CN110215623B - 基于子野优化的正交双层光栅旋转调强的实现方法及装置 - Google Patents
基于子野优化的正交双层光栅旋转调强的实现方法及装置 Download PDFInfo
- Publication number
- CN110215623B CN110215623B CN201910500342.2A CN201910500342A CN110215623B CN 110215623 B CN110215623 B CN 110215623B CN 201910500342 A CN201910500342 A CN 201910500342A CN 110215623 B CN110215623 B CN 110215623B
- Authority
- CN
- China
- Prior art keywords
- sub
- fields
- intensity
- matrix
- calculating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 135
- 230000011218 segmentation Effects 0.000 claims abstract description 115
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000002939 conjugate gradient method Methods 0.000 claims abstract description 22
- 230000003068 static effect Effects 0.000 claims abstract description 17
- 230000008021 deposition Effects 0.000 claims abstract description 14
- 230000005855 radiation Effects 0.000 claims abstract description 12
- 238000001959 radiotherapy Methods 0.000 claims description 24
- 238000012952 Resampling Methods 0.000 claims description 17
- 230000035772 mutation Effects 0.000 claims description 16
- 230000002068 genetic effect Effects 0.000 claims description 10
- 210000000056 organ Anatomy 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 7
- 230000001154 acute effect Effects 0.000 claims description 3
- 239000010410 layer Substances 0.000 description 51
- 239000002356 single layer Substances 0.000 description 9
- 206010028980 Neoplasm Diseases 0.000 description 7
- 238000005286 illumination Methods 0.000 description 5
- 230000002441 reversible effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000000920 organ at risk Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000002123 temporal effect 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
- A61N5/1036—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
- 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
- A61N5/1071—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
- A61N2005/1032—Genetic optimization methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
- A61N2005/1034—Monte Carlo type methods; particle tracking
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本发明提供一种基于子野优化的正交双层光栅旋转调强的实现方法及装置,涉及医疗技术领域。该方法包括:将旋转弧离散化成等间距的多个射野;利用共轭梯度法计算射野强度矩阵;通过双层光栅静态分割算法,计算每个射野的子野,以获得每个射野的前第一预定数目个贡献最大的子野;从前第一预定数目个贡献最大的子野中选取两个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野;计算沉积矩阵;迭代计算子野的形状和权重;采用蒙特卡洛剂量算法计算调强剂量分布。通过将共轭梯度法用于射野强度矩阵计算,并且迭代计算每个离散子野的形状和权重,防止优化计算过程陷入局部最优解,保证了计划的质量,从而提高了治疗效率。
Description
技术领域
本发明涉及医疗技术领域,具体涉及一种基于子野优化的正交双层光栅旋转调强的实现方法及装置。
背景技术
放射治疗作为肿瘤的一种局部治疗手段,一直在不断寻求解决的一个基本问题是,如何较好地处理肿瘤组织和周围正常组织的剂量关系,使肿瘤得到最大限度的局部控制而周围正常组织和器官的放射损伤最小。临床经验证明,肿瘤的局部控制与正常组织的放射损伤有一定的关系。多数情况下,肿瘤控制率与正常组织损伤成正比例,即提高肿瘤的局部控制率必然造成对正常组织的更多的损伤。临床经验也证明,通过改进照射技术、选择合理的时间剂量因子,在保持同等水平的肿瘤控制率的情况下,可减低正常组织的放射损伤。
旋转调强作为目前发展最先进的调强技术,相比于固定射野逆向调强,在保证靶区剂量均匀性一致的前提下,降低危及器官受量,具有显著的剂量学优势。同时通过机架和光栅配合运动,节省了治疗时间。目前旋转调强技术主要使用的是单层光栅或平行双层光栅实现,但对于常规的单层光栅,由于叶片只能在一个方向上运动,其叶片厚度方向的适形能力有限;对于平行的双层光栅,虽然其叶片厚度方向相比于单层光栅的适形能力有所提高,但还是受限于叶片厚度的影响,并不能运动或者形成任意位置的照射单元。另外,对于复杂的照射强度,单层光栅或者平行双层光栅需要多个子野才能完成照射,旋转调强过程中可能就需要使用多个照射弧。基于上述原因,在应用单层光栅或平行双层光栅下,旋转调强难以进一步提高治疗效率。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种基于子野优化的正交双层光栅旋转调强的实现方法及装置,以解决旋转调强难以进一步提高治疗效率的问题。
为实现上述目的,本发明采用的技术方案如下:
第一方面,本发明提供了一种基于子野优化的正交双层光栅旋转调强的实现方法,包括:
将用于放射治疗的旋转弧离散化成等间距的多个射野,所述多个射野具有固定的机架角度;
利用共轭梯度法计算所述多个射野的射野强度矩阵;
通过双层光栅静态分割算法,计算每个射野的子野,以获得每个射野的前第一预定数目个贡献最大的子野;
从所述前第一预定数目个贡献最大的子野中选取两个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野;
计算所获得的离散子野所在位置的沉积矩阵;
迭代计算每个离散子野的形状和权重;
采用蒙特卡洛剂量算法计算调强剂量分布。
可选地,在所述将用于放射治疗的旋转弧离散化成等间距的多个射野之前,还包括:
确定用于放射治疗的旋转弧的个数、方向和范围;
设置待放射治疗的器官的约束条件。
可选地,所述通过双层光栅静态分割算法,计算每个射野的子野,以获得每个射野的前第一预定数目个贡献最大的子野,包括:
采用预定采样间隔对所述射野强度矩阵进行重新采样,以获取重新采样强度矩阵;
对所述重新采样强度矩阵按照强度进行等级划分,以获得等间隔划分的阶梯形强度等级;
强度等级从二开始逐步增大,通过双层光栅静态分割算法计算分割每个射野的子野,直到分割出的子野数大于等于所述第一预定数目,从而获得每个射野的前第一预定数目个贡献最大的子野。
可选地,所述强度等级从二开始逐步增大,通过双层光栅静态分割算法计算分割每个射野的子野,直到分割出的子野数大于等于所述第一预定数目,从而获得每个射野的前第一预定数目个贡献最大的子野,包括:
1)设定强度等级为二;
2)在所述重新采样强度矩阵中选择当前最大强度的三分之一作为分割强度值,在此分割强度值下选出当前分割矩阵;
3)计算所述当前分割矩阵的轮廓;
4)用上下左右叶片适形轮廓外围,计算实际分割矩阵;
5)计算所述实际分割矩阵与期望分割矩阵的差异,若所述实际分割矩阵大于期望分割矩阵,则调整叶片位置,使得所述实际分割矩阵小于或等于期望分割矩阵;
6)从每个射野的总分割矩阵中减去所述实际分割矩阵,以得到新的总分割矩阵;
7)计算实际叶片形成的子野面积,若所述子野面积小于阈值,则不保留该子野叶片位置;若所述子野面积大于阈值,保留该子野叶片位置,子野数增加1;
8)如果所述新的总分割矩阵为0,则进行步骤9),否则转到步骤2);
9)若子野数大于或等于所述第一预定数目,结束分割,否则转到步骤1),强度等级增加1,继续分割。
可选地,所述从所述前第一预定数目个贡献最大的子野中选取两个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野,包括:
针对所得到的第一预定数目个贡献最大的子野,分别计算子野间叶片运动距离;
选取运动距离较小的两个子野,将所述两个子野分别分配到相邻角度上;
通过子野位置插值得到射野机架角度处的子野形状,从而获得具有预定间距的离散子野,并且将所述离散子野的权重设置为1。
可选地,所述迭代计算每个离散子野的形状和权重,包括:
a)采用遗传算法计算每个离散子野的形状;
b)采用共轭梯度法计算每个离散子野的权重;
c)迭代执行步骤a)和b),直到迭代次数达到指定值或目标函数值小于预设阈值。
可选地,所述步骤a)包括:
A)在射野范围内,对初始离散子野进行二维二进制编码,叶片遮挡部分值为0,射束的强度为0,叶片打开部分值为1,该射束的强度为1;
B)初始种群包含第二预定数目个个体,每个个体代表一个计划下的第三预定数目个子野,每个个体对应一个与预设目标函数有关的适应度值,在保证所有适应度值均为正数的情况下,确定目标函数最大值;
C)随机选择两个父代个体,在对应的子野上依照交叉概率进行交叉操作;
D)按照变异概率对子野进行变异操作;
E)重复步骤C)和D),在所得到的子野违反光栅物理限制、剂量率和机架角度限制时,当次操作将被终止,重新选择个体进行交叉、变异操作,在个体的适应度值达到预定阈值或个体的适应度值和群体适应度值不再上升时,结束步骤E)。
可选地,在所述采用蒙特卡洛剂量算法计算调强剂量分布之后,还包括:输出调强剂量分布。
第二方面,本发明提供了一种基于子野优化的正交双层光栅旋转调强的实现装置,包括:
旋转弧离散模块,用于将用于放射治疗的旋转弧离散化成等间距的多个射野,所述多个射野具有固定的机架角度;
射野强度矩阵计算模块,用于利用共轭梯度法计算所述多个射野的射野强度矩阵;
子野计算模块,用于通过双层光栅静态分割算法,计算每个射野的子野,以获得每个射野的前第一预定数目个贡献最大的子野;
离散子野获取模块,用于从所述前第一预定数目个贡献最大的子野中选取两个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野;
沉积矩阵计算模块,用于计算所获得的离散子野所在位置的沉积矩阵;
迭代计算模块,用于迭代计算每个离散子野的形状和权重;
调强剂量分布计算模块,用于采用蒙特卡洛剂量算法计算调强剂量分布。
可选地,所述装置还包括预处理模块,用于:
确定用于放射治疗的旋转弧的个数、方向和范围;
设置待放射治疗的器官的约束条件。
可选地,子野计算模块,具体用于:
采用预定采样间隔对所述射野强度矩阵进行重新采样,以获取重新采样强度矩阵;
对所述重新采样强度矩阵按照强度进行等级划分,以获得等间隔划分的阶梯形强度等级;
强度等级从二开始逐步增大,通过双层光栅静态分割算法计算分割每个射野的子野,直到分割出的子野数大于等于所述第一预定数目,从而获得每个射野的前第一预定数目个贡献最大的子野。
可选地,子野计算模块,还具体用于:
1)设定强度等级为二;
2)在所述重新采样强度矩阵中选择当前最大强度的三分之一作为分割强度值,在此分割强度值下选出当前分割矩阵;
3)计算所述当前分割矩阵的轮廓;
4)用上下左右叶片适形轮廓外围,计算实际分割矩阵;
5)计算所述实际分割矩阵与期望分割矩阵的差异,若所述实际分割矩阵大于期望分割矩阵,则调整叶片位置,使得所述实际分割矩阵小于或等于期望分割矩阵;
6)从每个射野的总分割矩阵中减去所述实际分割矩阵,以得到新的总分割矩阵;
7)计算实际叶片形成的子野面积,若所述子野面积小于阈值,则不保留该子野叶片位置;若所述子野面积大于阈值,保留该子野叶片位置,子野数增加1;
8)如果所述新的总分割矩阵为0,则进行步骤9),否则转到步骤2);
9)若子野数大于或等于所述第一预定数目,结束分割,否则转到步骤1),强度等级增加1,继续分割。
可选地,离散子野获取模块,具体用于:
针对所得到的第一预定数目个贡献最大的子野,分别计算子野间叶片运动距离;
选取运动距离较小的两个子野,将所述两个子野分别分配到相邻角度上;
通过子野位置插值得到射野机架角度处的子野形状,从而获得具有预定间距的离散子野,并且将所述离散子野的权重设置为1。
可选地,迭代计算模块,具体用于:
a)采用遗传算法计算每个离散子野的形状;
b)采用共轭梯度法计算每个离散子野的权重;
c)迭代执行步骤a)和b),直到迭代次数达到指定值或目标函数值小于预设阈值。
可选地,迭代计算模块,还具体用于:
A)在射野范围内,对初始离散子野进行二维二进制编码,叶片遮挡部分值为0,射束的强度为0,叶片打开部分值为1,该射束的强度为1;
B)初始种群包含第二预定数目个个体,每个个体代表一个计划下的第三预定数目个子野,每个个体对应一个与预设目标函数有关的适应度值,在保证所有适应度值均为正数的情况下,确定目标函数最大值;
C)随机选择两个父代个体,在对应的子野上依照交叉概率进行交叉操作;
D)按照变异概率对子野进行变异操作;
E)重复步骤C)和D),在所得到的子野违反光栅物理限制、剂量率和机架角度限制时,当次操作将被终止,重新选择个体进行交叉、变异操作,在个体的适应度值达到预定阈值或个体的适应度值和群体适应度值不再上升时,结束步骤E)。
可选地,所述装置还包括输出模块,用于:输出调强剂量分布。
第三方面,本发明还提供了一种放射治疗装置,所述装置的光栅为两层移动路径相互正交或呈锐角设置的双层光栅,所述装置采用根据第一方面所述的基于子野优化的正交双层光栅旋转调强的实现方法来控制,或者包括根据第二方面所述的基于子野优化的正交双层光栅旋转调强的控制装置。
本发明的有益效果包括:
本发明提供的基于子野优化的正交双层光栅旋转调强的实现方法包括:将用于放射治疗的旋转弧离散化成等间距的多个射野,所述多个射野具有固定的机架角度;利用共轭梯度法计算所述多个射野的射野强度矩阵;通过双层光栅静态分割算法,计算每个射野的子野,以获得每个射野的前第一预定数目个贡献最大的子野;从所述前第一预定数目个贡献最大的子野中选取两个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野;计算所获得的离散子野所在位置的沉积矩阵;迭代计算每个离散子野的形状和权重;采用蒙特卡洛剂量算法计算调强剂量分布。通过将共轭梯度法用于射野强度矩阵计算,并且迭代计算每个离散子野的形状和权重,防止优化计算过程陷入局部最优解,保证了计划的质量,从而提高了治疗效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的解决多连通区域子野分割的正交双层光栅的示例性图片一;
图2示出了本发明实施例提供的解决多连通区域子野分割的正交双层光栅的示例性图片二;
图3示出了本发明实施例提供的基于子野优化的正交双层光栅旋转调强的实现方法的流程示意图;
图4示出了本发明实施例提供的正交双层光栅分割算法流程图;
图5示出了本发明实施例提供的子野二维二进制编码示意图;
图6示出了本发明实施例提供的遗传算法交叉操作示意图;
图7示出了本发明实施例提供的遗传算法变异操作示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
旋转调强是目前发展最先进的调强技术,相比于传统的固定射野逆向调强,在保证靶区剂量均匀性一致的前提下,降低危及器官受量,具有显著的剂量学优势。同时通过机架和光栅配合运动,节省了治疗时间。最初的旋转治疗没有优化过程,将一个弧划分成若干个方向,每个方向上的子野形状根据射野方向观(Beam’s Eye View,BEV)中的形状确定。后来发展了旋转调强优化,采用一些优化方法,优化得到每个方向上的子野形状和权重。
目前旋转调强技术主要使用的是单层光栅或平行双层光栅实现,但单层光栅及平行双层光栅在子野分割时存在两个问题:叶片厚度方向的适形度不够;一个复杂的射野,需要多个子野才能够形成,照射效率低,而正交双层光栅能够有效地解决这两个问题。
为此本发明提供了一种基于遗传算法和共轭梯度算法的双层正交光栅逆向旋转调强的子野优化方法及装置。方法的核心是先将旋转射野离散成若干固定射野,对固定射野进行强度优化,并通过双层光栅静态分割算法得到分割后的子野形状,然后通过一定的筛选规则,得到形状相近的一组初始子野,接着将遗传算法用于双层光栅叶片形状调整、将共轭梯度算法子野权重调整,在调整过程中综合考虑光栅运动速度、剂量率和机架运动速度的限制。下面将对本发明的方法进行详细描述。
如图1和图2所示,本发明所提出的方法基于的设备为一种正交双层多叶准直器,共有上下两层叶片,每一层的叶片运动方向为沿垂直于射线方向,且两层叶片运动方向为正交,该光栅相对于传统单层光栅,及双层平行光栅来说,适形度更高,两个方向均能够达到小于1mm的走位精度。
本发明提供的基于子野优化的正交双层光栅旋转调强的实现方法,包括:将用于放射治疗的旋转弧离散化成等间距的多个射野,所述多个射野具有固定的机架角度;利用共轭梯度法计算所述多个射野的射野强度矩阵;通过双层光栅静态分割算法,计算每个射野的子野,以获得每个射野的前第一预定数目个贡献最大的子野;从所述前第一预定数目个贡献最大的子野中选取两个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野;计算所获得的离散子野所在位置的沉积矩阵;迭代计算每个离散子野的形状和权重;采用蒙特卡洛剂量算法计算调强剂量分布。
本发明通过将共轭梯度法用于射野强度矩阵计算,并且迭代计算每个离散子野的形状和权重,防止优化计算过程陷入局部最优解,保证了计划的质量,从而提高了治疗效率。
下面将参考图3至图7详细描述正交双层光栅的旋转调强实现的具体步骤。
将用于放射治疗的旋转弧(Arc)离散化成等间距的多个射野,所述多个射野具有固定的机架角度,利用共轭梯度法(CG)计算所述多个射野的射野强度矩阵。具体地,将Arc离散成等间距的若干固定机架角度的射野,机架角度间距为Δθ,用共轭梯度法优化射野强度分布,这里我们采用最常用的二次型物理目标函数,其形式如下:
Fobj(xk)=α·FOAR(xk)+β·FPTV(xk)
其中,FOAR(xk)为与所有OAR有关的目标函数项,FPTV(xk)为与所有靶区有关的目标函数项。NOAR为OAR的个数,NTi为第i个OAR中的采样点数。NTPTV为靶区中的采样点数。当器官中的点剂量违反约束时δj=1,否则δj=0。ωj为第j个点的权重。dj为第j个点的计算剂量,pj为第j个点的处方剂量。α,β为控制靶区和OAR的重要性的归一化因子。Nray为射束(ray,又称笔形束,pencil beam)的总个数。ajm为单位强度的第m个射束对第j个点的剂量贡献。整个ajm构成的矩阵称为能量特征矩阵(或沉积矩阵)。为第m个射束的强度。本发明中沉积矩阵用蒙特卡洛剂量算法计算。可选地,在将用于放射治疗的旋转弧离散化成等间距的多个射野之前,还包括:确定用于放射治疗的旋转弧的个数、方向和范围;设置待放射治疗的器官的约束条件。
通过双层光栅静态分割算法(参见图4),计算每个射野的子野,以获得每个射野的前第一预定数目(例如,前三)个贡献最大的子野。具体地,首先进行强度矩阵重新采样:通过上述过程得到的优化的射野强度分布矩阵P[p×q],进行重新采样得矩阵D[M×N],矩阵在垂直方向和水平方向的采样间隔设为0.25cm;然后进行矩阵强度等级划分:将上一步骤中的强度分布,按照强度等间隔划分为阶梯形的强度等级,强度等级越高,分割后的矩阵与原矩阵的误差就越小,但同时子野数增加。强度级从2开始逐步增大,直到分割出的子野数大于等于3。
具体分割方法如下:1)设定强度等级为2;2)确定分割矩阵:强度矩阵选择当前最大强度的三分之一作为分割强度值,在此分割强度值下选出本次分割的矩阵;3)计算所述当前分割矩阵的轮廓;4)用上下左右叶片适形轮廓外围,不需要适形的叶片,闭合在远端,计算实际分割矩阵;5)计算所述实际分割矩阵与期望分割矩阵的差异,若所述实际分割矩阵大于期望分割矩阵,则调整叶片位置,使得所述实际分割矩阵小于或等于期望分割矩阵;6)从每个射野的总分割矩阵中减去上一步的实际分割矩阵,以得到新的总分割矩阵;7)计算实际叶片形成的子野面积,若所述子野面积小于阈值,则不保留该子野叶片位置;若所述子野面积大于阈值,保留该子野叶片位置,子野数增加1;8)如果所述新的总分割矩阵为0,则进行步骤9),否则转到步骤2);9)若子野数大于或等于所述第一预定数目,结束分割,否则转到步骤1),强度等级增加1,继续分割。
从前第一预定数目个(例如三个)贡献最大的子野中选取2个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野。
具体地,对于三个贡献最大的子野,分别计算子野间叶片运动距离,选取运动距离较小的两个子野,将这两个子野分别分配到相邻角度上。计算子野间运动距离的公式如下:
其中,NMLC为光栅的层数,本例中值为2,即两层光栅;Mi为第i个光栅的叶片对数,Li,j,segm、Li,j,segn分别为子野segm和子野segn在第i层光栅第j对叶片中A边叶片的位置,Ri,j,segm、Ri,j,segn分别为子野segm和子野segn在第i层光栅第j对叶片中B边叶片的位置。
假设此射野机架角度为θi,则保留的2个子野的机架角度分别为θi+Δθ/2和θi-Δθ/2,同时通过子野位置插值得到θi处的子野形状。这样,就可以得到Arc上一些列机架角度间距为Δθ/2的离散子野,并设置这些子野的权重为1。
计算所获得的离散子野所在位置的沉积矩阵,以更新上述步骤所计算的ajm。
迭代计算每个离散子野的形状和权重,具体包括:a)采用遗传算法(GA)计算每个离散子野的形状;b)采用共轭梯度法(CG)计算每个离散子野的权重;c)迭代执行步骤a)和b),直到迭代次数达到指定值或目标函数值小于预设阈值。
其中,步骤a)具体包括如下步骤:
A)在射野范围内,对初始离散子野进行二维二进制编码,叶片遮挡部分值为0,射束的强度为0,叶片打开部分值为1,该射束的强度为1(参见图5);
B)初始种群包含第二预定数目(例如,N)个个体,每个个体代表一个计划下的第三预定数目(例如,NSt。tal)个子野,每个个体对应一个与预设目标函数有关的适应度值,在保证所有适应度值均为正数的情况下,确定目标函数最大值;适应度值(Fitness)计算公式如下:
Fitness(s)=Fmax-Fobj(s)
其中,Fmax为目标函数最大值,Fobj为目标函数,可根据第一代种群中所有个体对应的目标函数最大值确定,保证所有适应度值均为正数即可;
C)交叉:随机选择两个父代个体,在对应的子野上依照交叉概率进行交叉操作(参见图6);
D)变异:按照变异概率对子野进行变异操作,即随机选中子野的一个叶片,再随机决定该叶片是打开或闭合(参见图7);
E)重复步骤C)和D),在所得到的子野违反光栅物理限制、剂量率和机架角度限制时,当次操作将被终止,重新选择个体进行交叉、变异操作,在最优个体的适应度值达到预定阈值或最优个体的适应度值和群体适应度值不再上升时,结束步骤E),跳出循环。
用CG算法优化子野的权重:在每次子野形状优化后,用前述步骤中的CG算法对子野权重进行优化,此时仍需考虑光栅速度、剂量率和机架角度限制。需要注意的是,该步骤中ajm代表的是单位权重的第m个子野对第j个点的剂量贡献。
采用蒙特卡洛剂量算法(MC)计算最终调强剂量分布,保证剂量的准确性。可选地,在所述采用蒙特卡洛剂量算法计算调强剂量分布之后,还包括:输出调强放疗(IMRT)的调强剂量分布。
综上所述,本发明实施例提供的基于子野优化的双层正交光栅逆向旋转调强放疗的实现方法,能够有效的解决单层光栅及平行双层光栅在实现逆向旋转调强中的问题,即:叶片厚度方向的适形度不够;对于复杂的照射强度,需要多个照射弧,执行效率低。同时,遗传算法与共轭梯度算法结合使用,防止陷入局部最优解,提升优化效果。应用本发明,能够明显的提升适形度和治疗效率,对于临床有着极其重要的意义。
另外,本发明提供了一种基于子野优化的正交双层光栅旋转调强的实现装置,包括:旋转弧离散模块,用于将用于放射治疗的旋转弧离散化成等间距的多个射野,所述多个射野具有固定的机架角度;射野强度矩阵计算模块,用于利用共轭梯度法计算所述多个射野的射野强度矩阵;子野计算模块,用于通过双层光栅静态分割算法,计算每个射野的子野,以获得每个射野的前第一预定数目个贡献最大的子野;离散子野获取模块,用于从所述前第一预定数目个贡献最大的子野中选取两个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野;沉积矩阵计算模块,用于计算所获得的离散子野所在位置的沉积矩阵;迭代计算模块,用于迭代计算每个离散子野的形状和权重;调强剂量分布计算模块,用于采用蒙特卡洛剂量算法计算调强剂量分布。
可选地,所述装置还包括预处理模块,用于:确定用于放射治疗的旋转弧的个数、方向和范围;设置待放射治疗的器官的约束条件。
可选地,子野计算模块,具体用于:采用预定采样间隔对所述射野强度矩阵进行重新采样,以获取重新采样强度矩阵;对所述重新采样强度矩阵按照强度进行等级划分,以获得等间隔划分的阶梯形强度等级;强度等级从二开始逐步增大,通过双层光栅静态分割算法计算分割每个射野的子野,直到分割出的子野数大于等于所述第一预定数目,从而获得每个射野的前第一预定数目个贡献最大的子野。
可选地,子野计算模块,还具体用于:1)设定强度等级为二;2)在所述重新采样强度矩阵中选择当前最大强度的三分之一作为分割强度值,在此分割强度值下选出当前分割矩阵;3)计算所述当前分割矩阵的轮廓;4)用上下左右叶片适形轮廓外围,计算实际分割矩阵;5)计算所述实际分割矩阵与期望分割矩阵的差异,若所述实际分割矩阵大于期望分割矩阵,则调整叶片位置,使得所述实际分割矩阵小于或等于期望分割矩阵;6)从每个射野的总分割矩阵中减去所述实际分割矩阵,以得到新的总分割矩阵;7)计算实际叶片形成的子野面积,若所述子野面积小于阈值,则不保留该子野叶片位置;若所述子野面积大于阈值,保留该子野叶片位置,子野数增加1;8)如果所述新的总分割矩阵为0,则进行步骤9),否则转到步骤2);9)若子野数大于或等于所述第一预定数目,结束分割,否则转到步骤1),强度等级增加1,继续分割。可选地,所述第一预定数目例如为三。
可选地,离散子野获取模块,具体用于:针对所得到的第一预定数目个贡献最大的子野,分别计算子野间叶片运动距离;选取运动距离较小的两个子野,将所述两个子野分别分配到相邻角度上;通过子野位置插值得到射野机架角度处的子野形状,从而获得具有预定间距的离散子野,并且将所述离散子野的权重设置为1。
可选地,迭代计算模块,具体用于:a)采用遗传算法计算每个离散子野的形状;b)采用共轭梯度法计算每个离散子野的权重;c)迭代执行步骤a)和b),直到迭代次数达到指定值或目标函数值小于预设阈值。
可选地,迭代计算模块,还具体用于:A)在射野范围内,对初始离散子野进行二维二进制编码,叶片遮挡部分值为0,射束的强度为0,叶片打开部分值为1,该射束的强度为1;B)初始种群包含第二预定数目个个体,每个个体代表一个计划下的第三预定数目个子野,每个个体对应一个与预设目标函数有关的适应度值,在保证所有适应度值均为正数的情况下,确定目标函数最大值;C)随机选择两个父代个体,在对应的子野上依照交叉概率进行交叉操作;D)按照变异概率对子野进行变异操作;E)重复步骤C)和D),在所得到的子野违反光栅物理限制、剂量率和机架角度限制时,当次操作将被终止,重新选择个体进行交叉、变异操作,在个体的适应度值达到预定阈值或个体的适应度值和群体适应度值不再上升时,结束步骤E)。可选地,所述装置还包括输出模块,用于:输出调强剂量分布。
另外,本发明还提供了一种放射治疗装置,该放射治疗装置的光栅为两层移动路径相互正交或呈锐角设置的双层光栅,该放射治疗装置采用如上所述的基于子野优化的正交双层光栅旋转调强的实现方法来控制,或者包括如上所述的基于子野优化的正交双层光栅旋转调强的控制装置。
上述实施例只为说明本发明的技术构思及特点,其目的在于让本领域普通技术人员能够了解本发明的内容并加以实施,并不能以此限制本发明的保护范围,凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围内。
Claims (8)
1.一种基于子野优化的正交双层光栅旋转调强的实现方法,其特征在于,包括:
将用于放射治疗的旋转弧离散化成等间距的多个射野,所述多个射野具有固定的机架角度;
利用共轭梯度法计算所述多个射野的射野强度矩阵;
通过双层光栅静态分割算法,计算每个射野的子野,以获得每个射野的前第一预定数目个贡献最大的子野,包括:采用预定采样间隔对所述射野强度矩阵进行重新采样,以获取重新采样强度矩阵;对所述重新采样强度矩阵按照强度进行等级划分,以获得等间隔划分的阶梯形强度等级;强度等级从二开始逐步增大,通过双层光栅静态分割算法计算分割每个射野的子野,直到分割出的子野数大于等于所述第一预定数目,从而获得每个射野的前第一预定数目个贡献最大的子野,包括:
1)设定强度等级为二;
2)在所述重新采样强度矩阵中选择当前最大强度的三分之一作为分割强度值,在此分割强度值下选出当前分割矩阵;
3)计算所述当前分割矩阵的轮廓;
4)用上下左右叶片适形轮廓外围,计算实际分割矩阵;
5)计算所述实际分割矩阵与期望分割矩阵的差异,若所述实际分割矩阵大于期望分割矩阵,则调整叶片位置,使得所述实际分割矩阵小于或等于期望分割矩阵;
6)从每个射野的总分割矩阵中减去所述实际分割矩阵,以得到新的总分割矩阵;
7)计算实际叶片形成的子野面积,若所述子野面积小于阈值,则不保留该子野叶片位置;若所述子野面积大于阈值,保留该子野叶片位置,子野数增加1;
8)如果所述新的总分割矩阵为0,则进行步骤9),否则转到步骤2);
9)若子野数大于或等于所述第一预定数目,结束分割,否则转到步骤1),强度等级增加1,继续分割;
从所述前第一预定数目个贡献最大的子野中选取两个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野;
计算所获得的离散子野所在位置的沉积矩阵;
迭代计算每个离散子野的形状和权重;
采用蒙特卡洛剂量算法计算调强剂量分布。
2.根据权利要求1所述的方法,其特征在于,在所述将用于放射治疗的旋转弧离散化成等间距的多个射野之前,还包括:
确定用于放射治疗的旋转弧的个数、方向和范围;
设置待放射治疗的器官的约束条件。
3.根据权利要求1所述的方法,其特征在于,所述从所述前第一预定数目个贡献最大的子野中选取两个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野,包括:
针对所得到的第一预定数目个贡献最大的子野,分别计算子野间叶片运动距离;
选取运动距离较小的两个子野,将所述两个子野分别分配到相邻角度上;
通过子野位置插值得到射野机架角度处的子野形状,从而获得具有预定间距的离散子野,并且将所述离散子野的权重设置为1。
4.根据权利要求1所述的方法,其特征在于,所述迭代计算每个离散子野的形状和权重,包括:
a)采用遗传算法计算每个离散子野的形状;
b)采用共轭梯度法计算每个离散子野的权重;
c)迭代执行步骤a)和b),直到迭代次数达到指定值或目标函数值小于预设阈值。
5.根据权利要求4所述的方法,其特征在于,所述步骤a)包括:
A)在射野范围内,对初始离散子野进行二维二进制编码,叶片遮挡部分值为0,射束的强度为0,叶片打开部分值为1,该射束的强度为1;
B)初始种群包含第二预定数目个个体,每个个体代表一个计划下的第三预定数目个子野,每个个体对应一个与预设目标函数有关的适应度值,在保证所有适应度值均为正数的情况下,确定目标函数最大值;
C)随机选择两个父代个体,在对应的子野上依照交叉概率进行交叉操作;
D)按照变异概率对子野进行变异操作;
E)重复步骤C)和D),在所得到的子野违反光栅物理限制、剂量率和机架角度限制时,当次操作将被终止,重新选择个体进行交叉、变异操作,在个体的适应度值达到预定阈值或个体的适应度值和群体适应度值不再上升时,结束步骤E)。
6.根据权利要求1至5中任一项所述的方法,其特征在于,在所述采用蒙特卡洛剂量算法计算调强剂量分布之后,还包括:输出调强剂量分布。
7.一种基于子野优化的正交双层光栅旋转调强的实现装置,其特征在于,包括:
旋转弧离散模块,用于将用于放射治疗的旋转弧离散化成等间距的多个射野,所述多个射野具有固定的机架角度;
射野强度矩阵计算模块,用于利用共轭梯度法计算所述多个射野的射野强度矩阵;
子野计算模块,用于通过双层光栅静态分割算法,计算每个射野的子野,以获得每个射野的前第一预定数目个贡献最大的子野,包括:采用预定采样间隔对所述射野强度矩阵进行重新采样,以获取重新采样强度矩阵;对所述重新采样强度矩阵按照强度进行等级划分,以获得等间隔划分的阶梯形强度等级;强度等级从二开始逐步增大,通过双层光栅静态分割算法计算分割每个射野的子野,直到分割出的子野数大于等于所述第一预定数目,从而获得每个射野的前第一预定数目个贡献最大的子野,包括:
1)设定强度等级为二;
2)在所述重新采样强度矩阵中选择当前最大强度的三分之一作为分割强度值,在此分割强度值下选出当前分割矩阵;
3)计算所述当前分割矩阵的轮廓;
4)用上下左右叶片适形轮廓外围,计算实际分割矩阵;
5)计算所述实际分割矩阵与期望分割矩阵的差异,若所述实际分割矩阵大于期望分割矩阵,则调整叶片位置,使得所述实际分割矩阵小于或等于期望分割矩阵;
6)从每个射野的总分割矩阵中减去所述实际分割矩阵,以得到新的总分割矩阵;
7)计算实际叶片形成的子野面积,若所述子野面积小于阈值,则不保留该子野叶片位置;若所述子野面积大于阈值,保留该子野叶片位置,子野数增加1;
8)如果所述新的总分割矩阵为0,则进行步骤9),否则转到步骤2);
9)若子野数大于或等于所述第一预定数目,结束分割,否则转到步骤1),强度等级增加1,继续分割;
离散子野获取模块,用于从所述前第一预定数目个贡献最大的子野中选取两个形状接近的子野,并分布到旋转弧,进行插值以得到离散子野;
沉积矩阵计算模块,用于计算所获得的离散子野所在位置的沉积矩阵;
迭代计算模块,用于迭代计算每个离散子野的形状和权重;
调强剂量分布计算模块,用于采用蒙特卡洛剂量算法计算调强剂量分布。
8.一种放射治疗装置,其特征在于,所述装置的光栅为两层移动路径相互正交或呈锐角设置的双层光栅,所述装置采用根据权利要求1至6中任一项所述的基于子野优化的正交双层光栅旋转调强的实现方法来控制,或者包括根据权利要求7所述的基于子野优化的正交双层光栅旋转调强的实现装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910500342.2A CN110215623B (zh) | 2019-06-11 | 2019-06-11 | 基于子野优化的正交双层光栅旋转调强的实现方法及装置 |
US17/618,693 US20220241612A1 (en) | 2019-06-11 | 2019-11-12 | A method and device for imat using orthogonal double layer multi leaves collimators |
PCT/CN2019/117278 WO2020248489A1 (zh) | 2019-06-11 | 2019-11-12 | 基于子野优化的正交双层光栅旋转调强的实现方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910500342.2A CN110215623B (zh) | 2019-06-11 | 2019-06-11 | 基于子野优化的正交双层光栅旋转调强的实现方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110215623A CN110215623A (zh) | 2019-09-10 |
CN110215623B true CN110215623B (zh) | 2020-11-10 |
Family
ID=67816300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910500342.2A Active CN110215623B (zh) | 2019-06-11 | 2019-06-11 | 基于子野优化的正交双层光栅旋转调强的实现方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220241612A1 (zh) |
CN (1) | CN110215623B (zh) |
WO (1) | WO2020248489A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110215623B (zh) * | 2019-06-11 | 2020-11-10 | 苏州雷泰智能科技有限公司 | 基于子野优化的正交双层光栅旋转调强的实现方法及装置 |
CN111681736B (zh) * | 2020-06-08 | 2023-05-12 | 苏州雷泰医疗科技有限公司 | 一种基于分象限的正交双层光栅动态调强分割方法 |
CN112043974B (zh) * | 2020-09-08 | 2021-07-06 | 苏州雷泰医疗科技有限公司 | 一种基于正交双层光栅旋转扫掠的动态调强方法及装置 |
CN112043976B (zh) * | 2020-09-28 | 2022-11-25 | 上海联影医疗科技股份有限公司 | 放疗计划调整系统以及装置 |
CN113181562B (zh) * | 2021-02-25 | 2022-06-24 | 中科超精(南京)科技有限公司 | 一种旋转式多层多叶光栅系统及其直接子野优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101848745A (zh) * | 2007-10-16 | 2010-09-29 | 皇家飞利浦电子股份有限公司 | 用于调强弧形治疗序列化与最优化的方法和装置 |
CN101927060A (zh) * | 2009-06-18 | 2010-12-29 | 东莞市益普生医疗设备发展有限公司 | 一种提高断层治疗射野适形度的方法 |
CN105413068A (zh) * | 2015-12-31 | 2016-03-23 | 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 |
CN107921278A (zh) * | 2015-06-12 | 2018-04-17 | 爱可瑞公司 | 使用多重验证系统的多叶准直器叶子位置验证 |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6526123B2 (en) * | 1997-09-29 | 2003-02-25 | Moshe Ein-Gal | Multiple layer multileaf collimator |
US6108400A (en) * | 1998-08-10 | 2000-08-22 | Siemens Medical Systems, Inc. | System and method for using precalculated strips in calculating scatter radiation |
US7046762B2 (en) * | 1999-11-05 | 2006-05-16 | Georgia Tech Research Corporation | Systems and methods for global optimization of treatment planning for external beam radiation therapy |
US6477229B1 (en) * | 2000-05-12 | 2002-11-05 | Siemens Medical Solutions Usa, Inc. | Radiation therapy planning |
US6757355B1 (en) * | 2000-08-17 | 2004-06-29 | Siemens Medical Solutions Usa, Inc. | High definition radiation treatment with an intensity modulating multi-leaf collimator |
US6697452B2 (en) * | 2001-02-16 | 2004-02-24 | The Board Of Trustees Of The Leland Stanford Junior University | Verification method of monitor units and fluence map in intensity modulated radiation therapy |
US6907105B2 (en) * | 2001-09-25 | 2005-06-14 | Bc Cancer Agency | Methods and apparatus for planning and delivering intensity modulated radiation fields with a rotating multileaf collimator |
US6907282B2 (en) * | 2001-11-09 | 2005-06-14 | Siemens Medical Solutions Usa, Inc. | Intensity map resampling for multi-leaf collimator compatibility |
US6853705B2 (en) * | 2003-03-28 | 2005-02-08 | The University Of North Carolina At Chapel Hill | Residual map segmentation method for multi-leaf collimator-intensity modulated radiotherapy |
WO2005035061A2 (en) * | 2003-10-07 | 2005-04-21 | Nomos Corporation | Planning system, method and apparatus for conformal radiation therapy |
US7283611B1 (en) * | 2004-03-22 | 2007-10-16 | The University Of Notre Dame | Segmentation algorithmic approach to step-and-shoot intensity modulated radiation therapy |
US7734010B2 (en) * | 2005-05-13 | 2010-06-08 | Bc Cancer Agency | Method and apparatus for planning and delivering radiation treatment |
JP5074394B2 (ja) * | 2005-07-25 | 2012-11-14 | オットー、カール | 放射線治療の計画及び照射方法並びに装置 |
EP2066404A1 (en) * | 2006-09-28 | 2009-06-10 | University Of Maryland | Arc-sequencing technique for intensity modulated arc therapy |
US8325878B2 (en) * | 2008-05-08 | 2012-12-04 | The Johns Hopkins University | Real-time dose computation for radiation therapy using graphics processing unit acceleration of the convolution/superposition dose computation method |
WO2011160235A1 (en) * | 2010-06-22 | 2011-12-29 | Karl Otto | System and method for estimating and manipulating estimated radiation dose |
US9750955B2 (en) * | 2011-09-29 | 2017-09-05 | The Johns Hopkins University | Dose computation for radiation therapy using heterogeneity compensated superposition |
CN102915784B (zh) * | 2012-08-24 | 2016-08-03 | 山东新华医疗器械股份有限公司 | 双层多叶准直器 |
US9381376B2 (en) * | 2012-10-12 | 2016-07-05 | Varian Medical Systems International Ag | Systems, devices, and methods for quality assurance of radiation therapy |
CN103083821B (zh) * | 2013-01-27 | 2015-12-23 | 合肥克瑞斯信息科技有限公司 | 一种直接优化静态调强子野形状及其机器跳数的系统和方法 |
US9486646B2 (en) * | 2014-08-29 | 2016-11-08 | Wisconsin Alumni Research Foundation | System and method for control of external beam radiation |
CN104318122B (zh) * | 2014-11-06 | 2017-05-10 | 中国科学院合肥物质科学研究院 | 一种基于扰动的旋转调强优化方法 |
US9987504B2 (en) * | 2015-04-02 | 2018-06-05 | Varian Medical Systems International Ag | Portal dosimetry systems, devices, and methods |
US10617891B2 (en) * | 2015-04-23 | 2020-04-14 | Sun Nuclear Corporation | Radiation detector calibration |
CN105031820B (zh) * | 2015-09-01 | 2018-04-03 | 上海联影医疗科技有限公司 | 调强放疗逆向优化方法和装置 |
WO2017070433A1 (en) * | 2015-10-23 | 2017-04-27 | The Regents Of The University Of California | A platform for intensity modulated radiation therapy |
CN105709341B (zh) * | 2016-01-15 | 2018-03-27 | 中国科学院合肥物质科学研究院 | 一种基于梯度法和漫水填充法的调强子野优化方法 |
US10918888B2 (en) * | 2017-02-28 | 2021-02-16 | Sun Nuclear Corporation | Radiation therapy treatment verification with electronic portal imaging device transit images |
CN107823806B (zh) * | 2017-09-15 | 2019-11-19 | 中北大学 | 一种用于调强放射治疗直接子野优化的方法及系统 |
CN108175953B (zh) * | 2017-12-29 | 2020-07-21 | 苏州雷泰医疗科技有限公司 | 一种基于动态光栅的旋转调强优化方法及放射治疗设备 |
CN109621228B (zh) * | 2018-12-12 | 2022-06-28 | 上海联影医疗科技股份有限公司 | 放射剂量的计算设备、装置和存储介质 |
CN110215623B (zh) * | 2019-06-11 | 2020-11-10 | 苏州雷泰智能科技有限公司 | 基于子野优化的正交双层光栅旋转调强的实现方法及装置 |
-
2019
- 2019-06-11 CN CN201910500342.2A patent/CN110215623B/zh active Active
- 2019-11-12 US US17/618,693 patent/US20220241612A1/en active Pending
- 2019-11-12 WO PCT/CN2019/117278 patent/WO2020248489A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101848745A (zh) * | 2007-10-16 | 2010-09-29 | 皇家飞利浦电子股份有限公司 | 用于调强弧形治疗序列化与最优化的方法和装置 |
CN101927060A (zh) * | 2009-06-18 | 2010-12-29 | 东莞市益普生医疗设备发展有限公司 | 一种提高断层治疗射野适形度的方法 |
CN107921278A (zh) * | 2015-06-12 | 2018-04-17 | 爱可瑞公司 | 使用多重验证系统的多叶准直器叶子位置验证 |
CN105413068A (zh) * | 2015-12-31 | 2016-03-23 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN110215623A (zh) | 2019-09-10 |
WO2020248489A1 (zh) | 2020-12-17 |
US20220241612A1 (en) | 2022-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110215623B (zh) | 基于子野优化的正交双层光栅旋转调强的实现方法及装置 | |
CN110237439B (zh) | 用于正交双层光栅装置的静态调强子野优化方法 | |
Zenklusen et al. | A study on repainting strategies for treating moderately moving targets with proton pencil beam scanning at the new Gantry 2 at PSI | |
Ulrich et al. | Development of an optimization concept for arc-modulated cone beam therapy | |
CN108175953B (zh) | 一种基于动态光栅的旋转调强优化方法及放射治疗设备 | |
Dias et al. | Simulated annealing applied to IMRT beam angle optimization: a computational study | |
US20200164225A1 (en) | System and method for optimizing a treatment plan for irradiation therapy | |
CN110404185A (zh) | 一种正交双层光栅的旋转调强分割方法及装置 | |
EP3576842B1 (en) | Warm start initialization for external beam radiotherapy plan optimization | |
MacDonald et al. | Intra‐arc binary collimation algorithm for the optimization of stereotactic radiotherapy treatment of multiple metastases with multiple prescriptions | |
Lei et al. | An approaching genetic algorithm for automatic beam angle selection in IMRT planning | |
Tang et al. | Stochastic versus deterministic kernel-based superposition approaches for dose calculation of intensity-modulated arcs | |
JP7423628B2 (ja) | パッシブイオン放射線治療計画作成及び送達のためのシステム及び方法 | |
JP7357059B2 (ja) | パッシブイオン放射線治療計画のためのシステムおよび方法 | |
CN109432611B (zh) | 扩充型动态楔形板控制点的生成方法、设备和存储介质 | |
CN110876839B (zh) | 不均匀网格分布模拟直线加速器治疗计划的剂量计算方法 | |
Hoegele et al. | An efficient inverse radiotherapy planning method for VMAT using quadratic programming optimization | |
CN113181562A (zh) | 一种旋转式多层多叶光栅系统及其直接子野优化方法 | |
Liu et al. | NeuralDAO: Incorporating neural network generated dose into direct aperture optimization for end‐to‐end IMRT planning | |
JP2022527400A (ja) | 放射線療法のための複数の治療計画の生成 | |
Li et al. | Adaptive particle swarm optimizer for beam angle selection in radiotherapy planning | |
Gaddy et al. | Improving the VMERGE treatment planning algorithm for rotational radiotherapy | |
Song et al. | Dosimetric effects of gantry angular acceleration and deceleration in volumetric modulated radiation therapy | |
US20240139543A1 (en) | Pre-calculated collimator model for dose calculation source modeling | |
CN117310975A (zh) | 正交双层光栅的旋转调强子野优化方法、设备及存储介质 |
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 |