CN110170111B - 用于放射治疗治疗计划的治疗计划计算机结构 - Google Patents
用于放射治疗治疗计划的治疗计划计算机结构 Download PDFInfo
- Publication number
- CN110170111B CN110170111B CN201910136087.8A CN201910136087A CN110170111B CN 110170111 B CN110170111 B CN 110170111B CN 201910136087 A CN201910136087 A CN 201910136087A CN 110170111 B CN110170111 B CN 110170111B
- Authority
- CN
- China
- Prior art keywords
- dose
- voxels
- radiation
- treatment plan
- delivered
- 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
- 238000011282 treatment Methods 0.000 title claims abstract description 127
- 230000005855 radiation Effects 0.000 title claims abstract description 111
- 238000005457 optimization Methods 0.000 claims abstract description 77
- 210000000920 organ at risk Anatomy 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims description 67
- 230000006870 function Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000011369 optimal treatment Methods 0.000 claims description 8
- 230000000670 limiting effect Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 41
- 238000001959 radiotherapy Methods 0.000 abstract description 37
- 238000004422 calculation algorithm Methods 0.000 description 11
- 206010028980 Neoplasm Diseases 0.000 description 10
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 8
- 238000002725 brachytherapy Methods 0.000 description 7
- 238000001356 surgical procedure Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000002441 reversible effect Effects 0.000 description 5
- 230000002411 adverse Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002285 radioactive effect Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 206010027476 Metastases Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000009198 gamma knife radiosurgery Methods 0.000 description 2
- 230000005865 ionizing radiation Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000009401 metastasis Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000002673 radiosurgery Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 102000018997 Growth Hormone Human genes 0.000 description 1
- 108010051696 Growth Hormone Proteins 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 206010057362 Underdose Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002598 diffusion tensor imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- ZCYVEMRRCGMTRW-YPZZEJLDSA-N iodine-125 Chemical compound [125I] ZCYVEMRRCGMTRW-YPZZEJLDSA-N 0.000 description 1
- 229940044173 iodine-125 Drugs 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
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
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
- A61N5/1065—Beam adjustment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1071—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- A61N2005/1041—Treatment planning systems using a library of previously administered radiation treatment applied to other patients
-
- 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
- A61N5/1001—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy using radiation sources introduced into or applied onto the body; brachytherapy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1077—Beam delivery systems
- A61N5/1081—Rotating beam systems with a specific mechanical construction, e.g. gantries
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1077—Beam delivery systems
- A61N5/1084—Beam delivery systems for delivering multiple intersecting beams at the same time, e.g. gamma knives
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本发明涉及放射治疗领域。特别地,本发明涉及用于放射治疗系统的剂量或治疗计划方法,其中可以调整传递的空间剂量,并且使用优化问题来确定传递的辐射,该优化问题根据反映相关区域的标准的框架描述来控制传递的辐射,该相关区域包括患者治疗期间要治疗的靶点、危及器官和/或健康组织中的至少一个。该方法包括以下步骤:估计接收比预定阈值剂量水平更高剂量的体素集,该体素集包括来自至少一个靶区的体素。进一步地,确定低剂量体素集,提供低剂量体素集中的体素的框架描述,其中接收超过预定阈值的剂量的体素被惩罚,使得传递到低剂量体素集的剂量得到限制。然后,框架描述应用在优化问题中,该优化问题控制传递的辐射。
Description
发明领域
本发明涉及放射治疗领域。具体地,本发明涉及用于计划和优化放射治疗系统中患者治疗环节的方法和系统。
背景技术
这些年来,外科技术的发展取得了巨大进步。例如,需要脑部手术的患者现在可以接受无创手术,从而大大减少了对患者的创伤。
用于无创手术的系统包括LeksellIconTM和Leksell Perfexion,其利用伽马辐射进行无创手术。辐射由大量固定放射源发出,并通过准直器(即用于获得具有限定截面的射束的通道)聚焦到限定目标或治疗区。每个放射源提供一定剂量的伽马辐射,其本身不足以损伤介入组织。然而,在来自多个放射源的辐射束相交或会聚的地方组织会被破坏,从而使辐射达到组织破坏水平。会聚点在下文中被称为“聚集点”。
放射治疗中的治疗计划优化,包括例如伽玛刀放射外科手术,旨在使传递到相邻正常组织的剂量最小化的同时,将足够高的剂量传递到患者体内的靶区(例如在肿瘤治疗中)。在治疗计划优化中,必须考虑至少三个相互矛盾的因素:向靶区传递足够高的剂量,保护周围正常或健康的组织,以及尽可能缩短治疗时间。
治疗计划优化是包括优化相对等中心位置或射束方向、射束形状设置(例如准直器配置)及注量的过程。例如,在LeksellIconTM和LeksellPerfexion中,治疗计划优化可以包括优化采用的辐照数量、每次辐照的准直器配置、辐照时间和辐照位置。靶区的不规则性和大小极大地影响相对等中心位置或射束方向、射束形状设置(例如准直器配置)以及用于优化治疗的注量。
在治疗计划中,逆向治疗计划越来越受到关注。逆向计划通常指治疗计划中寻求可交付治疗计划的阶段,以满足多项标准。逆向计划可以与正向计划形成对比,在正向计划中,执刀医生手动对辐照进行定位、加权和成形。逆向计划的目标是缩短计划时间,提高计划质量。逆向计划有时与正向计划紧密结合,例如在Leksell伽玛刀随附的软件:Leksell中。它基于相对等剂量,并使用放射外科中众所周知的指标。这有助于从正向计划过渡到逆向计划,并且可能是广泛采用逆向计划的原因之一。基于相对等剂量的逆向计划器和目标复杂性的缺点在于,由此产生的优化问题本质上很难解决。在现实情况中,这需要在计算时间和牺牲局部最优的风险之间进行折中。这就很难取舍—尤其在有多个冲突目标的复杂情况下。例如,其中至少一个转移与危及器官相邻的多转移病例。在这种情况下,可能还需要具体说明一些必须满足的标准。当前的逆向计划器无法设置针对危及器官的标准。
一直以来,在伽玛刀放射外科的逆向治疗计划中,相对等剂量是最重要的目标。这一目标之所以成立,是因为剂量下降对于某一等剂量水平来说很难实现,该等剂量水平应该与目标边界一致。然而,对于单次辐照这是事实,而当剂量分布是多次辐照之和时,就不一定正确。请注意,利用陡直梯度预先假定高位置精度。对于等中心,优化变量是位置、准直器配置和出束时间。在优化期间,等中心位置被移动,准直器配置被视为所有可能的准直器配置集合中的离散元素。危及器官没有在目标函数中明确处理,这可能是一个严重的缺陷。显然,危及器官的耐受剂量是以绝对剂量给出的,但在目前的计划模式中,绝对剂量只有在完成计划后才能确定。这就导致了一个优化问题,并且很难解决,因为任何解决方法都需要大量的计算,或者得到的解决方案不尽人意。
在申请人提供的改进的逆向治疗计划方法中,设定了反映相关区域的临床标准的多个目标,包括在患者治疗期间要治疗的靶点、危及器官和/或健康组织,并且生成了要传递给靶点的辐射剂量曲线。提供了一个凸优化问题,该问题根据目标控制所释放的辐射,并且使用该凸优化问题计算特定治疗配置的剂量曲线,包括用于辐射剂量曲线的射束形状设置。此后,创建治疗计划,包括基于治疗配置确定治疗期间要传递的辐射剂量曲线,其中每个辐射剂量曲线由辐射的空间剂量体积分布建模,空间分布的形状取决于射束形状设置,并且选择满足临床标准的最佳治疗计划。
然而,大量的临床数据显示,如果大量正常组织受到相对较低剂量的照射,可能会出现不良认知反应。因此,计划方法的一个重要目标是实现对靶区周围的正常组织的低剂量辐射,而当多个靶点彼此接近时,这尤其难以实现。优化中的一个主要问题是,照射区域中的体素集合取决于剂量分布,并且在优化过程中会发生变化,导致非凸优化问题,这通常很难解决。
因此,仍然需要更有效的方法来计划和优化治疗。
发明内容
本发明的一个目的是提供改进的方法和系统,用于计划和优化患者的放射疗法治疗环节。
该目的和其它目的由独立权利要求限定的本发明来实现。优选实施例由从属权利要求限定。
术语“靶点”或“靶区”是指放射治疗期间患者的待治疗的目标位置。靶点可以是要用放射疗法治疗的肿瘤。通常,靶点的表征例如通过使用X射线或核磁共振的无创图像捕获来获得。
术语“辐照”是指将辐射传递到靶区内具有预定辐射水平和空间分布的预定位置。在预定时间段(“出束”时间)内,通过治疗系统的准直器的至少一个扇区,使用该扇区的状态之一,传递辐照。“组合辐照”是指对不同扇区使用不同准直器尺寸将辐射传递到焦点。
术语“出束时间”指的是将辐照传递到靶区的预定时间段。
术语“限制”是指对优化变量的限制,可以是直接地,例如强制设定非负出束时间,也可以是间接地,例如强制设定传递到特定区域的最小剂量。此外,限制可以指不得违反的限制(硬性限制)和/或允许违反但在目标函数中被惩罚的限制(软性限制)。
术语“体素”在本申请的上下文中使用,指网格上的体积元素,其在三维空间中可以是各向异性的。
术语“框架描述”至少包括一个体素集合的目标函数和/或限制。
本发明可以例如用于放射治疗。放射疗法用于治疗哺乳动物(如人和动物)组织中的癌症和其他疾病。伽玛刀就是一种放射治疗设备,它用大量低强度的伽马射线照射患者,这些射线以高强度和高精度会聚在靶点(例如肿瘤)上。另一种放射治疗设备使用线性加速器,其用高能粒子(例如光子、电子等)照射肿瘤。还有一种放射治疗设备,回旋加速器,其使用质子和/或离子。另一种放射治疗形式是近距离放射治疗,其中放射源放置在需要治疗的区域内或附近。辐射束的方向和形状应该得到精确控制,以确保肿瘤接收到规定的辐射剂量,并且来自辐射束的辐射应该最大限度地减少对周围健康组织(通常被称为危及器官)的损害。治疗计划可以用于控制辐射束参数,放射治疗设备通过向患者传递空间变化的剂量分布来实现治疗。
本发明例如与放射治疗系统的治疗计划结合使用,该放射治疗系统具有准直器主体,该准直器主体设置有几组准直器通道,每组被设计成向固定焦点提供具有相应特定横截面的辐射束。适当地,每组准直器通道的入口具有一个图案,其基本上对应于载源器装置上的源的图案。这些准直器通道入口组可以布置成能够实现相互切换,从而改变射束横截面和焦点周围的空间剂量分布。具有不同直径的准直器通道组的数量可以多于两个,例如三个或四个,或者更多。准直器的典型实施例包括八个扇区,每个扇区具有四种不同的状态(闭束、4mm、8mm和16mm)。可以单独调整扇区,即可以为每个扇区选择不同的状态,以改变焦点周围辐射的空间分布。
本发明可以用于调强放射治疗(IMRT)中的治疗计划。
本发明还可以用于近距离放射治疗。近距离放射疗法是将密封的放射源放置在需要治疗的区域内或附近的一种放射疗法。近距离放射疗法包括将短程放射源(例如放射性同位素,碘-125)直接精确放置在癌性肿瘤部位。近距离放射疗法治疗计划通常涉及计算放射源沿指定照射路径的停留时间和停留位置的优化方法。近距离放射治疗的逆向计划方法旨在获得足够的靶点覆盖范围和最大限度地保护临界结构。在几何优化中,通过为每个停留位置的停留时间分配一个单独的加权因子,由植入物的几何结构确定相对停留时间,该加权因子与来自相邻源位置的剂量贡献成反比。
因此,优化问题(在优选实施例中是凸优化问题)根据目标来控制所传递的辐射,并且使用优化问题来计算包括源强度和/或停留时间在内的特定治疗配置的剂量曲线。此后,可以创建治疗计划,包括基于治疗配置确定治疗期间要传递的辐射剂量曲线,其中每个辐射剂量曲线由辐射的空间剂量体积分布建模,可以选择取决于设置的空间分布的形状和满足标准的最佳治疗计划。
根据本发明的一个方面,提供了一种用于放射治疗系统的剂量或治疗计划方法,该放射治疗系统包括放射治疗单元,其中可以通过调整射束形状设置来改变传递的空间剂量,并且使用优化问题来确定传递的辐射,该优化问题根据反映相关区域的标准的目标来控制传递的辐射,该相关区域包括患者治疗期间要治疗的至少一个靶点、危及器官和/或健康组织中的至少一个。该方法包括以下步骤:估计接收比预定阈值剂量水平更高剂量的体素集,该体素集包括来自至少一个靶区的体素。进一步地,确定低剂量体素集,提供低剂量体素集中的体素的框架描述,其中接收超过预定阈值的剂量的体素根据框架描述被惩罚,使得传递到低剂量体素集的剂量得到限制。然后,框架描述应用在优化问题中,该优化问题控制传递的辐射。
优化问题(在优选实施例中是凸优化问题)根据目标来控制传递的辐射,并且使用优化问题来计算特定治疗配置的剂量曲线,包括辐射剂量曲线的射束形状设置。此后,可以创建治疗计划,包括基于治疗配置确定治疗期间要传递的辐射剂量曲线,其中每个辐射剂量曲线由辐射的空间剂量体积分布建模,可以选择取决于射束形状设置的空间分布的形状和满足标准的最佳治疗计划。根据本发明的另一方面,提供了一种用于放射治疗系统的治疗计划的方法,所述放射治疗系统包括具有固定辐射焦点的放射治疗单元,其中焦点周围的空间剂量分布可以通过调整射束形状设置来改变,包括准直器设置。准直器设置成具有多个扇区,并且具有多个准直器通道入口,这些入口将从治疗系统的载源器装置的放射源发出的辐射导向焦点。该方法包括估计接收比预定阈值剂量水平更高剂量的体素集的步骤,该体素集包括至少一个靶区。然后,确定低剂量体素集,并且提供反映低剂量体素集中的体素的标准的框架描述,从而限制传递到低剂量体素的剂量。然后,框架描述应用在优化问题中,该优化问题控制传递的辐射。
优化问题(在优选实施例中是凸优化问题)根据目标来控制所传递的辐射,并且使用该优化问题来计算特定治疗配置的剂量率,特定治疗配置包括扇区和准直器设置以及等中心的辐射时间。然后,可以创建治疗计划,包括基于治疗配置确定治疗期间要传递的辐照,其中每次辐照由三维体素表征图表示的辐射的空间剂量体积分布建模,其中空间分布的形状取决于特定扇区和准直器设置以及照射时间。最后,可以选择满足标准的最佳治疗计划。
根据本发明的实施例,估计剂量分布;确定低剂量体素集的第一估计;基于先前优化步骤中的优化剂量分布,执行至少一个优化,该优化具有将在最终优化中使用的权重设置或标准化权重设置,更新定义为两个剂量水平之间的体积的低剂量体素集;根据更新的低剂量体素集修改框架描述;以及执行使用更新的低剂量体素集和来自先前优化的修改的框架描述的最终优化。
在本发明的实施例中,其中通过独立地估计每个靶点外部的剂量分布或者估计靶点外部的组合剂量分布来估计剂量分布。
特别地,使用迭代方法产生低剂量环或区。首先,对于N个靶点中的每一个,即i=1,…,N,估计靶点i外部的剂量分布di(r)。该估计可能取决于几何因素,例如靶点面积A、靶点体积V和从靶点上的一点到所讨论的位置的矢量r(或者衍生属性,例如与靶点的距离和/或相对于靶点的方向)。此外,剂量分布估计可以随处方剂量DT按比例缩放。如果有一个以上的靶点,靶点之外的所有剂量分布通过可能使用权重w加权的求和来组合。在一个实施例中,组合剂量分布由下式给出
基于组合剂量分布,确定低剂量体积的第一估计。在示例中,为两个剂量水平之间的体积,例如,这些水平可以选择为最小处方剂量的40%和60%。然后,通过例如在目标函数中添加惩罚项来修改框架描述,该惩罚项惩罚剂量超过阈值剂量Dlr的体素。比如,可以是:
其中wlr是权重,Nlr是低剂量体积中的体素数量。原则上,低剂量体积中的阈值剂量可能取决于离表面的距离。然后,利用最终优化问题中使用的权重设置或标准化权重设置来执行优化。此后,算法确定迭代过程是否完成,例如,在预定次数的迭代之后。如果是,可以使用低剂量体积执行最终治疗计划优化。否则,基于先前优化步骤中的优化剂量分布,更新的低剂量体积被定义为两个剂量水平之间的体积,可能与先前相同,并且对框架描述的贡献被相应地修改。使用来自迭代优化步骤的低剂量体积执行最终治疗计划优化。
根据本发明的实施例,该方法还包括通过应用预定剂量分布来确定低剂量体素集。
在本发明的实施例中,通过应用预定剂量分布确定低剂量体素集的步骤包括基于高于阈值剂量水平的剂量水平计算体素集外部的第一壳表面,基于低于阈值剂量水平的剂量水平计算体素集外部的第二壳表面;以及将低剂量体素集定义为第一和第二壳表面之间的体素集。
根据本发明的实施例,确定低剂量体素集的步骤包括基于预定几何结构计算体素集外部的第一壳表面,基于预定几何结构计算体素集外部的第二壳表面,并将低剂量体素集定义为第一和第二壳表面之间的体素集。
在本发明的实施例中,计算体素集外部的第一壳表面包括均匀收缩接收比预定阈值剂量水平更高的剂量的体素集的外表面。
在本发明的实施例中,计算体素集外部的第二壳表面包括均匀地扩展接收比预定阈值剂量水平更高的剂量的体素集的外表面。
在本发明的实施例中,该方法还包括找到等中心位置,确定所有等中心位置的辐照准直器配置,设置要传递到至少一个靶点的剂量,包括确定要传递的所有辐照的照射时间,以及基于所确定的辐照配置和要传递的剂量计算剂量分布。
在本发明的实施例中,低剂量体素集是具有均匀体素厚度的球形壳。
根据本发明的实施例,计算步骤包括根据下式应用
距离模型:
其中Q可以是常数或包括几何因子和/或剂量分布因子,Vad是接收比预定阈值剂量水平更高剂量的体素集的体积,并且其中δr对应于体素集外表面的扩展或收缩距离。
在本发明的实施例中,计算步骤包括根据下式应用距离模型:
其中DF,ad是接收比预定阈值剂量水平更高剂量的体素组中的等剂量,δD是预定剂量分布变化,Vad是接收比预定阈值剂量水平更高剂量的体素组。
根据本发明的实施例,该方法还包括计算特定治疗配置的剂量分布,包括使用优化问题对辐射剂量曲线进行射束形状设置;创建治疗计划,包括基于治疗配置确定治疗期间要传递的辐射剂量曲线,其中每个辐射剂量曲线由辐射的空间剂量体积分布建模,空间分布的形状取决于射束形状设置;以及选择满足标准的最佳治疗计划。
在本发明的实施例中,该方法包括使用优化问题计算特定治疗配置的剂量率,该特定治疗配置包括扇区和准直器设置以及等中心的照射时间;创建治疗计划,包括基于治疗配置确定治疗期间要传递的辐照,其中每次辐照由辐射的空间剂量体积分布建模,空间分布的形状取决于特定扇区和准直器设置以及照射时间;以及选择满足标准的最佳治疗计划。
根据本发明的实施例,该方法还
包括:定义一组射束方向;将要传递到靶点的辐射剂量曲线建模为多个小射束,每个小射束具有小射束强度;设置多个反映靶点标准的目标;提供优化问题,该优化问题根据目标控制传递的辐射,以便创建注量图,其中注量图定义每个小射束的小射束强度;基于注量图和靶点的标准创建治疗计划;以及选择满足标准的最佳治疗计划。
根据本发明的实施例,该方法包括相对于患者定位放射源,包括产生固定的等中心位置。
在本发明的实施例中,基于基函数,放射源位置被生成为靶区中的一组连续点,其中这些点在治疗计划期间是固定的。
根据本发明的实施例,目标
包括传递到靶点的剂量,传递到靶点周围的边界空间的剂量,传递到被分类为危及器官的区域的剂量,和/或出束时间惩罚。
通过本发明确定的优化剂量计划可以应用到放射治疗系统中,用于患者的治疗。由本发明确定的剂量计划还可以或可替换地用作治疗优化过程中的输入,其中在根据本发明的体积填充期间限定的辐照次数、辐照位置和辐照量用作对辐照次数、位置和出束时间以及辐照量的优化的基础。
根据本发明的又一方面,提供了一种治疗计划计算机结构,其中可以实现根据本发明的方法。
在本发明的实施例中,治疗计划计算机结构可以利用根据本发明的方法,并且可以集成到用于调强放射治疗(IMRT)的系统中,该系统包括产生至少一个辐射束的放射源。射束成形装置,例如多叶准直器或圆锥形准直器,可以设置在放射源和患者之间。准直器可通信地连接到治疗计划计算机结构,并且被配置为修改多个小射束,以根据最佳治疗计划,即基于所确定的射束形状设置的注量图,向患者传递。
在本发明的实施例中,基于使用在治疗计划数据库上训练的机器学习算法进行的预测来确定低剂量体素集。机器学习算法可以是例如线性回归模型、逻辑回归模型、支持向量机、高斯过程模型、随机森林、马尔可夫随机场、条件随机场、人工神经网络或诸如卷积神经网络的深度结构化学习网络。
在本发明的进一步实施例中,治疗计划计算机结构可以利用根据本发明的方法,该治疗计划计算机结构可以被集成到放射治疗系统中,该放射治疗系统具有准直器主体,该准直器主体设置有几组准直器通道,每组被设计成向固定焦点提供具有相应特定横截面的辐射束。适当地,每组准直器通道的入口具有一个图案,其基本上对应于载源器装置上的源的图案。这些准直器通道入口组可以布置成能够实现相互切换,从而改变射束横截面和焦点周围的空间剂量分布。准直器主体可通信地连接到治疗计划计算机结构,以根据最佳治疗计划向患者传递。
如本领域技术人员所认识到的,根据本发明的方法的步骤及其优选实施例适于实现为计算机程序或计算机可读介质。
下面将通过示例性实施例讨论本发明的其它目的和优点。
附图说明
图1a是包括围绕准直器主体的载源器装置的组件的透视图,在该准直器主体中可以使用本发明。
图1b示出了放射治疗设备,其中可以使用图1的组件。
图2a示出了放射治疗设备-伽玛刀,其中可以使用本发明。
图2b示出了另一放射治疗设备-线性加速器,其中可以使用本发明。
图3是本发明的实施例的流程图。
图4示出了根据本发明另一实施例的简化二维图示中的逆向规划问题的几何结构。
图5示出了根据本发明的治疗计划计算机结构的实施例。
图6是本发明的另一实施例的流程图。
具体实施方式
首先参考图1a和1b,示出了示例性放射治疗设备,其中使用本发明开发的治疗计划可以用于患者治疗。
图1a是包括围绕准直器主体4的载源器装置2的组件的透视图。载源器装置2和准直器主体4都具有圆锥台的形状。载源器装置2包括沿准直器主体4的环形圆周分布的六个段6。每个段6具有多个孔8,容纳放射源如钴的容器被放置在孔8中。准直器主体4设有准直器通道,通道的内部口10在图中示出。
每个段6具有两个直边12和两个曲边14a、14b。其中一个曲边14a形成较长的圆弧,并且位于锥体底部附近,而另一个曲边14b形成较短的圆弧。段6是可线性移动的,即它们不绕准直器主体4旋转,而是可以沿着从较短曲边14b的中心到较长曲边14a的中心绘制的假想线来回移动。这种平动位移具有坐标变换的效果,其中新轴平行于旧轴。
从图1a中可以看出,准直器通道的内部口10或孔的数量大于用于容纳放射源的孔8的数量。在该特定情况下,准直器通道的数量是用于容纳放射源的孔的三倍,例如180个孔,540个准直器通道。这样做的原因是准直器主体4中有三种不同尺寸的准直器通道,或者更确切地说是将具有三种不同直径的辐射束引向焦点的通道。直径可以是例如4、8和16mm。三种不同类型的准直器通道各自以与载源器装置中的孔的图案相对应的图案排列。通过沿着准直器主体线性移动载源器装置的段6,以与期望的准直器通道对齐,来选择期望的准直器通道的尺寸或类型。
在图1b中,示出了包括放射治疗装置130和患者定位单元20的放射治疗系统,放射治疗装置130具有如图1b所示的载源器装置。在放射治疗单元130中,提供了放射源、放射源保持器、准直器主体和外部屏蔽元件。准直器主体包括大量指向公共焦点的准直器通道,如图1b所示。
患者定位单元20包括刚性框架22、可滑动或可移动的托架24以及用于相对于框架22移动托架24的电机(未示出)。托架24还设置有用于支撑和移动患者的病床26。在托架24的一端,设置有用于容纳和固定患者固定单元或接口单元的固定装置28。
固定单元的坐标由固定单元坐标系定义,固定单元坐标系通过与治疗区的固定关系也用于定义治疗区的轮廓。在操作中,固定单元以及固定单元坐标系相对于固定辐射焦点移动,使得焦点精确地定位在固定单元坐标系的预期坐标中。
图2a示出了放射治疗装置130,可以使用本发明的伽玛刀。患者202可以佩戴坐标框架220以保持正在接受手术或放射治疗的患者身体部分(例如头部)的稳定。坐标框架220和患者定位系统222可以建立空间坐标系,该空间坐标系可以在对患者成像时或者在放射手术期间使用。放射治疗设备130可以包括保护外壳214,以包围多个放射源212,用于通过射束通道216产生辐射束(例如,小射束)。多个射束可以被配置成从不同位置聚焦在等中心218上。虽然每个单独的辐射束可能具有相对低的强度,但是当来自不同辐射束的多个剂量累积在等中心218时,等中心218可以获得相对高水平的辐射。在某些实施例中,等中心218可以对应于手术或治疗中的靶点,例如肿瘤。
图2b示出了另一放射治疗设备40,可以使用本发明的线性加速器10。使用线性加速器40,患者42可以被定位在患者台43上,以接收由治疗计划确定的辐射剂量。线性加速器40可以包括产生辐射束46的辐射头45。整个辐射头45可以围绕水平轴线47旋转。此外,在患者台43下方,可以提供平板闪烁体检测器44,其可以围绕等中心41与辐射头45同步旋转。轴线47与由辐射头45产生的射束46的中心的交点通常被称为“等中心”。患者台43可以被机动化,使得患者42可以定位成肿瘤部位在等中心41处或附近。辐射头45可以围绕台架47旋转,以根据治疗计划向患者42提供多种不同剂量的辐射。
现在参考图3,描述根据本发明的一般方法300。该方法可以用于治疗计划,例如近距离放射治疗、放射外科手术、调强放射治疗以及容积弧形调强放射治疗。在线性加速器中,电子束由包括电子枪、波导和引导磁体的电子加速器产生。电子束撞击由高原子序数材料制成的靶,从而产生电离辐射。电离辐射可以被建模为多个小射束,每个小射束具有可以根据注量图建模的小射束强度。注量图在优化中确定。此外,该方法还可以用于放射治疗系统的治疗计划,该放射治疗系统具有准直器主体,该准直器主体设置有几组准直器通道,每组被设计成向固定焦点提供具有相应特定横截面的辐射束。适当地,每组准直器通道的入口具有一个图案,其基本上对应于载源器装置上的源的图案。这些准直器通道入口组可以布置成能够实现相互切换,从而改变射束横截面和焦点周围的空间剂量分布。具有不同直径的准直器通道组的数量可以多于两个,例如三个或四个,或者更多。准直器的典型实施例包括八个扇区,每个扇区具有四种不同的状态(闭束、4mm、8mm和16mm)。可以单独调整扇区,即可以为每个扇区选择不同的状态,以改变焦点周围辐射的空间分布。
首先,在方法300中,在步骤310中,识别接收比预定阈值剂量水平更高剂量的体素集,其中该体素集包括来自至少一个靶区的体素。
然后,在步骤320,确定低剂量体素集。这可以通过应用预定剂量分布来实现。在本发明的一个实施例中,这可以包括基于高于阈值剂量水平的剂量水平来计算体素集外部的第一壳表面,以及基于低于阈值剂量水平的剂量水平来计算体素集外部的第二壳表面。然后,低剂量体素集被分别定义为第一和第二壳表面之间的体素集。
在本发明的另一个实施例中,这可以包括基于预定几何结构计算体素集外部的第一壳表面,基于预定几何结构计算体素集外部的第二壳表面,并将低剂量体素集定义为第一和第二壳表面之间的体素集。
在步骤330,提供低剂量体素集中的体素的目标函数,
其中接收超过预定阈值的剂量的体素被惩罚,使得传递到低剂量体素集的剂量受到限制。
此后,在步骤340,目标函数被用于
控制所传递辐射的优化问题。因此,优化问题(在优选实施例中是凸优化问题)根据目标来控制传递的辐射,并且使用优化问题来计算特定治疗配置的剂量曲线,包括辐射剂量曲线的射束形状设置。此后,可以创建治疗计划,包括基于治疗配置确定治疗期间要传递的辐射剂量曲线,其中每个辐射剂量曲线由辐射的空间剂量体积分布建模,可以选择取决于射束形状设置的空间分布的形状和满足标准的最佳治疗计划。
现在将特别参照图4更详细地描述根据本发明的方法。然而,应当注意,图4以简化的二维图示出了的几何结构。这些结构显示为环,但是由于靶区是三维的,因此这些环是壳或球体层形状,并且包含靶区(或肿瘤值)。
大量临床数据显示,如果用相对低的剂量照射大量Vad正常组织,可能会产生不良认知反应,特别是当多个靶点彼此靠近时。主要问题是体积等于Vad的体素集取决于剂量分布,并且在优化过程中会发生变化,导致非凸优化问题,这通常很难解决。因此,为了实现凸配方,必须具有固定的几何结构,在该几何结构中,剂量被惩罚。
根据本发明,应用了体积填充程序或填充算法,例如Leksell GammaPlan中使用的填充算法。合适的填充算法的一个示例在同一申请人的共同未决的、尚未公布的专利申请中描述。
基于填充算法的使用,可以在围绕至少一个靶点(T1、T2、T3)的体积中创建体素的固定低剂量环R,如图4所示。该固定体积的体素然后可以被惩罚,给出有效的低剂量惩罚。假设存在一对(Vad,Dad),其中,如果体积至少为Vad,则不利影响显著的剂量为Dad,见图4。例如,有临床证据表明,如果接收超过10Gy的体积超过13cc,放射性坏死的风险会增加,但是用户可以指定其他值。根据本发明,通过在优化问题中引入惩罚项,可以显著减少或消除这种不利影响。如上所述,首先使用填充算法,这是优化的前提。除了提供等中心位置之外,填充算法还为每个等中心提供辐照准直器配置。通过设定处方剂量,强制所有辐照的权重为1,可以计算出真实的剂量分布。为了抑制大体积的剂量,创建了一个低剂量环,创建低剂量环的算法包括以下步骤。填充算法用于找到等中心位置,并确定所有等中心位置的辐照准直器配置。设定靶点T1、T2、T3的处方剂量。这给出了所有辐照的照射时间。然后,根据上述配置计算剂量分布。
此后,识别剂量分布的3D等剂量体积中的体素SVad,其体积等于Vad(在添加靶区之后)。然后,体素环R(R=2δr)被定义为SVad的收缩和扩展之间的设定差,见图4,使用例如距离模型:
α≈0.65
δDcontract=1Cy
δDexpand=1Gy
其中,DF,ad是Gy中对应Vad的等剂量。对应于1Gy的“环尺寸”是包括各种剂量分布,而又不会在优化中引入太多体素的合理选择。然而,应当注意,上面示出的距离模型是一个具体示例,根据本发明的其他实施例,计算步骤可以包括根据下式应用更一般的距离模型:
其中Q可以是常数或包括几何因子和/或剂量分布因子,Vad是接收比预定阈值剂量水平更高剂量的体素集的体积,并且其中δr对应于体素集外表面的扩展或收缩距离。在本发明的实施例中,计算步骤包括根据下式应用距离模型:
其中DF,ad是接收比预定阈值剂量水平更高剂量的体素组中的等剂量,δD是预定剂量分布变化,Vad是接收比预定阈值剂量水平更高剂量的体素组。
然后,在目标函数中添加惩罚项,惩罚剂量超过阈值剂量的体素。在本发明的实施例中,它可以是以下形式:
其中总和超过低剂量环中的体素,wlr是优化权重。在优化中,该环的处理方式与外环的处理方式相同。
现在参考图5,其描述其中可以实现根据本发明的方法的治疗计划计算机结构。治疗计划计算机结构500可以包括建模模块510,该建模模块510被配置用于将患者的体积建模为三维体素表征图或者用于获得三维体素表征图,其中该体积包括在放射治疗单元中治疗患者期间要治疗的靶区。
低剂量体积计算模块520通过估计接收比预定边界剂量水平更高剂量的体素体积集来计算或确定低剂量体积,该体素体积集包括至少一个靶区,通过应用预定变化的剂量分布来确定低剂量体素集,并对低剂量体素集中的体素应用目标函数,其中接收超过预定阈值的剂量的体素受到惩罚,从而限制传递到低剂量体素集的剂量。更详细地,低剂量体积计算模块应用上面参考图4描述的方法或程序。
此外,计算模块530被配置为生成要传递到靶点的辐射剂量曲线;提供根据目标控制传递的辐射的凸优化问题,该凸优化问题包括低剂量体积的目标函数;以及计算特定治疗配置的剂量曲线,该特定治疗配置包括辐射剂量曲线的射束形状设置。该计算模块530使用凸优化问题来计算。治疗计划模块540被配置用于创建治疗计划,包括基于治疗配置确定治疗期间要传递的辐射剂量曲线,其中每个辐射剂量曲线由三维体素表征图表示的辐射的空间剂量体积分布建模,空间分布的形状取决于射束形状设置。优化模块550被配置用于选择满足临床标准的最佳治疗计划。在本发明的实施例中,执行优化,即选择满足临床标准的最佳治疗计划,然后创建治疗计划,包括基于治疗配置确定治疗期间要传递的辐射剂量曲线。
在本发明的实施例中,治疗计划计算机结构500可以利用根据图3或图5描述的方法,并且可以集成到用于调强放射治疗(IMRT)的系统中,该系统包括产生至少一个辐射束的放射源和用于产生多个小射束的结构。射束成形装置,例如多叶准直器或圆锥形准直器,可以设置在放射源和患者之间。准直器可通信地连接到治疗计划计算机结构,并且具有多个叶片,用于修改多个小射束,以根据最佳治疗计划,即基于所确定的射束形状设置的注量图,向患者传递。
此外,根据本发明描述的方法可以与包围靶点并与每个靶点相关联的内壳和外壳结合使用,其中内壳促进选择性,而外壳促进梯度指数。每个外壳的框架描述使得每个体素可以被单独考虑。根据一个实施例,框架描述的项是积分的近似值,即项对应于距靶区外表面r处的体素的总和,并且可以由以下公式给出:
其中x是每个等中心、扇区和准直器设置的照射时间,D(r)是将期望剂量描述为距靶点表面距离的函数,r是距靶点表面距离的矢量,Nj是距离rj处的体素数量,wij是标量权重,在实施例中,其可以逐个体素变化。在本发明的实施例中,使用术语D(r),描述期望剂量在不同方向上变化。应用两个壳,其大小或体积取决于靶点的体积。惩罚这两个壳中的剂量将分别对应于促进两个非凸量的选择性和梯度指数。外壳的尺寸或体积优选地被选择成使得可以获得期望的梯度指数。
目标函数可以为靶点和两个包围壳逐个体素地表达。根据本发明的实施例,对于一个靶点和相应的两个壳的最小目标函数可以如下公式表示,该最小目标函数可以容易地适用于多个靶点,而没有危及器官或出束时间惩罚:
其中x是每个等中心、扇区和准直器设置的照射时间,w1,w2,w3分别是靶点、内环和外环的权重,DT是处方剂量,Ni是结构i∈{T,IR,OR}中目标体素的数量,是相应结构中的剂量率。第一项惩罚靶点的剂量不足,第二项惩罚内壳的超剂量,第三项惩罚外壳中超过DT/2的剂量,其中梯度指数被定义为剂量超过DT/2的体积多出剂量超过DT的体积。这三项分别是覆盖度、选择性和梯度指数的良好凸替代项。目标函数是一个加权和,其中三个权重w1,w2,w3分别控制不同目标的相对重要性,以及覆盖度、选择性和梯度指数的重要性。利用对应于每个临床度量的一个权重或至少一个权重,可以通过在执行优化之前调整目标函数的权重来获得临床目标到期望计划质量的转换。
根据本发明的实施例,使用迭代方法产生低剂量环或区。现在将参照图6描述该方法600。首先,在步骤610,根据下式估计每个靶点外部的剂量分布:
DT*di(A,V,r),
这可能取决于几何因素、离靶点的距离以及相对于靶点的可能方向。此外,剂量分布估计随处方剂量DT按比例缩放。假设靶点表面上的剂量为DT,如果有多个靶点,靶点外部的所有剂量分布都加在一起。加法可能是加权的。
在步骤620中,基于组合剂量分布,确定低剂量体积的第一估计,在示例中,为两个剂量水平之间的体积,例如,这些水平可以选择为相对于最低处方剂量的40%和60%。
然后,在步骤630,将惩罚项添加到框架描述中,惩罚剂量超过阈值剂量Dlr的体素。比如,可以是:
其中wlr是权重,Nlr是低剂量体积中的体素数量。原则上,低剂量体积中的阈值剂量可能取决于离表面的距离。
然后,在步骤640中,利用最终优化问题中使用的权重设置或标准化权重设置来执行优化。
此后,在步骤650中,确定迭代过程是否结束。例如,在预定次数的迭代之后。如果是,可以在步骤680中使用低剂量体积执行最终治疗计划优化。否则,程序600进行到步骤660,在步骤660中,基于前面优化步骤中的优化剂量分布,更新的低剂量体积被定义为两个剂量水平之间的体积,可能与步骤620中相同。在步骤670中,相应地修改目标函数中的项。
尽管已经示出和描述了本发明的示例性实施例,但是对于本领域普通技术人员来说,显然可以对这里描述的本发明进行许多改变、修改或变更。因此,应当理解,本发明的上述描述和附图应被视为非限制性的。
Claims (11)
1.一种用于放射治疗治疗计划的治疗计划计算机结构,其中使用优化问题来确定传递的辐射,所述优化问题根据反映相关区域的标准的框架描述来控制所述传递的辐射,其中所述框架描述至少包括一个体素集合的目标函数和/或限制,所述相关区域包括患者治疗期间要治疗的至少一个靶点、危及器官和/或健康组织中的至少一个,
其中所述至少一个靶点、危及器官和/或健康组织为三维体素表征图,包括:
低剂量体积计算模块,用于通过估计接收比预定边界剂量水平更高剂量的体素体积集来计算低剂量体积,所述体素体积集包括至少一个靶区,通过应用预定变化的剂量分布来确定低剂量体素集,其中所述低剂量体素集位于所述接收比预定阈值剂量水平更高剂量的体素集外部、并与所述至少一个靶点相距一段距离,并对所述低剂量体素集中的体素应用框架描述,其中接收超过预定阈值的剂量的体素受到惩罚,从而限制传递到所述低剂量体素集的剂量;以及
计算模块,被配置为生成要传递到所述靶点的辐射剂量曲线,提供根据所述目标控制所述传递的辐射的凸优化问题,所述凸优化问题包括所述低剂量体积的所述框架描述,以及使用所述凸优化问题计算特定治疗配置的剂量曲线。
2.根据权利要求1所述的治疗计划计算机结构,还包括:
治疗计划模块,被配置用于创建治疗计划,包括基于所述治疗配置确定治疗期间要传递的所述辐射剂量曲线,其中每个辐射剂量曲线由辐射的空间剂量体积分布建模,所述空间剂量体积分布的形状取决于射束形状设置;以及
优化模块,被配置用于选择满足所述标准的最佳治疗计划。
3.根据权利要求1或2所述的治疗计划计算机结构,其中所述低剂量体积计算模块被配置为执行以下步骤:
确定所述低剂量体素集的第一估计;
利用最终优化中使用的权重设置或标准化权重设置来执行至少一个优化,其中各个体素的权重不同;
基于先前优化步骤中的优化剂量分布,更新定义为两个剂量水平之间的体积的所述低剂量体素集;
根据更新的低剂量体素集修正目标函数;以及
使用更新的低剂量体素集和来自先前优化的修正目标函数执行最终优化。
4.根据权利要求1或2所述的治疗计划计算机结构,其中所述低剂量体积计算模块被配置为执行估计剂量分布的步骤。
5.根据权利要求4所述的治疗计划计算机结构,其中通过独立地估计每个靶点外部的剂量分布或者估计所述靶点外部的组合剂量分布来估计所述剂量分布。
6.根据权利要求1或2所述的治疗计划计算机结构,其中所述低剂量体积计算模块被配置为通过应用预定剂量分布来确定低剂量体素集。
7.根据权利要求1或2所述的治疗计划计算机结构,其中所述低剂量体积计算模块被配置为通过以下步骤确定低剂量体素集:
基于预定的几何结构,计算所述体素集外部的第一壳表面;
基于预定的几何结构,计算所述体素集外部的第二壳表面;以及
将所述低剂量体素集定义为所述第一和第二壳表面之间的体素集。
8.根据权利要求7所述的治疗计划计算机结构,其中所述低剂量体积计算模块被配置为通过均匀收缩接收比预定阈值剂量水平更高的剂量的所述体素集的外表面来计算所述体素集外部的所述第一壳表面。
9.根据权利要求7所述的治疗计划计算机结构,其中所述低剂量体积计算模块被配置为通过均匀扩展接收比预定阈值剂量水平更高的剂量的所述体素集的外表面来计算所述体素集外部的所述第二壳表面。
10.根据权利要求1或2所述的治疗计划计算机结构,其中所述低剂量体积计算模块被配置为执行以下步骤:
找到等中心位置;
确定所有等中心位置的辐照准直器配置;
设置要传递到所述至少一个靶点的剂量,
包括确定要传递的所有辐照的照射时间;以及
基于所述确定的辐照配置和要传递的剂量计算剂量分布。
11.根据权利要求1或2所述的治疗计划计算机结构,其中所述低剂量体积计算模块被配置为通过使用经过训练的机器学习模型确定所述低剂量体素集。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862633437P | 2018-02-21 | 2018-02-21 | |
US62/633,437 | 2018-02-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110170111A CN110170111A (zh) | 2019-08-27 |
CN110170111B true CN110170111B (zh) | 2021-11-16 |
Family
ID=65493919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910136087.8A Active CN110170111B (zh) | 2018-02-21 | 2019-02-21 | 用于放射治疗治疗计划的治疗计划计算机结构 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10888711B2 (zh) |
EP (1) | EP3530318A1 (zh) |
JP (1) | JP2019146964A (zh) |
CN (1) | CN110170111B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109011217A (zh) * | 2018-08-24 | 2018-12-18 | 西安大医集团有限公司 | 一种放射治疗系统及其控制驱动方法 |
WO2021059308A1 (en) * | 2019-09-24 | 2021-04-01 | Istituto Tumori "Giovanni Paolo Ii" I.R.C.C.S. | A 3d isodose structure method for clinical data distributions comparison in pretreatment patient-qa |
CN110993059B (zh) * | 2019-12-11 | 2023-06-09 | 上海联影医疗科技股份有限公司 | 一种最大剂量点优化方法、装置、电子设备及存储介质 |
US11465000B2 (en) * | 2020-03-02 | 2022-10-11 | Elekta Instrument Ab | Treatment planning |
EP3932481B1 (en) * | 2020-06-30 | 2023-12-27 | Ion Beam Applications | Multimodal proton therapy treatment planning system |
CN112516471B (zh) * | 2020-12-01 | 2021-08-27 | 北京航空航天大学 | 基于扩展收缩理论的放疗计划仿真设计方法及系统 |
US20220309673A1 (en) * | 2021-03-26 | 2022-09-29 | Varian Medical Systems, Inc. | Using radiation dose information for automatic organ segmentation model training |
KR20230061121A (ko) * | 2021-10-28 | 2023-05-08 | 경희대학교 산학협력단 | 저선량 전리방사선 치료장치 |
WO2024085627A1 (ko) * | 2022-10-19 | 2024-04-25 | 경희대학교 산학협력단 | 다중 겐트리 저선량 방사선장치 |
CN116433967B (zh) * | 2023-03-21 | 2024-03-26 | 南京脑科医院 | 一种面向无创神经调控技术的个性化靶点选择方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6260005B1 (en) * | 1996-03-05 | 2001-07-10 | The Regents Of The University Of California | Falcon: automated optimization method for arbitrary assessment criteria |
AU2003228757A1 (en) * | 2002-04-29 | 2003-11-17 | University Of Miami | Intensity modulated radiotherapy inverse planning algorithm |
CN1953782A (zh) * | 2003-10-07 | 2007-04-25 | 诺莫斯公司 | 用于适形放射治疗的计划系统、方法和设备 |
WO2005072825A1 (en) * | 2004-01-20 | 2005-08-11 | University Of Florida Research Foundation, Inc. | Radiation therapy system using interior-point methods and convex models for intensity modulated fluence map optimization |
US8009804B2 (en) * | 2009-10-20 | 2011-08-30 | Varian Medical Systems International Ag | Dose calculation method for multiple fields |
EP2516004B1 (en) * | 2009-12-22 | 2013-10-30 | Elekta AB (PUBL) | Effective volume filling with templates |
WO2011160235A1 (en) * | 2010-06-22 | 2011-12-29 | Karl Otto | System and method for estimating and manipulating estimated radiation dose |
US9468776B2 (en) * | 2012-06-01 | 2016-10-18 | Raysearch Laboratories Ab | Method and a system for optimizing a radiation treatment plan based on a reference dose distribution |
EP2808057B1 (en) * | 2013-05-31 | 2016-02-03 | RaySearch Laboratories AB | Method and system for robust radiotherapy treatment planning |
WO2016116868A1 (en) * | 2015-01-22 | 2016-07-28 | Koninklijke Philips N.V. | Volumetric modulated arc therapy (vmat) with non-coplanar trajectories |
JP6543735B2 (ja) * | 2015-06-08 | 2019-07-10 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | グローバルな考慮を有する放射線治療最適化ユニット |
US11056243B2 (en) * | 2015-12-21 | 2021-07-06 | Elekta Ab (Publ) | Systems and methods for optimizing treatment planning |
CN105413068B (zh) * | 2015-12-31 | 2019-01-08 | 上海联影医疗科技有限公司 | 求解通量图的优化方法和放射治疗设备 |
EP3228357B1 (en) * | 2016-04-08 | 2021-03-31 | RaySearch Laboratories AB | Method, computer program product and computer system for radiotherapy treatment planning |
EP3530319A1 (en) * | 2018-02-21 | 2019-08-28 | Elekta Limited | Methods for inverse planning |
-
2019
- 2019-02-18 EP EP19157753.5A patent/EP3530318A1/en active Pending
- 2019-02-20 JP JP2019028769A patent/JP2019146964A/ja active Pending
- 2019-02-21 CN CN201910136087.8A patent/CN110170111B/zh active Active
- 2019-02-21 US US16/282,169 patent/US10888711B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20190255355A1 (en) | 2019-08-22 |
CN110170111A (zh) | 2019-08-27 |
JP2019146964A (ja) | 2019-09-05 |
US10888711B2 (en) | 2021-01-12 |
EP3530318A1 (en) | 2019-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110170111B (zh) | 用于放射治疗治疗计划的治疗计划计算机结构 | |
US10857384B2 (en) | Controlling and shaping the dose distribution outside treatment targets in external-beam radiation treatments | |
US20230381537A1 (en) | Geometric aspects of radiation therapy planning and treatment | |
US11351396B2 (en) | Methods for inverse planning | |
US7801270B2 (en) | Treatment plan optimization method for radiation therapy | |
US8913717B2 (en) | Dose calculation method for multiple fields | |
US8085899B2 (en) | Treatment planning system and method for radiotherapy | |
US7162008B2 (en) | Method for the planning and delivery of radiation therapy | |
US11369804B2 (en) | Particle arc treatment planning | |
CN110709136A (zh) | 用于放射治疗处置的处置计划生成 | |
Childs et al. | Principles and practice of radiation treatment planning | |
Bauman et al. | Simplified intensity-modulated arc therapy for dose escalated prostate cancer radiotherapy | |
CN113332616A (zh) | 治疗计划 | |
WO2016191622A1 (en) | Unconstrained radiosurgery with greatly improved dosage fall-off | |
van de Water | Optimizing Planning and Delivery of High-Precision Robotic Radiotherapy and Intensity-Modulated Proton Therapy | |
CN117244179A (zh) | 基于辐射疗法系统的最小监测单元(mu)约束和优化目标的斑点定位 | |
MXPA01001370A (en) | Method for preparing a radiation therapy plan |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200403 Address after: P.O. Box 7593 Stockholm Sweden Applicant after: Keda Medical Equipment Co., Ltd Address before: Linac tower, Fleming Road, Crowley, UK Applicant before: Elekta Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |