CN110115806B - 同时优化多个靶标的覆盖率以用于辐射治疗的方法 - Google Patents

同时优化多个靶标的覆盖率以用于辐射治疗的方法 Download PDF

Info

Publication number
CN110115806B
CN110115806B CN201910107274.3A CN201910107274A CN110115806B CN 110115806 B CN110115806 B CN 110115806B CN 201910107274 A CN201910107274 A CN 201910107274A CN 110115806 B CN110115806 B CN 110115806B
Authority
CN
China
Prior art keywords
target
coverage
computer system
relative
volume
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
Application number
CN201910107274.3A
Other languages
English (en)
Other versions
CN110115806A (zh
Inventor
E·屈塞拉
E·劳科科斯基
S·奥尔里拉
J·诺德
J·佩尔托拉
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.)
Siemens Healthineers International AG
Original Assignee
Varian Medical Systems International AG
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 Varian Medical Systems International AG filed Critical Varian Medical Systems International AG
Publication of CN110115806A publication Critical patent/CN110115806A/zh
Application granted granted Critical
Publication of CN110115806B publication Critical patent/CN110115806B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61N5/1036—Leaf sequencing algorithms
    • 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
    • A61N5/1042—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head
    • A61N5/1045—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head using a multi-leaf collimator, e.g. for intensity modulated radiation therapy or IMRT
    • 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
    • A61N5/1042—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head
    • A61N5/1045—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head using a multi-leaf collimator, e.g. for intensity modulated radiation therapy or IMRT
    • A61N5/1047—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head using a multi-leaf collimator, e.g. for intensity modulated radiation therapy or IMRT with movement of the radiation head during application of radiation, e.g. for intensity modulated arc therapy or IMAT
    • 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
    • A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
    • A61N5/1069—Target adjustment, e.g. moving the patient support

Abstract

构建成本函数，以便引导优化过程在同时辐射治疗多个靶标时实现所有靶标的类似覆盖率，使得可在计划归一化中使用单个缩放因子来实现所有靶标的所需覆盖率。所述成本函数包括有利于获得所有靶标的类似靶标覆盖率的解决方案的分量，以及有利于逼近每个单独靶标的所述所需靶标覆盖率值的解决方案的分量。所述成本函数包括与实际靶标覆盖率相对于所需靶标覆盖率的亏量有关的最大项，或者可替代地，与实际靶标覆盖率相对于平均靶标覆盖率的偏差以及实际靶标覆盖率相对于所需靶标覆盖率的亏量有关的soft‑max项。

Description

同时优化多个靶标的覆盖率以用于辐射治疗的方法
技术领域
本公开大体上涉及使用外束辐射治疗系统的辐射疗法的治疗计划，并且更具体地，涉及同时优化多个靶标的覆盖率。
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”)的外部辐射治疗系统，诸如线性加速器。大体来说，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，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)、粒子(诸如，电子束和质子束)以及放射外科技术。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。
已开发出用于创建IMRT或适形辐射疗法的辐射治疗计划的几种技术。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所需总辐射剂量。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)已使用可用技术中的一种来开发和优化辐射治疗计划。
辐射治疗计划的通用标准之一可在于，靶标体积获得对其规定的靶标覆盖率。例如，靶标覆盖率可通过以下陈述来表示：“至少98％的靶标体积应由40Gy的规定剂量水平覆盖”。在实践中，在已基于其他剂量测定标准执行优化之后，可通过单独的计划归一化步骤来强制实施靶标覆盖率，其中通过调整与经优化的控制点序列相关联的监测器单元(MU)的数量来对剂量水平进行缩放。
在肿瘤已转移的情况下，在患者的治疗区域内可能存在多个治疗靶标。在同时治疗多个靶标时，计划归一化解决方案可能是次优的，因为对于不同的靶标，治疗计划可能具有不同的靶标覆盖率，使得单个缩放因子可能无法校正所有靶标的靶标覆盖率。
因此，需要具有在辐射治疗计划中同时获得多个靶标的一致靶标覆盖率的优化技术。
发明内容
根据一些实施方案，可构建成本函数以便引导优化过程在同时治疗多个靶标时实现所有靶标的类似覆盖率，使得在计划归一化中可使用单个缩放因子来实现所有靶标的所需覆盖率。所述成本函数可包括有利于获得所有靶标的类似靶标覆盖率的解决方案的分量，以及有利于逼近每个单独靶标的所述所需靶标覆盖率值的解决方案的分量。在一些实施方案中，所述成本函数可包括与实际靶标覆盖率相对于所需靶标覆盖率的亏量有关的最大项。在一些其他实施方案中，所述成本函数可包括与以下有关的soft-max项：实际靶标覆盖率相对于平均靶标覆盖率的偏差，以及实际靶标覆盖率相对于所需靶标覆盖率的亏量。此类成本函数可有利于其中所有靶标的所述靶标覆盖率在逼近所述所需靶标覆盖率值的共同值下“捆绑”在一起的解决方案。即使所述共同值可能低于所需靶标覆盖率值，也可在计划归一化中使用单个缩放因子以实现所有靶标的所述所需覆盖率。
根据一些其他实施方案中，代替使用封闭形式的成本函数，在优化算法中实现迭代比例积分(PI)控制器型方法。此方法可在处于靶标特定剂量水平的较低目标下在多个靶标中自动地获得相等靶标覆盖率。为了实现此目的，可在优化期间修改成本函数。可在内部修改靶标较低剂量目标的权重和值，以便使所述靶标覆盖率趋向所述所需值。在此方法中，因为自动地获得靶标覆盖率的所需值，所以不需要计划归一化。
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示意性地示出在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示出患者的治疗区域(例如，颅区域)的示例性示意性射束眼视图(BEV)，其展现了多个靶标。
图7示出用于经优化的治疗计划的三个脑部转移性靶标的示例性剂量体积直方图(DVH)曲线。
图8示出治疗计划的图7所示的相同的三个脑部转移性靶标的示例性DVH曲线，但所述治疗计划是使用根据本发明的一些实施方案的soft-max成本函数获得的。
图9示出经优化的治疗计划的四个脑部转移性靶标的示例性DVH曲线。
图10示出经优化的治疗计划的图9所示的相同四个脑部转移性靶标的示例性DVH曲线，但所述经优化的治疗计划根据本发明的一些实施方案针对成本函数使用迭代比例积分(PI)控制器型方法。
图11是根据本发明的一些实施方案的确定用于同时治疗多个靶标体积的辐射治疗计划的方法的简化流程图。
图12是根据本发明的一些其他实施方案的确定用于同时治疗多个靶标体积的辐射治疗计划的方法的简化流程图。
图13是根据本发明的一些另外的实施方案的确定用于同时治疗多个靶标体积的辐射治疗计划的方法的简化流程图。
图14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、用于针对给定患者实现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位置变化的信息。“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靶标结构的接收特定剂量的体积。在累积DVH中，特定剂量下条形的高度指示结构的接收大于或等于所述剂量的体积。累积DVH大体上是曲线图(例如，当使用小面元大小时)，而微分DVH大体上是不相交的条形图。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。
“射束眼视图”(BEV)是一种成像技术，所述成像技术在辐射疗法中可用于质量保证以及对外束辐射疗法治疗的计划。BEV图像可包含患者的解剖结构以及射束修改器(诸如，钳口或多叶准直器)的图像。
“监测器单元”(MU)是来自用于辐射疗法的临床加速器(诸如线性加速器)的机器输出的量度。监测器单元由监测器室测量，所述监测器室是电离室，其测量由射束所递送的剂量并且内置于放射疗法线性加速器的治疗头中。对线性加速器进行校准以给出特定条件下的特定吸收剂量，但定义和测量配置将在中心之间变化。
术语“控制点”指代与用于外束辐射治疗系统的治疗轴坐标的一组值以及MU计数和/或仪表权重的相关概念相关联的几何点。治疗轴可包括但不限于等中心点、患者支撑件的位置和角度、机架角度、准直器角度以及每个MLC叶的位置。术语“控制点序列”指代静态机架IMRT或旋转中机架IMRT(也称为定容调制弧形疗法或VMAT)中的一组控制点或控制点的轨线。
具体实施方式
本公开大体上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，涉及同时优化多个靶标的覆盖率。可构建成本函数以便引导优化算法在同时辐射治疗多个靶标时实现所有靶标的相同覆盖率，使得可在计划归一化中使用单个缩放因子来实现所有靶标的所需覆盖率。在一些实施方案中，成本函数可包括与实际靶标覆盖率相对于所需靶标覆盖率的亏量有关的最大项。在一些其他实施方案中，成本函数可包括与以下有关的soft-max项：实际靶标覆盖率相对于平均靶标覆盖率的偏差，以及实际靶标覆盖率相对于所需靶标覆盖率的亏量。在一些另外的实施方案中，代替使用封闭形式的成本函数，在优化中实现迭代比例积分(PI)控制器型方法。此方法可在靶标特定剂量水平下具有较低目标的多个靶标之间自动地获得相等的靶标覆盖率，因此不需要手动归一化步骤。
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)(也称作外部辐射疗法)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中使用的电子(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的中心轴之间的交叉点处。待照射的治疗体积围绕等中心点178定位。应了解，可使用使用其他类型的机架(诸如环形机架)的辐射治疗系统。
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178处的场尺寸。MLC 330的上钳口310、下钳口320和叶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处定义约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。本发明的受让人所销售的当前MLC的实例使用多达120个可单独控制的叶(通常为薄钨片)，所述叶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所产生的孔径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)定义。一些外部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被配置来生成治疗辐射束。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被配置来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任选地被配置来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被配置来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，所述辐射治疗计划定义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，辐射治疗计划可由单独的计算机系统中的优化引擎确定，然后放射治疗计划被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现，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所需剂量，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，用于开发放射治疗计划的计算机系统提供可用于控制放射治疗系统的输出，包括控制点和MLC叶移动。通常，辐射治疗计划中规定的所需剂量在若干疗程(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所需的总辐射剂量。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师规定的用于接收特定治疗性辐射剂量(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)，所述危及器官只能接收低得多的最大规定量的辐射。所述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经优化的剂量分布的基础，所述经优化的剂量分布也称为注量图，其又是用于确定辐射治疗计划的基础。例如，体积信息可被简化为目标函数或单个品质因数，所述目标函数或品质因数说明了辐射治疗计划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它们一起使用的特定放射治疗系统的功能，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。此过程理想地迭代地进行，直到达到经优化计划为止。然而，为每个迭代执行大量计算所需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其他实际限值之后，算法终止。一般来说，在治疗计划可用的不同算法的准确性与速度之间存在折衷。
III.同时优化多个靶标的覆盖范围
可使用优化算法来执行强度调制辐射疗法(IMRT)的治疗计划，所述优化算法寻求使用户给定的成本函数的值最小化或最大化的特定治疗机器控制点序列。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，或者待最大化的奖励函数或效用函数。约束可以是硬约束或软约束，所述硬约束为需要满足的变量设定条件，所述软约束具有在基于变量的条件未得到满足的情况下并且基于所述未满足的程度在目标函数中受到惩罚的一些变量值。
可在静态机架IMRT和旋转机架IMRT(也称为体积调制弧形治疗，或VMAT)两者中使用优化算法。成本函数可包括取决于辐射治疗计划的某些剂量测定方面的术语，诸如常见的剂量体积直方图(DVH)或剂量分布。例如，成本函数可包括与用于计划靶标体积(PTV)的最小剂量、用于危及器官(OAR)的平均剂量等有关的项。
用于辐射治疗计划的标准可在于，靶标体积获得对其规定的相对体积覆盖率。例如，相对体积覆盖率可通过以下陈述表达：“至少98％的靶标体积应100％由40Gy的规定剂量水平覆盖”。在本文中，相对体积覆盖率可简称为靶标覆盖率。在实践中，在已基于其他剂量测定标准执行优化之后，可通过单独的计划归一化步骤来强制实施靶标覆盖率，其中通过调整与经优化的控制点序列相关联的监测器单元(MU)的数量来对剂量水平进行缩放。
在肿瘤已转移的情况下，在患者的治疗区域内可能存在多个治疗靶标。图6示出患者的治疗区域(例如，颅区域)的示例性示意性射束眼视图(BEV)。如图所示，在治疗区域中存在多个转移性靶标612、614、616、618、620、622、624和626。在同时治疗多个靶标时，计划归一化解决方案可能是次优的，因为对于不同的靶标，通过优化算法获得的治疗计划可能具有不同的靶标覆盖率，使得单个缩放因子可能无法校正所有靶标的靶标覆盖率，如下所论述。
图7示出经优化的治疗计划的三个脑部转移性靶标的示例性DVH曲线710、720和730。每个靶标具有30Gy的较低目标和98％的靶标覆盖率(即，靶标体积的98％应接收至少30Gy)。如图所示，尽管第一靶标的靶标覆盖率(如第一DVH曲线710所指示)处于或高于所需值98％，但第二靶标和第三靶标的靶标覆盖率(如第二DVH曲线720和第三DVH曲线730所示)低于所需值98％。因此，单个缩放因子可能不会提供令人满意的结果。例如，虽然单个缩放因子可能使第二靶标和第三靶标的靶标覆盖率达到98％，但可能导致第一靶标的过量。
一种解决方案可以是单独地归一化每个靶标的靶标覆盖率。例如，可通过归一化各个场(例如，单独的VMAT弧形或单独的IMRT控制点)来实现个体归一化，其中某些场仅向靶标的子集递送剂量。然而，这种解决方案可能导致低效的治疗计划(例如，具有更长的治疗时间)，或者对于大量靶标来说可能是不切实际的。
本发明的实施方案提供用于在IMRT或VMAT治疗计划的优化阶段期间对所有靶标实现统一靶覆盖率的解决方案。这可能是有利的，因为即使所有靶标的共同靶标覆盖率低于所需靶标覆盖率(例如，所有靶标的共同靶标覆盖率为94％，而所需靶标覆盖率为98％)，单个缩放因子也可用于计划标准化以实现所有靶标的所需覆盖率。所述解决方案可利用某些形式的成本函数来惩罚优化算法中多个靶标之间所实现的靶标覆盖率的差值。
A.成本函数
优化算法可尝试找到使成本函数C({L})最小化的控制点序列{L}，其中控制点序列{L}指示辐射治疗机器的剂量递送。控制点序列{L}还可包括多叶准直器(MLC)序列。成本函数可构建为若干成本项的总和。例如，示例性成本函数可表达为：
Figure BDA0001967034240000121
等式(1)中的第一求和可表示与靶标覆盖率有关的成本项。例如，
Figure BDA0001967034240000122
可表示靶标i的靶标覆盖率的用户定义目标值，而VD i({L})可表示在优化的迭代中基于特定控制点序列{L}所计算出的靶标i的靶标覆盖率的值。符号“T<”可表示治疗计划的靶标较低剂量目标(例如，最小靶标覆盖率应为98％)。在一些实施方案中，与靶标覆盖率有关的成本项中的每一个可表达为靶标覆盖率值
Figure BDA0001967034240000123
与基于特定控制点序列{L}的所计算覆盖率值VD i({L})之间的正差(即，所计算覆盖率值相对于靶标覆盖率值的亏量)的二次函数，如等式(1)所示。每个二次项可乘以对应于所述项相对于其他项的相对重要性的权重wi。
等式(1)中的第二求和可表示与治疗靶标以及任何危及器官(OAR)的其他临床目标有关的成本项。符号“T>”可表示治疗靶标的较高剂量目标(例如，用于靶标的最大剂量)。符号“OAR>”可表示用于任何OAR的较高剂量目标(例如，OAR的最大平均剂量)。大体来说，当所递送剂量增加时，等式(1)中的第一求和可减少，而等式(1)中的第二求和可增加。优化算法的目标可能是寻求平衡，其中递送剂量的任何进一步增加或减少不会减小整个成本函数的值。对于多个靶标的同时辐射治疗，等式(1)中所表达的成本函数不包括引导优化算法为所有靶标实现相同覆盖率的直接机制。
B.Max成本函数
根据一些实施方案，可构建成本函数以便引导优化算法在同时治疗多个靶标时实现所有靶标的相同覆盖率，使得可在计划归一化中使用单个缩放因子来实现所有靶标的所需覆盖率。示例性成本函数可表达如下：
Figure BDA0001967034240000131
在等式(2)中，等式(1)中的第一求和替换为与靶标覆盖率有关的所有单个成本项的最大值。等式(2)中所表达的成本函数在本文中可称为max成本函数。通过使用max成本函数，递送剂量的减少可能不会增加成本函数的值，除非它致使当前具有最差剂量覆盖率的靶标具有更差的剂量覆盖率，或者它致使另一靶标具有比当前最差剂量覆盖率差的剂量覆盖率。这样一来，max成本函数可能有利于其中所有靶标的靶标覆盖率在最差覆盖率下“捆绑”在一起的解决方案。max成本函数也可能有利于获得通过项
Figure BDA0001967034240000132
逼近每个单独靶标的所需靶标覆盖率值的共同靶标覆盖率的解决方案，因为更大差值可导致更大惩罚(即，更多成本)。因此，max函数可将DVH曲线一起捆绑到共同靶标覆盖率值，并且项
Figure BDA0001967034240000133
可使所述共同值趋向所需靶标覆盖率水平。
应注意，等式(2)中所表达的max成本函数可适用于对于不同靶标所需靶标覆盖率不同的情况(例如，第一靶标体积的至少95％应接收100％的30Gy的规定剂量，而第二靶标体积的至少98％应接收100％的30Gy的规定剂量)。在实践中，各个靶标的所需靶标覆盖率可以是相同的(例如，对于所有靶标体积，靶标体积的至少98％应接收100％的30Gy的规定剂量)。
在某些情况下，等式(2)中所表达的max成本函数可在优化过程中导致不稳定行为。高效优化过程可依赖于对所有可能的控制点序列的空间进行高效地采样。可例如通过计算成本函数相对于控制点参数的梯度(即，由于控制点参数的小变化所致的成本函数的变化)来实现高效采样，以便确定应针对当前迭代进行控制点参数的何种变化。对于max成本函数，控制点参数的小变化可能不影响梯度，除非它们影响最差覆盖率。例如，max成本函数可能对最大值仅稍大于下一最大项的情况相对不敏感。因此，即使成本函数梯度方向的小变化实际上也可使解决方案变得更糟。
C.Soft-max成本函数
根据一些其他实施方案，为促进对成本函数梯度的计算，可将成本函数构建为如下soft-max函数：
Figure BDA0001967034240000141
其中
Figure BDA0001967034240000142
其中
Figure BDA0001967034240000143
是所有靶标的平均靶标覆盖率，而阿尔法参数是soft-max核心的标度，描述与平均值的大变化是如何可接受的。
等式(3)中所表达的soft-max成本函数可通过指数项
Figure BDA0001967034240000144
对与平均值
Figure BDA0001967034240000145
的偏差进行严厉惩罚，因此可使所有靶标的靶标覆盖率趋向平均值。类似于max成本函数，项
Figure BDA0001967034240000146
可能有利于获得逼近每个单独靶标的靶标覆盖率的所需值的共同靶标覆盖率的解决方案。然而，与等式(2)中所表示的max成本函数不同，soft-max成本函数的值可能受控制点参数的小变化影响。这是因为，即使与具有最差覆盖率的靶标有关的项可通过指数函数对第一求和的值具有显著影响，与其他靶标有关的项仍有助于第一求和的值。因此，soft-max成本函数可促成更稳定的优化过程。
图8示出治疗计划的图7所示的相同的三个脑部转移性靶标的示例性DVH曲线810、820、830，但所述治疗计划是使用根据一些实施方案的等式(3)中所表达的soft-max成本函数来获得的。如图所示，三个靶标的靶标覆盖率具有约94％的类似值。换句话说，DVH曲线在94％的共同靶标覆盖率值下“捆绑”在一起。因此，即使共同靶标覆盖率值低于98％的所需值，也可在计划归一化中使用单个缩放因子来实现所有靶标的所需覆盖率。
D.更详细的成本函数
根据一些实施方案，可修改等式(3)中所表达的soft-max成本函数中的项，以便更详细地控制不同的靶标覆盖率相对于其他临床目标的评分方式。例如，可能有益的是，使成本函数梯度对每个靶标体积处的剂量分布的细节更敏感。这在小的靶标体积被离散化使得对靶标覆盖率的评估可仅基于几个剂量采样点的情况下是有利的。在这种情况下，可能有益的是将成本函数公式化使得大量的剂量采样点实际上有助于成本，即使所述剂量采样点对所请求靶标覆盖率没有直接影响也是如此。
在一些实施方案中，等式(3)中所表达的soft-max成本函数中的项
Figure BDA0001967034240000151
可替换为：
Figure BDA0001967034240000152
其中dk是位于靶标i的位置k处的剂量，并且Di是内部定义的目标剂量值，其可稍微大于规定的靶标剂量水平(例如，如果对于靶标i，较低剂量目标是24Gy，则Di可定义为26Gy)。等式(4)中所表达的项可允许在靶标体积中有更多采样点。
E.自动较低剂量目标
上文所描述的等式(2)的max成本函数或等式(3)的soft-max成本函数可能存在收敛问题，其中成本函数的值可能在迭代之间急剧变化。这可致使优化器卡住；即，优化器无法找到任何可降低成本的新控制点序列。此类问题可能源于这样的事实：对于小的靶标，针对控制点序列中的小变化，靶标覆盖率的值可显著变化。通过在成本函数中包括直接取决于所计算靶标覆盖率与所需靶标覆盖率的偏差的项(诸如在等式(2)和等式(3)中所表达的成本函数)，这些项可指示优化。例如，等式(3)中的项
Figure BDA0001967034240000161
(其中
Figure BDA0001967034240000162
)可由于与所需靶标覆盖率值的小偏差而致使来自单个靶标的成本项成为成本函数中的唯一贡献。
根据一些实施方案，代替使用封闭形式的成本函数，在优化中实现迭代比例积分(PI)控制器型方法。此方法可在处于靶标特定剂量水平的较低目标下在多个靶标中自动地获得相等靶标覆盖率。换句话说，此方法可捆绑靶标DVH，使得对于所有靶标,相同的相对体积覆盖了规定的靶标剂量水平。为了实现此目的，在优化期间每次迭代时，修改成本函数，诸如等式(1)中所表达的成本函数。可在迭代之间在内部修改靶标较低剂量目标的权重以及剂量值，以便使靶标覆盖率趋向所需值。在此方法中，因为自动地获得靶标覆盖率的所需值，所以可能不需要任何计划归一化。此方法在本文中称为自动较低剂量目标(ALDO)。
在此方法中，当评估成本函数时，针对每个相应靶标进行检查以确定相应靶标的靶标覆盖率是低于还是高于所需值。相应地调整(增加或减少)相应靶标的靶标较低剂量目标的权重和剂量值，从而修改成本函数。在一些实施方案中，如果平均覆盖率低于(或高于)所需值，则可放大(或缩小)所有靶标的权重之和W＝∑wi。W与先前总权重的变化是有限的，并且每个单独靶标权重的变化被添加为对先前权重的校正。
在一些实施方案中，在相应迭代j时对靶标i的权重调整可取决于先前迭代j<j’以及当前迭代j中与所需覆盖率值VD的偏差的总和Si：
Figure BDA0001967034240000171
其中，
Figure BDA0001967034240000172
是在迭代j’时评估的靶标i的靶标覆盖率。
在一些实施方案中，对靶标i的权重调整还可取决于靶标i的当前靶标覆盖率Vi与当前平均靶标覆盖率
Figure BDA0001967034240000173
的归一化偏差Δi：
Figure BDA0001967034240000174
其中Vk是产生最大偏差
Figure BDA0001967034240000175
的靶标k的靶标覆盖率。因此，归一化偏差Δi被限定于[-1，1]之间。
在一些实施方案中，在迭代j时，靶标i的权重可如下给出：
Figure BDA0001967034240000176
其中σ是靶标覆盖率
Figure BDA0001967034240000177
的标准偏差，
Figure BDA0001967034240000178
是先前迭代时靶标i的权重，vi是权重，而α是缩放参数。在一些实施方案中，
Figure BDA0001967034240000179
其中w是迭代j时的总权重Wj＝∑wi。初始权重
Figure BDA00019670342400001710
注意，如果vi＝0，则wi＝0。
如果平均覆盖率
Figure BDA00019670342400001711
低于或高于所需值，则可从一次迭代放大到下一迭代将总权重Wj放大或缩小。在一些实施方案中，Wj与先前总权重的变化受到总权重的内部限定百分比的限制，使得总权重不会从一次迭代到另一次迭代急剧变化。此可确保成本函数中的ALDO项不会改写所有其他项，使得优化器不会达到具有一致靶标覆盖率但为临床上不可接受的剂量分布的解决方案。
在等式(7)中，通过将Si乘以σ2并且将Δ乘以σ，当靶标覆盖率逼近所需值VD时，对成本函数的校正可逼近零，这可确保优化算法的收敛。用于等式(7)中的权重调整的求和项Si可帮助优化过程找到获得每个靶标的所需靶标覆盖率值VD的解决方案。等式(7)中的归一化偏差项Δi可有助于找到在所有靶标中获得相等靶标覆盖率的解决方案。在等式(7)中，为求和项Si选择对σ的二次相依性，以便减少此项对σ的小值的影响。在一些其他实施方案中，可为求和项Si选择对σ的线性相依性。在一些另外的实施方案中，可为归一化偏差项Δi选择对σ的二次相依性。
在一些实施方案中，对于类似于等式(4)中表达的项的成本函数，每个相应靶标的靶标较低剂量目标的值也可迭代地调整为：
Figure BDA0001967034240000181
其中
Figure BDA0001967034240000182
是先前迭代j-1中靶标i的靶标较低剂量目标的值。
图9示出使用常规优化算法优化的治疗计划的四个脑部转移性靶标的示例性DVH曲线910、920、930和940。每个靶标具有24Gy的较低目标和98％的体积(即，靶标体积的98％应接收至少24Gy)。如图所示，四个靶标中的每一者的靶标覆盖率低于所需靶标覆盖率98％。因此，可能需要计划重新归一化，以便达到所需靶标覆盖率。此外，四个靶标的靶标覆盖率彼此不同。例如，如DVH曲线910和920所示的第一靶标和第二靶标的靶标覆盖率在93％至95％的范围内，而如DVH曲线930和940所示的第三靶标和第四靶标的靶标覆盖率在80％至83％的范围内。因此，单个缩放因子可能不会提供令人满意的结果。
图10示出根据一些实施方案的如上所述使用ALDO优化的治疗计划的相同四个脑部转移性靶标的示例性DVH曲线1010、1020、1030和1040。如图所示，四个靶标的24Gy的靶标覆盖率具有近似相同的值98％，这是所需的靶标覆盖率值。因此，ALDO优化算法捆绑靶标DVH，使得对于所有靶标,相同的相对体积覆盖了规定的靶标剂量水平。在此方法中，因为自动地获得靶标覆盖率的所需值，所以可能不需要计划归一化。因为成本函数不是封闭函数形式，所以解决方案可能取决于优化器所采用的路径。
IV.确定用于同时治疗多个靶标体积的辐射治疗计划的第一方法
图11是根据一些实施方案的确定用于同时治疗多个靶标体积的辐射治疗计划的方法1100的简化流程图。
在1102处，接收：在患者体内的第一靶标体积的第一较低剂量目标下的相对体积覆盖率的第一所需值，以及所述患者体内的第二靶标体积的第二较低剂量目标下的相对体积覆盖率的第二所需值。
在1104处，获得成本函数。成本函数可包括与第一偏差与第二偏差之间的最大值有关的第一项。第一偏差可与第一靶标体积的相对体积覆盖率相对于第一所需值的亏量有关。第二偏差可与第二靶标体积的相对体积覆盖率相对于第二所需值的亏量有关。例如，成本函数可具有等式(2)中所表达的形式，如上文所论述。
在1106处，对于多个迭代中的每一者，确定用于辐射治疗系统的一组控制点序列。基于所述一组控制点序列来评估第一靶标体积的相对体积覆盖率和第二靶标体积的相对体积覆盖率。基于第一靶标体积的经评估相对体积覆盖率和第二靶标体积的经评估相对体积覆盖率来评估成本函数的当前值。然后，基于成本函数的当前值来更新所述一组控制点序列。
在1108处，通过进行多个迭代而确定最佳辐射治疗计划。最佳辐射治疗计划可包括对应于成本函数的最佳值的一组最佳控制点序列。成本函数的最佳值可满足预定收敛标准。
V.确定用于同时治疗多个靶标体积的辐射治疗计划的第二方法
图12是根据一些其他实施方案的确定用于同时治疗多个靶标体积的辐射治疗计划的方法1200的简化流程图。
在1202处，接收：在患者体内的第一靶标体积的第一较低剂量目标下的相对体积覆盖率的第一所需值，以及所述患者体内的第二靶标体积的第二较低剂量目标下的相对体积覆盖率的第二所需值。
在1204，获得成本函数。成本函数可包括具有第一权重的第一项和具有第二权重的第二项。第一项可与平均相对体积覆盖率与第一靶标体积的相对体积覆盖率之间的第一差值有关。第二项可与平均相对体积覆盖率与第二靶标体积的相对体积覆盖率之间的第二差值有关。平均相对体积覆盖率是第一靶标体积的相对体积覆盖率和第二靶标体积的相对体积覆盖率的平均值。例如，成本函数可具有等式(3)中所表达的形式，如上文所论述。
在1206处，对于多个迭代中的每一者，确定用于辐射治疗系统的一组控制点序列。基于所述一组控制点序列来评估第一靶标体积的相对体积覆盖率和第二靶标体积的相对体积覆盖率。基于第一靶标体积的经评估相对体积覆盖率和第二靶标体积的经评估相对体积覆盖率来评估成本函数的当前值。然后，基于成本函数的当前值来更新所述一组控制点序列。
在1208处，通过进行多个迭代而确定最佳辐射治疗计划。最佳辐射治疗计划可包括对应于成本函数的最佳值的一组最佳控制点序列。成本函数的最佳值可满足预定收敛标准。
VI.确定用于同时治疗多个靶标体积的辐射治疗计划的第三方法
图13是根据一些另外的实施方案的确定用于同时治疗多个靶标体积的辐射治疗计划的方法1300的简化流程图。
在1302处，接收：在患者体内的第一靶标体积的第一较低剂量目标下的相对体积覆盖率的第一所需值，以及所述患者体内的第二靶标体积的第二较低剂量目标下的相对体积覆盖率的第二所需值。
在1304，获得成本函数。成本函数可包括具有第一权重的第一项和具有第二权重的第二项。第一项可与第一靶标体积的相对体积覆盖率相对于第一所需值的亏量有关。第二项可与第二靶标体积的相对体积覆盖率相对于第二所需值的亏量有关。例如，成本函数可具有等式(1)中所表达的形式，如上文所论述。
在1306处，使用成本函数来进行优化的第一次迭代，以获得第一中间辐射治疗计划。第一中间辐射治疗计划可包括用于放射治疗系统的第一组控制点序列，以用于产生第一剂量分布。第一剂量分布可对应于成本函数的第一成本值。
在1308处，基于所述第一剂量分布来计算用于第一靶标体积的相对体积覆盖率的第一值和用于第二靶标体积的相对体积覆盖率的第二值。
在1310处，可基于第一所需值与第一值之间的第一差值来调整第一权重。在1312处，可基于第二所需值与第二值之间的第二差值来调整第二权重。例如，可使用等式(5)-(7)中所表达的等式来调整第一权重和第二权重,如上文所论述。
在1314处，使用具有经调整第一权重和经调整第二权重的成本函数来进行优化的第二次迭代，以获得第二中间辐射治疗计划执行。第二中间辐射治疗计划可包括用于放射治疗系统的第二组控制点序列，以用于产生第二剂量分布。第二剂量分布可对应于成本函数的低于第一成本值的第二成本值。
应理解，图11至图13所示的具体步骤根据本发明的一些实施方案提供特定方法。对于所述方法中的每一者，还可根据替代实施方案进行其他步骤顺序。例如，本发明的替代实施方案可以不同次序执行步骤。此外，单独步骤可包括能够以对于所述单独步骤适当的各种顺序执行的多个子步骤。此外，可取决于特定应用而添加附加步骤以及移除一些步骤。本领域普通技术人员将认识到许多变型、修改形式和替代形式。
VII.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14中示出为位于计算机系统1400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14中所示的子系统通过系统总线1475进行互联。示出了附加的子系统，诸如打印机1474、键盘1478、一个或多个存储装置1479、联接到显示适配器1482的监测器1476、以及其他子系统。联接到输入/输出(I/O)控制器1471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1477)连接到计算机系统。例如，可串行端口1477或外部接口1481(例如以太网、Wi-Fi等)将计算机系统1400连接到广域网(诸如互联网)、鼠标输入装置或者扫描仪。通过系统总线1475进行的互连允许中央处理器1473与每个子系统通信并且控制来自系统存储器1472或一个或多个存储装置1479(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1472和/或一个或多个存储装置1479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1481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，一个计算机可被视为客户端，而另一计算机被视为服务器，其中每个计算机可以是同一个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。基于本公开以及本文所提供的教义，本领域一般技术人员将知晓并了解使用硬件以及硬件与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待由处理器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。这样，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)上或内，并且可存在于系统或网络内的不同计算机产品上或内。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测器、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，潜在地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有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。
“一”、“一个”或“所述”的表述意图意指“一个或多个”，除非具体地相反指示。
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。不承认任一项是现有技术。

Claims (18)

1.一种计算机系统，所述计算机系统被配置为执行确定用于使用辐射治疗系统同时治疗患者体内多个靶标体积的辐射治疗计划的方法，所述方法包括：
在所述计算机系统处接收：所述患者体内的第一靶标体积的第一较低剂量目标下的相对体积覆盖率的第一所需值，以及所述患者体内的第二靶标体积的第二较低剂量目标下的相对体积覆盖率的第二所需值；
由所述计算机系统获得成本函数，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，所述第一项与平均相对体积覆盖率与所述第一靶标体积的所述相对体积覆盖率之间的第一差值有关，所述第二项与所述平均相对体积覆盖率与所述第二靶标体积的所述相对体积覆盖率之间的第二差值有关，所述平均相对体积覆盖率是所述第一靶标体积的所述相对体积覆盖率和所述第二靶标体积的所述相对体积覆盖率的平均值；
对于多次迭代中的每一者：
由计算机系统确定用于所述辐射治疗系统的一组控制点序列；
由所述计算机系统基于所述一组控制点序列来评估所述第一靶标体积的所述相对体积覆盖率和所述第二靶标体积的所述相对体积覆盖率；
由所述计算机系统基于所述第一靶标体积的经评估相对体积覆盖率和所述第二靶标体积的经评估相对体积覆盖率来评估所述成本函数的当前值；并且
由所述计算机系统基于所述成本函数的所述当前值来更新所述一组控制点序列；并且
由所述计算机系统通过进行所述多次迭代来确定最佳辐射治疗计划，其中所述最佳辐射治疗计划包括对应于成本函数的满足预定收敛标准的最佳值的一组最佳控制点序列。
2.如权利要求1所述的计算机系统，其中所述第一项与所述第一差值的指数函数有关，而所述第二项与所述第二差值的指数函数有关。
3.如权利要求1所述的计算机系统，其中所述成本函数的所述第一项还与所述第一靶标体积的所述相对体积覆盖率相对于所述第一所需值的亏量有关，而所述成本函数的所述第二项还与所述第二靶标体积的所述相对体积覆盖率相对于所述第二所需值的亏量有关。
4.如权利要求3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靶标体积的所述相对体积覆盖率相对于所述第一所需值的所述亏量的平方有关，而所述成本函数的所述第二项与所述第二靶标体积的所述相对体积覆盖率相对于所述第二所需值的所述亏量的平方有关。
5.如权利要求1所述的计算机系统，其中所述第一所需值等于所述第二所需值。
6.如权利要求1所述的计算机系统，其中所述成本函数还包括与所述第一靶标体积、所述第二靶标体积或危及器官(OAR)中的至少一者的一个或多个较高剂量目标有关的一个或多个项。
7.如权利要求1-6中任一项所述的计算机系统，所述方法还包括：
在所述计算机系统处接收所述第一靶标体积的较低剂量目标的第三值以及所述第二靶标体积的较低剂量目标的第四值；
其中所述成本函数的所述第一项还与对应于所述第一靶标体积内的多个第一采样位置的多个第一偏差的和有关，每个第一偏差与相应的第一采样位置处的剂量值相对于所述第三值的亏量有关；并且
其中，所述成本函数的所述第二项还与对应于所述第二靶标体积内的多个第二采样位置的多个第二偏差的和有关，每个第二偏差与相应的第二采样位置处的剂量值相对于所述第四值的亏量有关。
8.一种计算机系统，所述计算机系统被配置为执行确定用于使用辐射治疗系统同时治疗患者体内多个靶标体积的辐射治疗计划的方法，所述方法包括：
在所述计算机系统处接收：所述患者体内的第一靶标体积的第一较低剂量目标下的相对体积覆盖率的第一所需值，以及所述患者体内的第二靶标体积的第二较低剂量目标下的相对体积覆盖率的第二所需值；
由所述计算机系统获得成本函数，所述成本函数包括与第一偏差与第二偏差之间的最大值有关的第一项，所述第一偏差与所述第一靶标体积的所述相对体积覆盖率相对于所述第一所需值的亏量有关，而所述第二偏差与所述第二靶标体积的所述相对体积覆盖率相对于所述第二所需值的亏量有关；
对于多次迭代中的每一者：
由所述计算机系统确定用于所述辐射治疗系统的一组控制点序列；
由所述计算机系统基于所述一组控制点序列来评估所述第一靶标体积的所述相对体积覆盖率和所述第二靶标体积的所述相对体积覆盖率；
由所述计算机系统基于所述第一靶标体积的经评估相对体积覆盖率和所述第二靶标体积的经评估相对体积覆盖率来评估所述成本函数的当前值；并且
由所述计算机系统基于所述成本函数的所述当前值来更新所述一组控制点序列；并且
由所述计算机系统通过进行所述多次迭代来确定最佳辐射治疗计划，其中所述最佳辐射治疗计划包括对应于成本函数的满足预定收敛标准的最佳值的一组最佳控制点序列。
9.如权利要求8所述的计算机系统，其中所述第一偏差与所述第一靶标体积的所述相对体积覆盖率相对于所述第一所需值的所述亏量的平方有关，而所述第二偏差与所述第二靶标体积的所述相对体积覆盖率相对于所述第二所需值的所述亏量的平方有关。
10.如权利要求8-9中任一项所述的计算机系统，其中所述第一所需值等于所述第二所需值。
11.如权利要求10所述的计算机系统，其中所述成本函数包括与所述第一靶标体积、所述第二靶标体积或危及器官(OAR)中的至少一者的一个或多个较高剂量目标有关的一个或多个项。
12.一种计算机系统，所述计算机系统被配置为执行确定用于使用辐射治疗系统同时治疗患者体内多个靶标体积的辐射治疗计划的方法，所述方法包括：
在计算机系统处接收：所述患者体内的第一靶标体积的第一较低剂量目标下的相对体积覆盖率的第一所需值，以及所述患者体内的第二靶标体积的第二较低剂量目标下的相对体积覆盖率的第二所需值；
由所述计算机系统获得成本函数，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，所述第一项与所述第一靶标体积的相对体积覆盖率相对于所述第一所需值的亏量有关，而所述第二项与所述第二靶标体积的相对体积覆盖率相对于所述第二所需值的亏量有关；
由所述计算机系统使用所述成本函数来进行优化的第一迭代，以获得第一中间辐射治疗计划，所述第一中间辐射治疗计划包括所述辐射治疗系统的用于产生对应于所述成本函数的第一成本值的第一剂量分布的第一组控制点序列；
由所述计算机系统基于所述第一剂量分布来计算所述第一靶标体积的相对体积覆盖率的第一值以及所述第二靶标体积的相对体积覆盖率的第二值；
由所述计算机系统基于所述第一所需值与所述第一值之间的第一差值来调整所述第一权重；
由所述计算机系统基于所述第二所需值与所述第二值之间的第二差值来调整所述第二权重；以及
由所述计算机系统使用具有经调整第一权重和经调整第二权重的所述成本函数来进行所述优化的第二迭代，以获得第二中间辐射治疗计划，所述第二中间辐射治疗计划包括所述辐射治疗系统的用于产生对应于所述成本函数的第二成本值的第二剂量分布的第二组控制点序列，所述第二成本值低于所述第一成本值。
13.如权利要求12所述的计算机系统，所述方法还包括：
由所述计算机系统使用所述成本函数来进行所述优化的数次迭代，以获得最佳辐射治疗计划，其中所述最佳辐射治疗计划包括对应于所述成本函数的满足预定收敛标准的最佳值的一组最佳控制点序列；以及
根据所述一组最佳控制点序列，使用所述辐射治疗系统向所述患者体内的所述第一靶标体积和所述第二靶标体积递送辐射。
14.如权利要求12所述的计算机系统，其中调整所述第一权重还基于平均相对体积覆盖率与所述第一靶标体积的所述相对体积覆盖率之间的差值，而调整所述第二权重还基于所述平均相对体积覆盖率与所述第二靶标体积的所述相对体积覆盖率之间的差值，所述平均相对体积覆盖率是所述第一靶标体积的所述相对体积覆盖率和所述第二靶标体积的所述相对体积覆盖率的平均值。
15.如权利要求14所述的计算机系统，其中所述第一所需值等于所述第二所需值。
16.如权利要求15所述的计算机系统，所述方法还包括：
由所述计算机系统基于所述平均相对体积覆盖率与所述第一所需值之间的差值来调整总权重达第一量，所述总权重是所述第一权重和所述第二权重的和；
其中所述第一量小于所述总权重的预定百分比。
17.如权利要求12-16中任一项所述的计算机系统，所述方法还包括：
在所述计算机系统处接收所述第一靶标体积的较低剂量目标的第三值以及所述第二靶标体积的较低剂量目标的第四值；
其中所述成本函数的所述第一项还与对应于所述第一靶标体积内的多个第一采样位置的多个第一偏差的和有关，每个第一偏差与相应的第一采样位置处的剂量值相对于所述第三值的亏量有关；以及
其中，所述成本函数的所述第二项还与对应于所述第二靶标体积内的多个第二采样位置的多个第二偏差的和有关，每个第二偏差与相应的第二采样位置处的剂量值相对于所述第四值的亏量有关。
18.如权利要求17所述的计算机系统，所述方法还包括：在进行所述优化的第二迭代之前：
基于所述第一所需值与所述第一靶标体积的所述相对体积覆盖率之间的差值来调整所述第三值；以及
基于所述第二所需值与所述第二靶标体积的所述相对体积覆盖率之间的差值来调整所述第四值。
CN201910107274.3A 2018-02-06 2019-02-02 同时优化多个靶标的覆盖率以用于辐射治疗的方法 Active CN110115806B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/890,051 2018-02-06
US15/890,051 US10512791B2 (en) 2018-02-06 2018-02-06 Methods to optimize coverage for multiple targets simultaneously for radiation treatments

Publications (2)

Publication Number Publication Date
CN110115806A CN110115806A (zh) 2019-08-13
CN110115806B true CN110115806B (zh) 2023-04-07

Family

ID=65279492

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910107274.3A Active CN110115806B (zh) 2018-02-06 2019-02-02 同时优化多个靶标的覆盖率以用于辐射治疗的方法

Country Status (3)

Country Link
US (2) US10512791B2 (zh)
EP (1) EP3524321B1 (zh)
CN (1) CN110115806B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10512791B2 (en) * 2018-02-06 2019-12-24 Varian Medical Systems International Ag Methods to optimize coverage for multiple targets simultaneously for radiation treatments
EP3546021A1 (en) * 2018-03-29 2019-10-02 Koninklijke Philips N.V. Planning system for planning a radiation therapy procedure
US10888713B2 (en) * 2018-12-28 2021-01-12 Varian Medical Systems, Inc. Multileaf collimator with alternating trapezoidal leaf geometry design
CN112396288B (zh) * 2020-10-12 2023-12-29 中国兵器科学研究院 一种装备体系火力打击能力评估方法、装置、设备和介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1926552A (zh) * 2003-12-12 2007-03-07 西安大略大学 用于对放射剂量输送进行优化的方法和系统
WO2008134869A1 (en) * 2007-05-02 2008-11-13 University Of Western Ontario Method and system for optimizing dose delivery of radiation

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EA010207B1 (ru) * 2003-10-07 2008-06-30 Номос Корпорейшн Система планирования, способ и устройство для конформной радиотерапии
US10279196B2 (en) * 2006-09-28 2019-05-07 Accuray Incorporated Radiation treatment planning using four-dimensional imaging data
CA2796159A1 (en) * 2010-06-07 2011-12-15 The University Of Manitoba Multi-objective radiation therapy optimization method
US8644571B1 (en) 2011-12-06 2014-02-04 Loma Linda University Medical Center Intensity-modulated proton therapy
US10328282B2 (en) 2015-07-13 2019-06-25 Mayo Foundation For Medical Education And Research System and method for novel chance-constrained optimization in intensity-modulated proton therapy planning to account for range and patient setup uncertainties
US10143859B2 (en) * 2016-09-22 2018-12-04 Varian Medical Systems International Ag Controlling and shaping the dose distribution outside treatment targets in external-beam radiation treatments
US10449389B2 (en) * 2016-12-05 2019-10-22 Varian Medical Systems International Ag Dynamic target masker in radiation treatment of multiple targets
US10485988B2 (en) * 2016-12-30 2019-11-26 Varian Medical Systems International Ag Interactive dose manipulation using prioritized constraints
US10188873B2 (en) * 2017-03-22 2019-01-29 Varian Medical Systems International Ag Systems and methods for dose calculation in generating radiation treatment plans
US10512791B2 (en) * 2018-02-06 2019-12-24 Varian Medical Systems International Ag Methods to optimize coverage for multiple targets simultaneously for radiation treatments

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1926552A (zh) * 2003-12-12 2007-03-07 西安大略大学 用于对放射剂量输送进行优化的方法和系统
WO2008134869A1 (en) * 2007-05-02 2008-11-13 University Of Western Ontario Method and system for optimizing dose delivery of radiation

Also Published As

Publication number Publication date
US20190240507A1 (en) 2019-08-08
US10512791B2 (en) 2019-12-24
US10835760B2 (en) 2020-11-17
EP3524321A1 (en) 2019-08-14
US20200094073A1 (en) 2020-03-26
EP3524321B1 (en) 2021-03-31
CN110115806A (zh) 2019-08-13

Similar Documents

Publication Publication Date Title
US10857384B2 (en) Controlling and shaping the dose distribution outside treatment targets in external-beam radiation treatments
US11285339B2 (en) Generating time-efficient treatment field trajectories for external-beam radiation treatments
EP3515555B1 (en) Optimization of radiation treatment plans for optimal treatment time in external-beam radiation treatments
CN110545882B (zh) 用于确定放射治疗计划和递送放射的计算机系统
US8913717B2 (en) Dose calculation method for multiple fields
US7801270B2 (en) Treatment plan optimization method for radiation therapy
CN110115806B (zh) 同时优化多个靶标的覆盖率以用于辐射治疗的方法
CN110152206B (zh) 用于辐射疗法治疗计划的系统
Chow et al. Comparison of dose calculation algorithms with Monte Carlo methods for photon arcs
EP3946584B1 (en) Using isodose surfaces for optimizing dose distribution in radiation treatment planning
Milette Direct optimization of 3D dose distributions using collimator rotation

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