的示例性用户界面。用户界面中间的部分620显示各种优化结构(例如,PTV、OAR等)的DVH曲线,所述DVH曲线对应于使用一组质量指标的一组初始参考值组确定的初始治疗计划的初始剂量分布。用户界面右侧的部分630显示初始治疗计划的三维剂量分布的一些二维切片。
用户界面左侧的部分610包括多个区段611-617。每个区段对应于根据相应质量指标的临床目标。例如,在图6所示的实例中,第一区段611对应于计划靶标体积(PTV)的最大剂量Dmax;第二区段612对应于PTV的最小剂量Dmin;第三区段613对应于危及器官(OAR)(例如,直肠)的平均剂量Dmean;并且区段614-617对应于与OAR的剂量相关的各种临床目标。每个区段可包括对应治疗目标的初始阈值。例如,在区段611中,PTV的Dmax的初始阈值被指示为“Goal:Dmax≤107.00%。”
部分610中的显示区域618允许用户输入一组质量指标的新阈值(即,改变“约束位置”)。例如,在区段612中,用户可输入95.85%作为PTV的Dmin的新阈值(即,“desired(期望)”值)。用户可编辑显示区域618中的数字619。可替代地,用户可通过将DVH图上的手柄622拖动到期望位置来改变用户界面的中间部分620中的对应DVH图。例如,用户可将OAR的DVH图的手柄622拖动到较低的剂量值。当DVH图被修改时,对应的质量指标的“desired”阈值可在显示区域618中相应地更新。
B.对约束进行重新优化和优先级排序
在用户已如上论述地改变临床目标中的一个的阈值之后,系统可重新优化治疗计划,以便满足所述临床目标的新阈值。由于初始治疗计划通常是完全由多个约束确定的优化解,因此改变单个约束可能无法产生也可满足所有其他约束的解。换句话说,重新优化的治疗计划可能必须违反一个或多个其他约束,以便满足修改的约束。根据本发明的实施方案,对一组约束进行优先级排序。例如,在图6所示的实例中,PTV的约束Dmax被赋予最高优先级(即,优先级为“1”);PTV的约束Dmin被赋予第二高优先级(即,优先级为“2”);OAR的约束Dmean具有第三高优先级(即,优先级为“3”);并且其他约束被赋予共享的第四高优先级(即,优先级为“4”)。
当修改某个约束时,重新优化的治疗计划不允许违反优先级高于修改的约束的任何约束,并且允许重新优化的治疗计划违反优先级低于修改的约束的任何约束。例如,假设用户将PTV的Dmin的约束位置从95.00%改变为95.85%,如显示区域618中的圆圈619所指示。因为关于PTV的Dmax的约束的优先级(优先级“1”)高于被修改的约束的优先级(优先级“2”),所以重新优化的治疗计划不可违反关于PTV的Dmax的约束(例如,PTV的Dmax的值不可大于107.00%)。另一方面,因为关于OAR的Dmean的约束的优先级(优先级“3”)低于被修改的约束的优先级,所以重新优化的治疗计划可违反关于OAR的Dmean的约束(例如,允许OAR的Dmean的值超过40.00Gy)。在重新优化之后,系统可用可达成值来更新优先级较低的约束的阈值。例如,假设在重新优化之后,OAR的Dmean可达成的最低值是42.00Gy,系统可将OAR的Dmean的阈值更新为42.00Gy。
在一些实施方案中,用户可选择以优先级最高的约束开始,然后继续进行优先级次高的约束,依此类推,直到处理完所有约束为止。在一些实施方案中,在处理了优先级较低的约束之后,用户可能希望返回到优先级较高的约束。以此方式,用户可研究各种临床目标之间的折衷,直到找到最佳可达成治疗计划为止。
与常规方法相比,根据本发明的实施方案的交互式地操纵剂量分布的方法可提供若干优点。例如,以上述方式,临床目标与约束位置之间的连接得以维持,并且医生的意图被记录为约束的改变的阈值。相比之下,在直接改变剂量分布的方法中,仅记录所得剂量分布,这可能无法清楚地传达医生的意图,因此可能不清楚医生的意图可如何转移到不同的场布置、不同的级分方案或修改的患者解剖结构。此外,以上述方式,医生可直接研究各种临床目标之间的折衷,这在使用一组修改的临床目标来重新优化治疗计划的方法中可能不那么透明。
C.具有相同优先级和其他选项的约束
在一些情况下,可能难以确定两个或更多个临床目标之间的相对优先级。一些实施方案可推广到多于一个临床目标具有相同优先级的情况。例如,当修改一个约束时,在重新优化中强制满足与修改的约束优先级相同的其他约束以及优先级较高的那些约束,并且只允许违反优先级较低的那些约束。在另一实例中,当修改一个约束时,在重新优化中允许违反与修改的约束优先级相同的其他约束以及优先级较低的那些约束。在又一实例中,用户可选择在重新优化中是否允许违反与修改的约束优先级相同的其他约束。
其他用户选项和用户动作也是可能的。在一个实施方案中,用户可选择在重新优化中也允许违反优先级最接近较高的约束。在另一实施方案中,可允许用户改变一些临床目标的相对优先级(例如,如图6中的箭头624所示)。在又一实施方案中,代替向临床目标分配优先级,用户可选择允许违反哪些约束以及强制满足哪些约束,以便用户可研究各种临床目标之间的折衷。在另一实施方案中,用户可创建新临床目标作为新约束,并且系统可执行包括新添加的临床目标的重新优化。
D.优化结构的修改
根据另一实施方案,为了允许用户直接更改三维剂量分布(所谓的“涂绘剂量(painting dose)”),用户可改变优化结构的形状,诸如PTV或OAR的轮廓。交互式用户动作可类似于在绘画应用中使用画笔工具,其中向用户提供“画笔”,使用所述画笔用户可改变优化结构的形状(因此这种方法也可称为“涂绘结构”)。例如,如果用户认为辐射剂量应被递送到比PTV的当前体积大的体积,那么用户可扩大PTV的轮廓以扩大其体积。系统可根据扩大的PTV重新优化辐射治疗计划。
图7示出根据本发明的实施方案的可允许用户通过改变优化结构的形状来交互式地操纵辐射治疗计划的剂量分布的示例性用户界面。用户界面左侧的部分710包括多个区段,每个区段对应于关于优化结构的临床目标。例如,区段712对应于PTV的剂量覆盖率(即,接收100%的规定剂量的PTV的百分比)。
用户界面右侧的部分730显示三维剂量分布的二维切片。如果用户认为辐射剂量应被递送到比PTV的当前体积大的体积,那么用户可在部分710中选择对应于PTV的剂量覆盖率的区域712。响应于选择区段712,PTV的轮廓736将在用户界面的部分730中的剂量分布图像中变得活跃。例如,PTV的轮廓736可以红色描绘,如图7所示。然后,用户可选择部分730顶部的画笔工具图标732。然后,光标将变为“画笔”734。用户可使用画笔通过将PTV的轮廓736涂绘得更大来使其变得更大。在一个实施方案中,系统可根据扩大的PTV重新优化辐射治疗计划。
E.替代实施方案
根据另一实施方案,可如下描述交互式地操纵辐射治疗计划的剂量分布的方法。首先,通过选择可用选定患者几何形状和场几何形状限制实现的所有治疗计划来生成一组初始候选治疗计划。接下来,将一组临床目标转换为一组约束。这组约束以重要性次序按相对优先级进行排序。
根据实施方案,医生可以修改优先级最高的约束开始,并且检查是否存在满足修改的约束的候选治疗计划的非空的子集。如果子集是非空的,那么将所述临床目标标记为满足,并且将所述一组初始候选治疗计划替换为所述子集。如果子集是空的(即,初始组中的治疗计划都不能满足修改的约束),那么将所述临床目标标记为不满足。在一个实施方案中,所述一组初始候选治疗计划保持不变。在另一实施方案中,所述一组初始候选治疗计划被替换为子集,在所述子集中,与所述临床目标相关联的质量指标值达到尽可能接近临床上可接受值的值。在一个实施方案中,可将所述临床目标的约束位置更新为可达成的位置。然后,医生可继续处理优先级次高的约束。可重复这个过程直到已处理所有约束为止。
根据一个实施方案,一旦已处理所有临床目标,就可从治疗计划的最终子集选择最终的最佳治疗计划。在一些实施方案中,可通过优化适当的成本函数来获得最终的最佳治疗计划。例如,成本函数可被设计为使最重要的未满足约束的违反量最小化。可替代地,成本函数可被设计为给最重要的实现的约束留出尽可能多的余量。其他标准也可用于构建成本函数。优化的治疗计划可被视为最佳地实现所述一组临床目标。
F.方法
图8示出根据本发明的实施方案的示出用于使用外束辐射治疗系统来交互式地操纵辐射治疗计划的剂量分布的方法800的简化流程图。
在802处,获得初始辐射治疗计划。初始辐射治疗计划产生满足多个临床目标的初始剂量分布。多个临床目标以多个质量指标的多个初始阈值来表达。每个质量指标与初始剂量分布的相应统计量相关。
在804处,将多个临床目标转换成与多个质量指标相关的多个约束。每个约束具有对应于相应质量指标的初始阈值的相应初始参考值。在一个实施方案中,每个相应约束具有指示多个约束中的相应约束的相对重要性的对应优先级。
在806处,向用户提供诸如图6所示的用户界面。用户界面允许用户针对多个约束中的一个将初始参考值改变为新参考值。用户可在用户界面中键入新数值或者拖动用户界面中的对应DVH曲线中的手柄,如上文关于图6所论述。
在808处,执行初始辐射治疗计划的重新优化以使用多个约束中的一个的新参考值来获得更新的辐射治疗计划。在一个实施方案中,更新的辐射治疗计划产生更新的剂量分布,所述更新的剂量分布满足优先级高于多个约束中的一个的任何约束,同时允许违反优先级低于多个约束中的一个的任何约束。
在一些实施方案中,更新的辐射治疗计划包括将由外束辐射治疗系统用于向患者递送辐射的控制点序列和多叶准直器(MLC)叶序列。更新的辐射治疗计划可传输到外束辐射治疗系统的控制电路,以致使外束辐射治疗系统根据更新的辐射治疗计划的控制点序列和多叶准直器(MLC)叶序列向患者递送辐射。
IV.基于具有共享优先级的临床目标的辐射治疗计划
在IMRT中经常使用优化来实现最适合一组临床目标的治疗计划。由于一般来说不能保证针对特定患者几何形状可同时实现所有临床目标,因此可能需要对临床目标进行优先级排序。一种方法可以是搜索实现尽可能多的较高优先级临床目标的治疗计划。在这种方法中可使用优先化约束技术,诸如按字典顺序排序的技术。优化过程通常仅以最高优先级临床目标开始。一旦找到满足所述临床目标的解,临床目标就会改变为约束。然后,使用次高优先级临床目标作为新优化目标来执行另一优化。可针对剩余的临床目标重复所述过程。如果不可实现特定临床目标,那么将约束设定为可接受的值。
A.在临床目标设定中使用共享优先级
然而,在一些情况下,可能难以为临床目标中的每一个分配唯一的优先级,或者可能存在被认为同等重要但不可同时实现的两个或更多个临床目标。例如,考虑图9所示的实例。横轴和纵轴分别是第一质量指标Q1和第二质量指标Q2的值。例如,第一质量指标Q1可与OAR(例如,脊柱)的平均剂量Dmean相关,而第二质量指标Q2可与PTV的最大剂量Dmax相关。第一临床目标可以第一质量指标Q1表达为Q1≤x0(由竖直线910表示);而第二临床目标可以第二质量指标Q2表达为Q2≤y0(由水平线920表示)。左下象限中的阴影区域930可表示同时满足第一临床目标和第二临床目标的区域。
然而,在一些情况下,针对一组特定患者几何形状和场几何形状,可能无法找到可同时实现第一临床目标和第二临床目标的可达成解。例如,阴影区域940表示可针对一组给定患者几何形状和场几何形状找到的可达成解的区域。在这个实例中,阴影区域940与阴影区域930之间没有重叠,这意味着不存在可同时实现第一临床目标和第二临床目标的可达成解。
在这种情况下,竖直线910与区域940的边界线950相交的点960可表示在第二临床目标的违反量最小的情况下实现第一临床目标的可达成解。类似地,水平线920与区域940的边界线950相交的点970可表示在第一临床目标的违反量最小的情况下实现第二临床目标的可达成解。因此,如果认为第一临床目标比第二临床目标重要,那么点960可表示最佳治疗计划。另一方面,如果认为第二临床目标比第一临床目标重要,那么点970可表示最佳治疗计划。然而,在不清楚第一临床目标比第二临床目标重要还是相反,或者第一临床目标与第二临床目标同样重要的情况下,可能点960和点970都不代表最佳解。
对于两个或更多个临床目标共享相同的优先级或者不清楚哪个临床目标比另一个重要的情况,实施方案可被设计为寻求使距满足所有临床目标的区域的“距离”最小化的解。例如,在图9所示的实例中,由沿着区域940的边界线950位于点960与点970之间的某处的点980表示的解。在点980处,虽然既没有满足第一临床目标也没有满足第二临床目标,但它可具有距第一临床目标与第二临床目标都得到满足的区域930最接近的“距离”。
B.为一组临床目标指定两组阈值
参考图10,考虑分别由横轴和纵轴表示的两个质量指标Q1和Q2。根据本发明的实施方案,用户可如下为Q1和Q2指定第一组阈值:
Q1≤x0,并且Q2≤y0。
第一组阈值(x0,y0)可由图10中的点1032表示。此外,用户可如下为Q1和Q2指定第二组阈值:
Q1≤x1,并且Q2≤y1,
其中x1>x0,并且y1>y0。第二组阈值(x1,y1)可由图10中的点1042表示。因此,由于第二组阈值较高,因此相比第一组阈值(x0,y0),第二组阈值(x1,y1)可能较易于实现。用户可为满足第二组阈值分配较高的优先级,而为满足第一组阈值分配较低的优先级。例如,第二组阈值(x1,y1)可表示质量指标Q1和Q2的临床上可接受阈值,因此必须满足,而第一组阈值(x0,y0)可表示质量指标Q1和Q2的期望或优选阈值,并且可被违反。在一个实施方案中,点1032位于可找到可达成解的区域1040之外;而点1042位于区域1040内。换句话说,不可同时实现第一组临床目标(x0,y0),而可同时实现第二组临床目标(x1,y1)。
优化器可构造被设计为达到由点1080表示的解的成本函数,连接点1032与点1042的直线与可找到解的区域1040的边界线1050在点1080处相交。点1080可表示具有距同时满足第一组阈值的区域的最小“距离”的可达成解。如图10可见,点1080的位置可取决于δx和δy的值,其中δx=x1-x0,并且δy=y1-y0。在δx=0且δy有限的情况下,最佳解可由满足Q1的临床目标x0的点1060表示。这可能是Q1的阈值x0非常关键以至于必须满足的情况。相反地,在δy=0且δx有限的情况下,最佳解可由满足Q2的阈值y0的点1050表示。这可能是Q2的阈值y0非常关键以至于必须满足的情况。
对于δx和δy都不为零的情况,可将成本函数构造为包括两个二次项的加权和:
z=w1{max[0,(Q1-x0)]}2+w2{max[0,(Q2-y0)]}2, (1)
其中并且因此,Q1的超过x0的增加以及Q2的超过y0的增加将导致成本增加,并且第一项和第二项的相对权重分别与δx和δy的平方成反比。因此,如果δx>δy,那么第二项相比第一项将具有较大的权重;相反地,如果δy>δx,那么第一项相比第一项将具有较大的权重。等式(1)中所表达的成本函数可朝向由图10中的点1080表示的解引导优化器,所述点1080可被认为是具有距同时实现(x0,y0)的期望阈值的区域的最小加权“距离”的最佳解。在其他实施方案中,成本函数的各项可具有二次函数以外的形式。例如,它们可以是阶数高于2的多项式函数,或者它们可以是指数函数。在一些实施方案中,权重w1和w2也可具有二次函数以外的形式。例如,它们可以是阶数高于2的多项式函数,或者它们可以是指数函数。应理解,虽然上文论述参考以两个质量指标表达的仅仅两个临床目标,但实施方案可扩展到考虑以多于两个质量指标表达的多于两个临床目标的情况。
C.为一组质量指标指定阈值以及不显著变化
在替代实施方案中,代替定义第一组阈值(x0,y0)和第二组阈值(x1,y1),用户可定义一组期望阈值(x0,y0)以及Q1和Q2的一组临床上不显著变化(δx,δy)。可使用类似于等式(1)中所表达的成本函数的成本函数来找到最佳解。
D.可同时实现一组临床目标的情形
上述优化方法也可应用于可同时实现期望阈值(x0,y0)的情况。例如,考虑图11所示的实例。此处,对应于(x0,y0)的点1132位于可找到解的区域1140内。如此,位于区域1140的在水平线1120下方和竖直线1110的左侧的部分内的所有解可满足期望阈值x0和y0两者。因此,可能无法唯一地限定最佳治疗计划。对应于点1160的解可为质量指标Q1提供期望阈值x0的最大余量(即,质量指标Q1的实际值低于期望阈值x0的最大量),而对应于点1170的解可为质量指标Q2提供期望阈值y0的最大余量。
代替寻求为质量指标Q1和Q2中的任一者提供期望阈值的最大余量的解,优化器可寻求就距具有期望阈值(x0,y0)的点1132的“距离”来说使余量最大化的解。假设点1142对应于可接受阈值(x1,y1)。在一个实施方案中,优化器可寻求找到由点1180表示的解,连接点1132与点1142的直线的延伸线与区域1140的边界线1150在点1180处相交,因为就距点1132的加权“距离”来说,点1180可提供最大余量。
E.示例性用户界面
图12示出根据本发明的实施方案的可在优化过程中使用的示例性用户界面。用户界面左侧的部分1210包括多个区段1211-1217。每个区段对应于关于相应质量指标的临床目标。针对每个临床目标,用户可为相应的质量指标指定第一阈值和第二阈值。在一些实施方案中,第一阈值可以是优选值,并且第二阈值可以是可接受值。例如,在图12所示的实例中,第一阈值被示出为“GOAL”,并且第二阈值被示出为“Var”。例如,在第一区段1211中,PTV的Dmax的第一阈值被指定为105%,并且PTV的Dmax的第二阈值被指定为107%。在一些实施方案中,用户可在优化过程期间针对每个临床目标交互式地改变第一阈值和/或第二阈值。优化器可使用上述方法基于临床目标的指定阈值来执行治疗计划的优化。
F.方法
图13示出根据本发明的实施方案的示出使用外束辐射治疗系统来确定最佳操纵辐射治疗计划的方法1300的简化流程图。
在1302处,经由计算机系统的用户界面接收第一临床目标和第二临床目标。第一临床目标包括第一质量指标的第一可接受阈值和第一期望阈值。第二临床目标包括第二质量指标的第二可接受阈值和第二期望阈值。在一些实施方案中,第一可接受阈值与第一期望阈值之间的差值可对应于第一质量指标的临床上不显著变化,并且第二可接受阈值与第二期望阈值之间的差值可对应于第二质量指标的临床上不显著变化。
在1304处,获得成本函数。成本函数包括具有第一权重的第一项和具有第二权重的第二项。第一项与第一质量指标的超过第一可接受阈值的值成比例,并且第二项与第二质量指标的超过第二可接受阈值的值成比例。第一权重与第一期望阈值与第一可接受阈值之间的差值成反比,并且第二权重与第二期望阈值与第二可接受阈值之间的差值成反比。
在1306处,使用成本函数来执行优化,以获得具有针对所述成本函数的最佳值的最佳辐射治疗计划。
在一些实施方案中,成本函数的第一项与第一质量指标的超过第一可接受阈值的值的平方成比例,并且第二项与第二质量指标的超过第二可接受阈值的值的平方成比例。第一权重与第一期望阈值与第一可接受阈值之间的差值的平方成反比,并且第二权重与第二期望阈值与第二可接受阈值之间的差值的平方成反比。例如,成本函数可具有等式(1)中所表达的形式。
V.基于临床目标和临床目标之间的折衷来生成辐射治疗计划
在优化辐射治疗计划时,通常需要根据成本函数解释一组用户限定的临床目标。成本函数为每个计划分配作为治疗计划中所有“微观”自由度(MDF)的函数的单个标量值。MDF可以是所有区段中所有势力像素的集合,或者是递送治疗计划期望的所有自由机器参数的集合。然后可将优化问题简化为找到具有最小成本函数值的计划。
在提供多于一个临床目标的一些情况下,可能无法保证可同时实现所有临床目标,如关于图9的先前部分所述。一种方法可以是还指定不同临床目标的相对优先级,以便指示优化器应首先实现哪个目标。另一方面,在一些情况下,可能存在可满足所有临床目标的多于一个治疗计划。例如,在图11所示的实例中,区域1140的在水平线1120下方和竖直直线1110的左侧的部分中的任何点可表示同时满足两个临床目标(x0,y0)的解。在此类情况下,这组临床目标集(x0,y0)可能无法唯一地确定最佳计划,而只是简化可实现计划的集合。
A.基于临床目标的成本函数
考虑两个临床目标以两个质量指标Q1和Q2的阈值呈现为Q1≤x0和Q2≤y0的情况。构建成本函数的一种方式是如下包括两个二次项的加权和,
z=w1{max[0,(Q1-x0)]}2+w2{max[0,(Q2-y0)]}2, (2)
其中w1和w2是两个二次项的权重。参考图14,点1410对应于阈值(x0,y0)并且可被称为“目标位置”。等值线1420a-1420e表示成本函数z的一组等量曲线。优化的目的可以是针对一组患者几何形状和场几何形状使成本函数z的值最小化。例如,在图14所示的实例中,阴影区域1440表示针对给定患者几何形状可找到可达成解的区域。等量曲线1420e刚好接触区域1440的边界线1450的点1442可表示具有可能的最低成本函数值的最佳可达成解。
约束位置1410通常被选择成使得参考值(x0,y0)与Q1和Q2的临床上可接受阈值相关但不相同。换句话说,目标位置1410通常被选择成在区域1440之外,使得成本函数具有有限的梯度,因此可被最小化。选择目标位置1410通常需要一些经验。根据一些实施方案,用户可手动地设定目标位置。
B.临床目标之间的折衷
然而,在一些情况下,使用仅取决于临床目标的阈值的静态成本函数可能是有问题的。在一些情况下,医生可能并不将满足一组临床目标的治疗计划视为最佳可行计划。例如,考虑图15所示的实例。点1510是目标位置。等值线1520a-1520g是等式(2)所表达的成本函数的等量曲线。考虑第一患者几何形状的第一可行解空间由第一边界曲线1550限定的第一种情况。在这种情况下,成本函数的等量曲线1520g刚好接触第一边界曲线1550的点1552可表示潜在最佳解。现在考虑第二患者几何形状的第二可行解空间由第二边界曲线1560限定的第二种情况。此处,成本函数的等量曲线1520g刚好接触第二边界曲线1560的点1562可表示潜在最佳解。因此,虽然对应于点1552的解和对应于点1562的解位于相同的等量曲线上并因此具有相同的成本函数值,但这两个解显然是迥然不同的。这说明取决于解空间的形状,相同形式的成本函数可能产生迥然不同的解。
在一些情况下,医生可能更愿意考虑两个质量指标之间的折衷,其中一个质量指标可在不显著降低另一质量指标的情况下获益良多。例如,在图15所示的第一实例中,点1552位于第一边界曲线1550基本上水平的一部分上。这意味着沿着边界曲线1550在点1552附近的另一解可能仅引起Q2的值的小幅变化,但可能引起Q1的值的大幅减小。例如,考虑由点1554表示的替代解。点1554处Q2的值仅从点1552处Q2的值略微增大,但点1554处Q1的值从点1552处Q1的值显著地减小。因此,相比由点1552表示的解,医生可能更喜欢由点1554表示的替代解,只要Q2的值的增大在Q2的临床上不显著变化内即可。
类似地,在图15所示的第二实例中,点1562位于第二边界曲线1560的基本上竖直的部分上。这意味着沿着边界曲线1560在点1562附近的另一解可能仅引起Q1的值的小幅变化,但可能引起Q2的值的大幅减小。例如,考虑由点1564表示的替代解。点1554处Q1的值仅从点1562处Q1的值略微增大,但点1554处Q2的值从点1562处Q2的值显著地减小。因此,相比由点1562表示的解,医生可能更喜欢由点1564表示的替代解,只要Q1的值的增大在Q1的临床上不显著变化内即可。在目标位置位于可找到解的区域内部深处的情况下,考虑折衷可能更为重要,因为优化可能由一些次要项(诸如势力平滑和监视器单元(MU)计数目标)驱动。
C.基于临床目标和临床目标之间的折衷的成本函数
如上文关于图15所论述,可能需要构建不仅考虑一组临床目标而且还考虑这组临床目标之间的可能折衷的成本函数。根据本发明的实施方案,优化器可支持用户已提前指定优选折衷的情况下的临床目标。例如,用户可为每个质量指标指定临床上不显著变化以及临床上显著变化。在一些实施方案中,可在优化期间生成并动态地改变成本函数,使得可接受一个质量指标达成临床上显著改进的同时仅使其他质量指标劣化不显著量的任何解。在一个实施方案中,每当质量指标跨越的空间中的成本函数梯度针对一个质量指标具有与另一质量指标相比的较大分量时,优化器可改变目标位置。
根据本发明的实施方案,成本函数可包括与质量指标的阈值相关的项,以及与质量指标的用户指定的临床上不显著和临床上显著变化相关的项。例如,考虑与第一质量指标Q1和第二质量指标Q2相关的两个临床目标。优化器可构建可包括以下三项的成本函数z,
w1δxL·Q1+w2δyH·Q2+ax, (4)
w1δxH·Q1+w2δyL·Q2+bx, (5)
其中每项表示(Q1,Q2)平面的不同区域中的成本函数。x0和y0的值定义约束位置;δxL和δyL分别是Q1和Q2的用户指定的临床上不显著变化;δxH和dyH分别是Q1和Q2的用户指定的临床上显著变化;w1和w2是相对权重。区域边界以及参数a和b被选择成使得成本函数等值线是连续且平滑的。通常,δxH>δxL,并且dyH>δyL。例如,假设Q1对应于OAR的最大剂量Dmax。用户可指定Q1δxL的临床上不显著变化是0.5Gy,并且Q1δxH的临床上显著变化是5Gy。
在一些实施方案中,等式(4)中所表达的第二项和等式(5)中所表达的第三项可朝向使质量指标梯度保持在δxL和δyL与δxH和dyH的界限内的解引导优化。例如,参照图15,在可找到解的区域的边界线由曲线1550限定的情况下,新成本函数可被设计为使其等量曲线整形成使得它可产生位于点1554而不是1552处的解,以便利用有益折衷。另一方面,在可找到解的区域的边界线由曲线1560限定的情况下,新成本函数可被设计为使其等量曲线整形成使得它可产生位于点1564而不是1562处的解,以便利用有益折衷。应理解,虽然上文论述仅涉及两个质量指标,但所述方法可扩展到考虑多于两个质量指标的情况。
在一些实施方案中,代替指定质量指标的临床上显著变化和临床上不显著变化,用户可指定质量指标的期望阈值以及可接受阈值。例如,用户可将Q1和Q2的期望阈值分别指定为x0和y0,并且将Q1和Q2的可接受阈值分别指定为x1和y1,其中x1>x0并且y1>y0。期望阈值x0和y0将是优化的主要驱动因素,并且使用可接受阈值x1和y1来约束优化器对用户优选折衷的搜索。
D.包括临床目标之间的交叉项的成本函数
在另一实施方案中,优化器可构建包括以下两项的成本函数z,
w1{max[0,(Q1-x0)]}2+w2{max[0,(Q2-y0)]}2, (6)
w12max{0,(Q1-x0)}max{0,(Q2-y0)}, (7)
其中权重w1、w2和w12被选择成使得某些质量指标梯度是优选的。等式(7)中所表达的交叉项可朝向利用任何有益折衷的最佳解引导优化器。
E.目标位置的动态变化
根据本发明的实施方案,每当质量指标跨越的空间中的成本函数梯度针对一个质量指标具有与另一质量指标相比的较大分量时,优化器可改变目标位置。例如,在图15所示的实例中,考虑对应于点1552的解。由于这个点几乎位于约束位置1510正上方,因此在这个点处的成本函数值中项w2{max[0,(Q2-y0)]}2的贡献相比项w1{max[0,(Q1-x0)]}2的贡献较大。这意味着解1552位于质量指标Q1的梯度非常高的位置处,即,Q2的值的小幅减小可引起Q1的值的大幅增大。在一个实施方案中,在识别出这种情况时,优化器可将目标位置1510向左移动(即,减小x0的值),使得在所述成本函数值中项w1{max[0,(Q1-x0)]}2的贡献可较大。
F.其他实施方案
在本发明的一些实施方案中,可从知识模型推导出折衷信息。例如,可使用机器学习算法(诸如类似于一些当前DVH估计算法的那些)从一组选定现有治疗计划自动地推导出潜在有益折衷。
在一些其他实施方案中,可使用类似方法来限制多准则优化(MCO)中的解空间,其中成本函数是向量值函数。
上述优化方法可提供若干优点。例如,在一组临床目标并不唯一地确定最佳计划而仅减少可达成计划的集合的情况下,或者在不可满足所有临床目标的情况下,考虑关于优化中的可接受或优选折衷的信息可将优化器引导到最佳治疗计划。
G.示例性用户界面
图16示出根据本发明的实施方案的可在优化过程中使用的示例性用户界面。用户界面左侧的部分1610包括多个区段1611-1617。每个区段对应于关于相应质量指标的临床目标。在一些实施方案中,针对每个临床目标,用户可为相应的质量指标指定期望阈值(即,“GOAL(目标)”),以及临床上“Significant Change(显著变化)”和临床上“insignificantChange(不显著变化)”。例如,在第一区段1611中,PTV的Dmax的期望阈值被指定为105%,临床上显著变化被指定为1%,并且临床上不显著变化被指定为0.1%。系统可基于用户指定的阈值以及临床上显著变化和临床上不显著变化来优化治疗计划。在一些实施方案中,用户可在优化过程期间交互式地改变期望阈值以及临床上显著变化和临床上不显著变化。
H.方法
图17示出根据本发明的实施方案的示出使用外束辐射治疗系统来确定最佳操纵辐射治疗计划的方法1700的简化流程图。
在1702处,经由计算机系统的用户界面接收第一临床目标和第二临床目标。第一临床目标包括与剂量分布的第一统计量相关的第一质量指标的第一阈值。第二临床目标包括与剂量分布的第二统计量相关的第二质量指标的第二阈值。
在1704处,接收第一质量指标的第一临床上显著变化和第一临床上不显著变化。此外,接收第二质量指标的第二临床上显著变化和第二临床上不显著变化。
在1706处,获得成本函数。成本函数包括第一项、第二项和第三项。第一项与第一质量指标的超过第一阈值的值成比例,并且与第二质量指标的超过第二阈值的值成比例。第二项与第一质量指标的第一临床上不显著变化和第二质量指标的第二临床上显著变化相关。第三项与第一质量指标的第一临床上显著变化和第二质量指标的第二临床上不显著变化相关。在一个实施方案中,成本函数的第一项可具有等式(3)中所表达的形式。
在1708处,使用成本函数来执行优化,以获得具有针对所述成本函数的最佳值的最佳辐射治疗计划。
在一些实施方案中,成本函数的第二项与第一临床上不显著变化同第一质量指标的值的乘积成比例,并且与第二临床上显著变化同第二质量指标的值的乘积成比例。例如,第二项可具有等式(4)中所表达的形式。成本函数的第三项与第一临床上显著变化同第一质量指标的值的乘积成比例,并且与第二临床上不显著变化同第二质量指标的值的乘积成比例。例如,第三项可具有等式(5)中所表达的形式。
VI.计算机系统
本文所提及的任何计算机系统可利用任何适合数量的子系统。此类子系统的实例在图18中示出为位于计算机系统1800中。在一些实施方案中,计算机系统包括单个计算机设备,其中子系统可以是计算机设备的部件。在其他实施方案中,计算机系统可包括多个计算机设备,每个计算机设备都是具有内部部件的子系统。
图18所示的子系统经由系统总线1875互联。示出了附加的子系统,诸如打印机1874、键盘1878、一个或多个存储装置1879、联接到显示适配器1882的监视器1876以及其他子系统。联接到输入/输出(I/O)控制器1871的外围装置和I/O装置可通过本领域中已知的任何数量的手段(诸如串行端口1877)连接到计算机系统。例如,可使用串行端口1877或外部接口1881(例如,以太网、Wi-Fi等)将计算机系统1800连接到广域网(诸如互联网)、鼠标输入装置或扫描仪。经由系统总线1875进行的互连允许中央处理器1873与每个子系统通信并且控制来自系统存储器1872或一个或多个存储装置1879(例如,固定盘,诸如硬盘驱动器或光盘)的指令的执行以及子系统之间的信息交换。系统存储器1872和/或一个或多个存储装置1879可体现为计算机可读介质。本文所提及的任何数据可从一个部件输出到另一部件,并且可输出给用户。
计算机系统可包括例如通过外部接口1881或通过内部接口连接在一起的多个相同的部件或子系统。在一些实施方案中,计算机系统、子系统或设备可经由网络进行通信。在此类情况下,一台计算机可被视为客户端,而另一台计算机被视为服务器,其中每台计算机可以是同一计算机系统的一部分。客户端和服务器可各自包括多个系统、子系统或部件。
应理解,本发明的任何实施方案可通过通用可编程处理器以模块化或集成方式使用硬件(例如专用集成电路或现场可编程门阵列)和/或使用计算机软件以控制逻辑的形式实现。如本文所用,处理器包括位于同一集成芯片上的多核处理器,或者位于单个电路板上的或联网的多个处理单元。基于本文所提供的公开内容和教导,本领域普通技术人员将知晓并理解使用硬件以及硬件和软件的组合来实现本发明的实施方案的其他方式和/或方法。
本申请中所描述的任何软件部件或功能可实现为处理器将要使用任何适合的计算机语言(诸如像Java、C++或Perl)使用例如常规的或面向对象的技术来执行的软件代码。软件代码可作为一系列指令或命令存储在计算机可读介质上以供存储和/或传输,适合的介质包括随机存取存储器(RAM)、只读存储器(ROM)、诸如硬盘驱动器或软盘的磁介质、或者诸如压缩光盘(CD)或DVD(数字通用光盘)的光学介质、闪速存储器等。计算机可读介质可以是此类存储或传输装置的任何组合。
此类程序还可使用适于通过符合多种协议(包括互联网)的有线、光学和/或无线网络进行传输的载波信号来编码和传输。如此,可使用通过此类程序编码的数据信号来创建根据本发明的实施方案的计算机可读介质。用程序代码编码的计算机可读介质可与兼容装置封装在一起,或者与其他装置分开提供(例如,通过互联网下载)。任何此类计算机可读介质可驻留在单个计算机产品(例如,硬盘驱动器、CD或整个计算机系统)上或其内,并且可存在于系统或网络内的不同计算机产品上或其内。计算机系统可包括用于向用户提供本文所提及的任何结果的监视器、打印机或其他适合的显示器。
本文所描述的任何方法可用包括一个或多个处理器的计算机系统来完全或部分地执行,所述计算机系统可被配置来执行步骤。因此,实施方案可涉及被配置来执行本文所描述的任何方法的步骤的计算机系统,其中有可能利用不同部件来执行相应的步骤或相应的步骤组。尽管呈现为编号的步骤,但本文方法的步骤可同时或以不同次序进行。另外,这些步骤的部分可与来自其他方法的其他步骤的部分一起使用。此外,步骤的全部或部分可以是任选的。另外,可用模块、电路或用于执行任何方法的任何步骤的其他装置来执行这些步骤。
在不脱离本发明的实施方案的精神和范围的情况下,可以任何适合的方式来组合特定实施方案的具体细节。然而,本发明的其他实施方案可涉及与每个单独方面相关的具体实施方案或这些单独方面的具体组合。
已出于说明和描述的目的呈现对本发明的示例性实施方案的以上描述。上述描述并不意图是详尽的或将本发明限于所描述的精确形式,并且鉴于以上教义,许多修改形式和变型是可能的。选择并描述实施方案是为了最好地解释本发明的原理及其实际应用,从而使得本领域其他技术人员能够以适合于所设想的特定用途的各种实施方案和各种修改形式来最佳地利用本发明。
除非有明确相反的指示,否则对“一个”、“一种”或“所述”的叙述意图意指“一个或多个”。
此处所提及的所有专利、专利申请、出版物和描述出于所有目的以引用的方式整体并入。前述任一项不属于现有技术。
Claims (16)
1.一种用于辐射治疗计划的计算机系统,所述计算机系统包括:
处理器;以及
耦合到所述处理器并且在其上存储指令的存储器,所述指令在由所述处理器执行时,使所述计算机系统执行动作,所述动作包括:
获得初始辐射治疗计划,所述初始辐射治疗计划产生满足多个临床目标的初始剂量分布,其中所述多个临床目标以多个质量指标的多个初始阈值表达,每个质量指标与所述初始剂量分布的相应统计量相关;
将所述多个临床目标转换成与所述多个质量指标相关的多个约束,每个约束具有对应于所述多个质量指标中的相应质量指标的所述初始阈值的相应初始参考值,每个相应约束具有指示所述相应约束在所述多个约束中的相对重要性的对应优先级;
向用户提供用户界面,所述用户界面允许所述用户针对所述多个约束中的第一约束将初始参考值改变为新参考值;以及
使用所述多个约束中的所述第一约束的所述新参考值来执行所述初始辐射治疗计划的重新优化,以获得更新的辐射治疗计划,所述更新的辐射治疗计划产生更新的剂量分布,其中所述重新优化强制所述更新的剂量分布满足优先级高于所述多个约束中的所述第一约束的优先级的任何约束,同时允许优先级低于所述多个约束中的所述第一约束的所述优先级的任何约束被违反。
2.如权利要求1所述的计算机系统,其中所述更新的剂量分布满足所述多个约束中的具有所述新参考值的所述第一约束。
3.如权利要求1所述的计算机系统,其中所述更新的剂量分布使被违反的每个约束的违反量最小化。
4.如权利要求3所述的计算机系统,其中所述更新的剂量分布对应于被违反的每个约束的达成的参考值,并且所述动作还包括用所述达成的参考值替换被违反的每个约束的所述初始参考值。
5.如权利要求1所述的计算机系统,其中所述多个约束中的第二约束与所述多个约束中的所述第一约束具有相同的优先级,并且其中所述更新的剂量分布满足所述多个约束中的所述第二约束。
6.如权利要求1所述的计算机系统,其中所述多个约束中的第二约束与所述多个约束中的所述第一约束具有相同的优先级,并且其中所述更新的剂量分布被允许违反所述多个约束中的所述两个约束中的所述第二约束。
7.如权利要求1所述的计算机系统,其中所述动作还包括:
允许所述用户在所述用户界面处创建对应于新质量指标的新约束;以及
使用所述新约束来执行所述更新的辐射治疗计划的重新优化,以获得第二更新的辐射治疗计划。
8.如权利要求1所述的计算机系统,其中所述动作还包括:
允许所述用户在所述用户界面处改变所述多个约束中的一个或多个约束的优先级;以及
执行所述更新的辐射治疗计划的重新优化,以获得第二更新的辐射治疗计划,所述第二更新的辐射治疗计划产生满足尽可能多的较高优先级的约束的第二更新的剂量分布。
9.一种用于确定辐射治疗计划的计算机系统,所述计算机系统包括:
处理器;以及
耦合到所述处理器并且在其上存储指令的存储器,所述指令在由所述处理器执行时,使所述计算机系统执行动作,所述动作包括:
经由所述计算机系统的用户界面接收第一临床目标和第二临床目标,其中所述第一临床目标包括与剂量分布的第一统计量相关的第一质量指标的第一可接受阈值和第一期望阈值,并且所述第二临床目标包括与所述剂量分布的第二统计量相关的第二质量指标的第二可接受阈值和第二期望阈值;
获得成本函数,所述成本函数包括具有第一权重的第一项和具有第二权重的第二项,其中所述第一项与所述第一质量指标的超过所述第一可接受阈值的值成比例,并且所述第二项与所述第二质量指标的超过所述第二可接受阈值的值成比例,并且其中所述第一权重同所述第一期望阈值与所述第一可接受阈值之间的差值成反比,并且所述第二权重同所述第二期望阈值与所述第二可接受阈值之间的差值成反比;以及
使用所述成本函数来执行优化,以获得具有针对所述成本函数的最佳值的最佳辐射治疗计划。
10.如权利要求9所述的计算机系统,其中所述成本函数的所述第一项与所述第一质量指标的超过所述第一可接受阈值的所述值的平方成比例,并且所述第二项与所述第二质量指标的超过所述第二可接受阈值的所述值的平方成比例。
11.如权利要求10所述的计算机系统,其中所述第一权重同所述第一期望阈值与所述第一可接受阈值之间的所述差值的平方成反比,并且所述第二权重同所述第二期望阈值与所述第二可接受阈值之间的所述差值的平方成反比。
12.如权利要求9所述的计算机系统,其中所述第一期望阈值与所述第一可接受阈值之间的所述差值是所述第一质量指标的临床上不显著变化,并且所述第二期望阈值与所述第二可接受阈值之间的所述差值是所述第二质量指标的临床上不显著变化。
13.一种用于确定辐射治疗计划的计算机系统,所述计算机系统包括:
处理器;以及
耦合到所述处理器并且在其上存储指令的存储器,所述指令在由所述处理器执行时,使所述计算机系统执行动作,所述动作包括:
经由所述计算机系统的用户界面接收第一临床目标和第二临床目标,其中所述第一临床目标包括与剂量分布的第一统计量相关的第一质量指标的第一阈值,并且所述第二临床目标包括与所述剂量分布的第二统计量相关的第二质量指标的第二阈值;
接收所述第一质量指标的第一临床上显著变化和第一临床上不显著变化,以及所述第二质量指标的第二临床上显著变化和第二临床上不显著变化;
获得包括第一项、第二项和第三项的成本函数,其中所述第一项与所述第一质量指标的超过所述第一阈值的值成比例,并且与所述第二质量指标的超过所述第二阈值的值成比例,所述第二项与所述第一质量指标的所述第一临床上不显著变化以及所述第二质量指标的所述第二临床上显著变化相关,并且所述第三项与所述第一质量指标的所述第一临床上显著变化以及所述第二质量指标的所述第二临床上不显著变化相关;以及
使用所述成本函数来执行优化,以获得具有针对所述成本函数的最佳值的最佳辐射治疗计划。
14.如权利要求13所述的计算机系统,其中:
所述成本函数的所述第二项与所述第一临床上不显著变化和所述第一质量指标的所述值的乘积成比例,并且与所述第二临床上显著变化和所述第二质量指标的所述值的乘积成比例;并且
所述成本函数的所述第三项与所述第一临床上显著变化和所述第一质量指标的所述值的乘积成比例,并且与所述第二临床上不显著变化和所述第二质量指标的所述值的乘积成比例。
15.如权利要求13所述的计算机系统,其中所述第一质量指标的所述第一临床上显著变化和所述第一临床上不显著变化,以及所述第二质量指标的所述第二临床上显著变化和所述第二临床上不显著变化,是基于一组选定的现有辐射治疗计划被确定的。
16.一种计算机产品,包括存储多个指令的非暂态计算机可读介质,所述多个指令用于控制根据权利要求1-15中的任一项所述的计算机系统。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/395,521 US10485988B2 (en) | 2016-12-30 | 2016-12-30 | Interactive dose manipulation using prioritized constraints |
US15/395,521 | 2016-12-30 | ||
PCT/EP2017/084629 WO2018122251A1 (en) | 2016-12-30 | 2017-12-27 | Interactive dose manipulation using prioritized constraints |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110114117A CN110114117A (zh) | 2019-08-09 |
CN110114117B true CN110114117B (zh) | 2022-06-24 |
Family
ID=61022294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780081576.7A Active CN110114117B (zh) | 2016-12-30 | 2017-12-27 | 用于辐射治疗计划的计算机系统和计算机产品 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10485988B2 (zh) |
EP (3) | EP3562549B1 (zh) |
CN (1) | CN110114117B (zh) |
WO (1) | WO2018122251A1 (zh) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2974143C (en) | 2004-02-20 | 2020-11-10 | University Of Florida Research Foundation, Inc. | System for delivering conformal radiation therapy while simultaneously imaging soft tissue |
CN102472830B (zh) | 2009-07-15 | 2016-03-30 | 微雷公司 | 用于使直线性加速器和磁共振成像设备彼此屏蔽的方法和装置 |
KR20150080527A (ko) | 2012-10-26 | 2015-07-09 | 뷰레이 인코포레이티드 | 방사선 요법에 대한 생리학적 반응의 영상화를 이용한 치료의 평가 및 개선 |
US9446263B2 (en) | 2013-03-15 | 2016-09-20 | Viewray Technologies, Inc. | Systems and methods for linear accelerator radiotherapy with magnetic resonance imaging |
US10413751B2 (en) | 2016-03-02 | 2019-09-17 | Viewray Technologies, Inc. | Particle therapy with magnetic resonance imaging |
JP6865765B2 (ja) * | 2016-03-09 | 2021-04-28 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 強度変調放射線治療における臨床目標の達成可能性を迅速に予測する事前最適化方法 |
US9855445B2 (en) | 2016-04-01 | 2018-01-02 | Varian Medical Systems, Inc. | Radiation therapy systems and methods for delivering doses to a target volume |
KR20190092530A (ko) | 2016-12-13 | 2019-08-07 | 뷰레이 테크놀로지스 인크. | 방사선 치료 시스템 및 방법 |
EP3357539A1 (en) * | 2017-02-02 | 2018-08-08 | Koninklijke Philips N.V. | Warm start initialization for external beam radiotherapy plan optimization |
US10092774B1 (en) | 2017-07-21 | 2018-10-09 | Varian Medical Systems International, AG | Dose aspects of radiation therapy planning and treatment |
US10843011B2 (en) | 2017-07-21 | 2020-11-24 | Varian Medical Systems, Inc. | Particle beam gun control systems and methods |
US11712579B2 (en) | 2017-07-21 | 2023-08-01 | Varian Medical Systems, Inc. | Range compensators for radiation therapy |
US11590364B2 (en) | 2017-07-21 | 2023-02-28 | Varian Medical Systems International Ag | Material inserts for radiation therapy |
US10183179B1 (en) | 2017-07-21 | 2019-01-22 | Varian Medical Systems, Inc. | Triggered treatment systems and methods |
US10549117B2 (en) | 2017-07-21 | 2020-02-04 | Varian Medical Systems, Inc | Geometric aspects of radiation therapy planning and treatment |
JP7159289B2 (ja) * | 2017-07-31 | 2022-10-24 | コーニンクレッカ フィリップス エヌ ヴェ | 最適化中のoar及び標的目標に対する調整メカニズム |
CN111556776B (zh) | 2017-11-16 | 2022-09-02 | 瓦里安医疗系统公司 | 用于放射疗法系统的增加的束输出和动态场成形 |
CN111712298B (zh) * | 2017-12-06 | 2023-04-04 | 优瑞技术公司 | 放射疗法系统 |
US10512791B2 (en) * | 2018-02-06 | 2019-12-24 | Varian Medical Systems International Ag | Methods to optimize coverage for multiple targets simultaneously for radiation treatments |
US10902621B2 (en) * | 2018-03-25 | 2021-01-26 | Varian Medical Systems International Ag | Deformable image registration based on masked computed tomography (CT) image |
US11964169B2 (en) * | 2018-03-30 | 2024-04-23 | Varian Medical Systems International Ag | Apparatus and method for forming prescribed radiation therapy treatment instructions |
US11209509B2 (en) | 2018-05-16 | 2021-12-28 | Viewray Technologies, Inc. | Resistive electromagnet systems and methods |
US10910188B2 (en) | 2018-07-25 | 2021-02-02 | Varian Medical Systems, Inc. | Radiation anode target systems and methods |
US10888713B2 (en) * | 2018-12-28 | 2021-01-12 | Varian Medical Systems, Inc. | Multileaf collimator with alternating trapezoidal leaf geometry design |
US11173322B2 (en) | 2018-12-31 | 2021-11-16 | Varian Medical Systems International Ag | Systems and methods for treatment planning using continuous quality metrics |
US10814144B2 (en) | 2019-03-06 | 2020-10-27 | Varian Medical Systems, Inc. | Radiation treatment based on dose rate |
US10918886B2 (en) | 2019-06-10 | 2021-02-16 | Varian Medical Systems, Inc. | Flash therapy treatment planning and oncology information system having dose rate prescription and dose rate mapping |
US20210138267A1 (en) * | 2019-11-11 | 2021-05-13 | Varian Medical Systems International Ag | Expansion of search space for multicriteria optimization in radiation treatment planning |
CN110931107B (zh) * | 2019-11-22 | 2023-08-29 | 上海联影医疗科技股份有限公司 | 放疗计划生成系统、装置及存储介质 |
US11865361B2 (en) | 2020-04-03 | 2024-01-09 | Varian Medical Systems, Inc. | System and method for scanning pattern optimization for flash therapy treatment planning |
US11541252B2 (en) | 2020-06-23 | 2023-01-03 | Varian Medical Systems, Inc. | Defining dose rate for pencil beam scanning |
US11957934B2 (en) | 2020-07-01 | 2024-04-16 | Siemens Healthineers International Ag | Methods and systems using modeling of crystalline materials for spot placement for radiation therapy |
EP4176926A1 (en) * | 2021-11-09 | 2023-05-10 | Koninklijke Philips N.V. | A machine learning system for generating multiple dose distributions conditioned by different planning templates of clinical goals |
EP4180088A1 (en) * | 2021-11-16 | 2023-05-17 | Koninklijke Philips N.V. | A machine learning based system for generating objective functions for radiation therapy treatment planning |
US20240100357A1 (en) * | 2022-09-27 | 2024-03-28 | Siemens Healthineers International Ag | Method and apparatus to modify dose values during radiation treatment planning |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6546073B1 (en) * | 1999-11-05 | 2003-04-08 | Georgia Tech Research Corporation | Systems and methods for global optimization of treatment planning for external beam radiation therapy |
US6661872B2 (en) * | 2000-12-15 | 2003-12-09 | University Of Florida | Intensity modulated radiation therapy planning system |
EA010207B1 (ru) | 2003-10-07 | 2008-06-30 | Номос Корпорейшн | Система планирования, способ и устройство для конформной радиотерапии |
US7734010B2 (en) * | 2005-05-13 | 2010-06-08 | Bc Cancer Agency | Method and apparatus for planning and delivering radiation treatment |
EP1907065B1 (en) * | 2005-07-22 | 2012-11-07 | TomoTherapy, Inc. | Method and system for adapting a radiation therapy treatment plan based on a biological model |
CN101247852B (zh) * | 2005-07-25 | 2011-12-07 | 卡尔·奥托 | 用于计划和供给放射治疗的方法和装置 |
KR101512994B1 (ko) * | 2007-03-19 | 2015-04-17 | 코닌클리케 필립스 엔.브이. | 치료 계획 장치 및 치료 계획 장치에 사용되는 방법 |
US7817778B2 (en) * | 2008-08-29 | 2010-10-19 | Varian Medical Systems International Ag | Interactive treatment plan optimization for radiation therapy |
US9067064B2 (en) * | 2010-04-28 | 2015-06-30 | The Regents Of The University Of California | Optimization process for volumetric modulated arc therapy |
US20130085343A1 (en) * | 2011-09-30 | 2013-04-04 | Lasse Toimela | Semantic radiation treatment plan optimization guidance |
US20130324783A1 (en) * | 2012-05-31 | 2013-12-05 | Corey E. Zankowski | Apparatus and Method Pertaining to Optimizing a Radiation-Treatment Plan Using Historical Information |
CH709787B1 (fr) | 2014-06-17 | 2017-07-14 | Intuitive Therapeutics Sa | Systeme de planification inverse de traitement thérapeutique. |
-
2016
- 2016-12-30 US US15/395,521 patent/US10485988B2/en active Active
-
2017
- 2017-12-27 EP EP17832970.2A patent/EP3562549B1/en active Active
- 2017-12-27 EP EP20185552.5A patent/EP3741431B1/en active Active
- 2017-12-27 EP EP20185545.9A patent/EP3744395B1/en active Active
- 2017-12-27 CN CN201780081576.7A patent/CN110114117B/zh active Active
- 2017-12-27 WO PCT/EP2017/084629 patent/WO2018122251A1/en unknown
-
2019
- 2019-09-06 US US16/563,618 patent/US11000697B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3744395A1 (en) | 2020-12-02 |
CN110114117A (zh) | 2019-08-09 |
US20200009401A1 (en) | 2020-01-09 |
EP3741431A1 (en) | 2020-11-25 |
US11000697B2 (en) | 2021-05-11 |
EP3744395B1 (en) | 2022-03-16 |
EP3562549B1 (en) | 2023-10-25 |
WO2018122251A1 (en) | 2018-07-05 |
EP3562549A1 (en) | 2019-11-06 |
US20180185669A1 (en) | 2018-07-05 |
US10485988B2 (en) | 2019-11-26 |
EP3741431B1 (en) | 2023-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110114117B (zh) | 用于辐射治疗计划的计算机系统和计算机产品 | |
US10857384B2 (en) | Controlling and shaping the dose distribution outside treatment targets in external-beam radiation treatments | |
US7801270B2 (en) | Treatment plan optimization method for radiation therapy | |
US11771921B2 (en) | Hybrid trajectory and beam angle optimization for external beam radiation therapy | |
EP3902600B1 (en) | Incorporating multiple targets in trajectory optimization for radiotherapy treatment planning | |
US10835760B2 (en) | Methods to optimize coverage for multiple targets simultaneously for radiation treatments | |
EP3902601B1 (en) | Beam angle optimization for external beam radiation therapy using sectioning | |
US20210138267A1 (en) | Expansion of search space for multicriteria optimization in radiation treatment planning | |
WO2020200849A1 (en) | Using isodose surfaces for optimizing dose distribution in radiation treatment planning |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40009062 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |