CN110302475B - 一种云蒙特卡罗剂量验证分析方法、设备和存储介质 - Google Patents
一种云蒙特卡罗剂量验证分析方法、设备和存储介质 Download PDFInfo
- Publication number
- CN110302475B CN110302475B CN201810227831.0A CN201810227831A CN110302475B CN 110302475 B CN110302475 B CN 110302475B CN 201810227831 A CN201810227831 A CN 201810227831A CN 110302475 B CN110302475 B CN 110302475B
- Authority
- CN
- China
- Prior art keywords
- dose
- monte carlo
- calculation result
- calculation
- analysis
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 79
- 238000012795 verification Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 134
- 238000001959 radiotherapy Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012952 Resampling Methods 0.000 claims abstract description 11
- 238000009499 grossing Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000013468 resource allocation Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 5
- 230000001788 irregular Effects 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 239000000084 colloidal system Substances 0.000 claims description 2
- 239000004065 semiconductor Substances 0.000 claims description 2
- 239000007787 solid Substances 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000002285 radioactive effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 206010066901 Treatment failure Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000007723 transport mechanism 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
- A61N5/103—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
本发明属于放疗与云计算服务领域，涉及一种云蒙特卡罗剂量验证分析方法、设备、存储介质和系统。本发明的方法包括如下步骤：(1)输入第一放疗计划，其中第一放疗计划中的剂量计算结果为第一剂量计算结果；(2)基于蒙特卡罗计算模型进行剂量计算：(3)将第二剂量计算结果中的剂量分布进行插值、平滑和重新采样得到第三剂量计算结果；(4)将蒙特卡罗计算的第三剂量计算结果的剂量分布与第一计划的剂量分布进行分析比较。本发明的云蒙特卡罗剂量验证分析方法将云蒙卡与优化调度方法结合，可以大大提高计算效率，提供用户满意的解决方案；可以随时检查蒙特卡罗计算的准确性以及放射源的稳定性，确保病人照射的质量保证。
Description
技术领域
本发明属于放疗与云计算服务领域，涉及一种云蒙特卡罗剂量验证分析方法、设备和存储介质。
背景技术
放射治疗与手术、化学药物治疗组成了肿瘤的三大治疗手段。国内外统计数字表明，50～70％的癌症患者需要不同程度地接受放射治疗。
放疗的精确最终取决于受射部位剂量的分布，精确的预测剂量分布式放射治疗保证的关键环节。特别地，IMRT高度适形及实现过程复杂，在实现调强的过程中，必须考虑子野贡献的散射线的准确性及执行的到位性以及MLC叶片的穿透率等；每个子野的形状及加速器调数不同，体模计划和患者计划在加速器调数上的差异使体模计划验证的有效性降低；为了确保剂量的准确性和患者的安全性，在每次实施治疗计划之前都要对计算剂量进行验证。在治疗过程中任一个环节出现误差都可能导致治疗的失败，给患者带来永久的伤害。所以，在临床治疗前对每一例治疗计划的实际照射剂量分布必须进行测量验证(医疗卫生装备.2011年6月第32卷第6期，p29-31)。
现有剂量验证一般通过胶片、矩阵电离室进行，而这些剂量验证只能进行二维剂量验证，并且时效性差，需要复杂的实验过程。
目前国内平均每家三甲医院每天放疗治疗癌症病人达到100人次以上，需要完成大量的放疗计划，而实验验证需要占据很大的放疗机器资源，从而让实验验证成为形同虚设，无法实施剂量验证步骤，如果能通过云端实时完成验证，则可以大大提高病人计划的质量保证，减少出错。
发明内容
本发明的目的在于为克服上述现有技术的缺陷而提供一种云蒙特卡罗剂量验证分析方法、设备和存储介质。
为实现上述目的，本发明采用以下技术方案：
一种云蒙特卡罗剂量验证分析方法，包括如下步骤：
(1)在主控云服务器上输入第一放疗计划(即待验证的放疗计划)，其中第一放疗计划中的剂量计算结果为第一剂量计算结果(该剂量计算结果包括剂量分布)；
(2)基于蒙特卡罗计算模型进行剂量计算：
(2a)初始化所述第一放疗计划的计算参数，主控云服务器根据机器型号调取源数据库的源参数；
(2b)优化调度蒙特卡罗任务并显示：
i.计算可用的计算机资源；
ii.计算最优化方案，所述的最优化方案为利用优化目标与约束条件计算得到的计算机资源分配方案；
iii.管理蒙特卡罗任务：主控云服务器将任务分发到受控计算机中，包括启动受控计算机，发送任务，主动监控或者被动接收任务进度，并主动或者被动收集计算结果，称为第二剂量计算结果；所述的第二剂量计算结果包括剂量分布、误差分布；
(3)结果处理：将第二剂量计算结果中的剂量分布进行插值、平滑和重新采样得到第三剂量计算结果；
(4)剂量分析：将第三剂量计算结果的剂量分布与第一计划的剂量分布进行分析比较。
步骤(1)中，所述的第一放疗计划通过用户云终端直接上传或通过云放疗计划系统直接传送放疗计划。
步骤(2a)中，所述的放疗计划的计算参数包括病人影像或者模型、勾画信息、射野大小、照射方向、附件型号、机器型号。
步骤(2a)中，所述的源数据库保存有不同放疗机器源的信息，包括源的型号、能量、位置、方向、粒子类型以及放疗机器对应的附件信息。
步骤(2a)中，所述的调取过程中还包括数据库型号检验过程，如果没有对应的放疗机器型号，则提示用户进行选择替代的型号或者提示用户进行源调试，或者提示用户需要提交调试任务需求；其中，所述的源调试为将通过测量源的剂量信息重建源的参数，并将所述的源参数上传到源数据库过程。
步骤(2b)中，所述的可用的计算机资源包括CPU数目、GPU数目、内存、硬盘，网络。
步骤(2b)中，所述的优化目标为用户选择的预设目标套餐：包括费用最省，速度最快，完成数最多中的一种或者多种组合；所述的约束条件为可用的计算机资源。
步骤(2b)中，所述的主动监控包括发送心跳包，定时或不定时通讯。
步骤(3)中，所述的重新采样包括升采样和降采样至少一种或者两者混合。
步骤(4)中，所述的分析方法包括叠加分析、统计分析、剂量偏差分析(DoseDifference)、距离吻合度分析(Distance to Agreement)或伽马分析。其中，叠加分析方便用户同时查看不同分析情况的效果，或者同时查看分析结果与影像叠加效果；统计分析主要是剂量统计直方图，或者微分剂量统计直方图，用于查看不同器官组织的剂量累加或者累加变化情况；剂量偏差用于查看蒙特卡罗模拟计算结果与第一计划的剂量分布结果偏差情况；距离吻合度分析是排除了模体移动或者采样偏差后的情况；伽马分析综合了剂量偏差与距离吻合度的情况。
进一步优选地，所述的叠加分析是将剂量分布通过一维、二维或者三维叠加显示在病人影像上或者模体上进行分析。
进一步优选地，所述的统计分析方法包括积分剂量统计直方图、微分剂量统计直方图。
所述的云蒙特卡罗剂量验证分析方法，还包括步骤(5)：实验验证分析，用于验证蒙特卡罗剂量计算的准确性或者源的稳定性，可以优选默认设置为每周～每月进行一次；
(5a)将上述步骤(2)的蒙特卡罗剂量计算的病人影像或者模型替换成实验模体，其他信息不变下，重新进行蒙特卡罗剂量计算，获得第四剂量计算结果；
(5b)然后将实验模体放置在放疗机器中进行照射，并进行数据采集，其中源的条件与步骤(2a)中的计算源条件一致；
(5c)采用剂量分析方法进行分析，将蒙特卡罗计算的第四剂量计算结果的剂量分布与步骤(5b)测量得到的剂量分布进行分析比较；当发现偏差超过预设的阈值的时候给出警告信号。
步骤(5a)中，所述的实验模体包括固体水模体或者非均匀模体，所述的实验模体上设置有测量点或测量面。
步骤(5b)中，所述的数据采集的方法采用相对测量或者绝对测量设备，所述的设备进一步优选为胶片、胶体、矩阵电离室、点电离室、半导体剂量仪器。
本发明还提供了一种计算设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行，所述的一个或多个程序包括用于上述云蒙特卡罗剂量验证分析方法的指令。
本发明还提供了一种存储一个或多个程序的计算机可读存储介质，所述的一个或多个程序包括指令，所述指令适于由存储器加载并执行上述云蒙特卡罗剂量验证分析方法。
本发明还提供了一种云蒙特卡罗剂量验证分析系统，包括
客户端；
网络通信模块；
主控云服务器；以及
受控计算机，其中，所述的客户端通过通信连接在云蒙特卡罗剂量验证设备上输入第一放疗计划、查看剂量验证结果；
所述的网络通信模块将主控云服务器与受控计算器通信连接。
所述的主控云服务器用于根据输入的第一放疗计划的计算参数优化调度优化调度基于蒙特卡罗计算模型的剂量计算任务，其中主控云服务器将任务分发到受控计算机中并主动或者被动收集计算结果；然后将计算结果的剂量分布处理后与第一计划的剂量分布进行分析比较。
所述的受控计算器接受主控计算机分配的计算任务，执行计算任务并反馈计算结果。
本发明具有以下有益效果：
(1)本发明的云蒙特卡罗剂量验证分析方法将云蒙卡与优化调度方法结合，可以大大提高计算效率，提供用户满意的解决方案；
(2)结合实验验证分析方法：可以随时检查蒙特卡罗计算的准确性以及放射源的稳定性，确保病人照射的质量保证。
附图说明
图1为本发明一个优选的实施例中的云蒙特卡罗剂量验证分析方法的逻辑框图。
图2为本发明一个优选的实施例中云蒙特卡罗剂量验证分析系统的人机架构示意图。
图3为本发明另一个优选的实施例中云蒙特卡罗剂量验证分析方法的逻辑框图。
具体实施方式
以下结合实施例和附图进一步说明本发明。
实施例1
一种云蒙特卡罗剂量验证分析方法，适于在计算设备中执行，包括如下步骤(如图1-2所示)：
(1)在主控云服务器中，输入第一放疗计划100(即待验证的放疗计划)：
其中第一放疗计划中的剂量计算结果为第一剂量计算结果(该剂量计算结果包括剂量分布)；第一放疗计划通过用户云终端直接上传或通过云放疗计划系统直接传送放疗计划；
(2)主控云服务器基于蒙特卡罗计算模型进行剂量计算200：
(2a)初始化第一放疗计划的计算参数，主控云服务器根据机器型号调取源数据库的源参数201；其中第一放疗计划的计算参数包括病人影像或者模型、勾画信息、射野大小、照射方向、附件型号、机器型号；源数据库保存有不同放疗机器源的信息，包括源的型号、能量、位置、方向、粒子类型以及放疗机器对应的附件信息；
源数据库中源参数的调取过程中还包括数据库型号检验过程，如果没有对应的放疗机器型号，则提示用户进行选择替代的型号或者提示用户进行源调试，或者提示用户需要提交调试任务需求；其中，源调试为将通过测量源的剂量信息重建源的参数，并将源参数上传到源数据库过程。
(2b)优化调度蒙特卡罗任务并显示202：
i.主控云服务器计算可用的计算机资源，包括CPU数目、GPU数目、内存、硬盘，网络；
ii.计算最优化方案，最优化方案为利用优化目标与约束条件计算得到的计算机资源分配方案；其中，优化目标为用户选择的预设目标套餐：包括费用最省，速度最快，完成数最多中的一种或者多种组合；约束条件为可用的计算机资源；
iii.管理蒙特卡罗任务：主控云服务器将任务分发到受控计算机中，包括启动受控计算机，发送任务，主动监控或者被动接收任务进度，并主动或者被动收集计算结果，称为第二剂量计算结果；第二剂量计算结果包括剂量分布、误差分布；主动监控包括发送心跳包，定时或不定时通讯；
(3)结果处理300：
将第二剂量计算结果中的剂量分布进行插值、平滑和重新采样得到第三剂量计算结果；重新采样采用升采样和降采样两者混合；
(4)剂量分析400：将第三剂量计算结果的剂量分布与第一计划的剂量分布进行分析比较；本实施例中采用的分析方法为伽马分析；
剂量偏差用于查看蒙特卡罗模拟计算结果与第一计划的剂量分布结果偏差情况；距离吻合度分析是排除了模体移动或者采样偏差后的情况；伽马分析综合了剂量偏差与距离吻合度的情况，计算公式如式(1)：
γ是每一个分析点伽马值；γ小于等于1代表该点通过检验；
d是剂量偏差，d0是预设的剂量偏差阈值；
r是距离偏差，r0是预设的距离偏差阈值。
使用方法是，在r0所形成的圆内计算所有分析点的γ值——通过将d代入上述公式求得，并求取最小值，作为该点的γ值；然后计算整个分析区域内的所有分析点的γ值；最后统计通过的分析点占所有分析点的比例，得到伽马通过率，其中上述分析点属于预设等剂量线阈值范围内。
上述的描述为二维空间的比较，优选地，在三维空间上比较时，将r扩展为三维空间查找。
实施例2
一种云蒙特卡罗剂量验证分析方法，适于在计算设备中执行，如图3所示，包括如下步骤：
(1)在主控云服务器中输入第一放疗计划100(即待验证的放疗计划)，其中第一放疗计划中的剂量计算结果为第一剂量计算结果(该剂量计算结果包括剂量分布)；第一放疗计划通过用户云终端直接上传或通过云放疗计划系统直接传送放疗计划；
(2)基于蒙特卡罗计算模型进行剂量计算200：
(2a)初始化第一放疗计划的计算参数，并根据机器型号调取源数据库的源参数201；其中第一放疗计划的计算参数包括病人影像或者模型、勾画信息、射野大小、照射方向、附件型号、机器型号；源数据库保存有不同放疗机器源的信息，包括源的型号、能量、位置、方向、粒子类型以及放疗机器对应的附件信息；
源数据库中源参数的调取过程中还包括数据库型号检验过程，如果没有对应的放疗机器型号，则提示用户进行选择替代的型号或者提示用户进行源调试，或者提示用户需要提交调试任务需求；其中，源调试为将通过测量源的剂量信息重建源的参数，并将源参数上传到源数据库过程。
(2b)优化调度蒙特卡罗任务并显示202：
i.主控云服务器计算可用的计算机资源，包括CPU数目、GPU数目、内存、硬盘，网络；
ii.计算最优化方案，最优化方案为利用优化目标与约束条件计算得到的计算机资源分配方案；其中，优化目标为用户选择的预设目标套餐：包括费用最省，速度最快，完成数最多中的一种或者多种组合；约束条件为可用的计算机资源；
iii.管理蒙特卡罗任务：主控云服务器将任务分发到受控计算机中，包括启动受控计算机，发送任务，主动监控或者被动接收任务进度，并主动或者被动收集计算结果，称为第二剂量计算结果；第二剂量计算结果包括剂量分布、误差分布；
主动监控包括发送心跳包，定时或不定时通讯；
(3)结果处理300：将第二剂量计算结果中的剂量分布进行插值、平滑和重新采样得到第三剂量计算结果；其中重新采样使用升采样；
(4)剂量分析400：将第三剂量计算结果的剂量分布与第一计划的剂量分布进行分析比较；本实施例中采用的分析方法为伽马分析；伽马分析综合了剂量偏差与距离吻合度的情况，计算公式如式(1)：
γ是每一个分析点伽马值；γ小于等于1代表该点通过检验；
d是剂量偏差，d0是预设的剂量偏差阈值；
r是距离偏差，r0是预设的距离偏差阈值。
使用方法是，在r0所形成的圆内计算所有分析点的γ值——通过将d代入上述公式求得，并求取最小值，作为该点的γ值；然后计算整个分析区域内的所有分析点的γ值；最后统计通过的分析点占所有分析点的比例，得到伽马通过率，其中上述分析点属于预设等剂量线阈值范围内。
(5)实验验证分析，用于验证蒙特卡罗剂量计算的准确性或者源的稳定性，可以优选默认设置为每周进行一次；
(5a)将上述步骤(2)的蒙特卡罗剂量计算的病人影像或者模型替换成实验模体，其他信息不变下，重新进行蒙特卡罗剂量计算，获得第四剂量计算结果；其中，实验模体为非均匀模体，实验模体上设置有测量点或测量面；
(5b)然后将实验模体放置在放疗机器中进行照射，并进行数据采集，其中源的条件与步骤(2a)中的计算源条件一致；数据采集的方法采用相对测量或者绝对测量设备，设备为胶片；
(5c)采用剂量分析方法进行分析，将蒙特卡罗计算得到的第四剂量计算结果的剂量分布与步骤(5b)测量得到的剂量分布进行分析比较；当发现偏差超过预设的阈值的时候给出警告信号。
实施例3
一种计算设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中一个或多个程序存储在上述存储器中并被配置为由一个或多个处理器执行，处理器执行程序时实现如下步骤：
(1)输入第一放疗计划，其中第一放疗计划中的剂量计算结果为第一剂量计算结果；
(2)基于蒙特卡罗计算模型进行剂量计算：
(2a)初始化第一放疗计划的计算参数，并根据机器型号调取源数据库的源参数；
(2b)优化调度蒙特卡罗任务并显示：
i.计算可用的计算机资源；
ii.计算最优化方案，最优化方案为利用优化目标与约束条件计算得到的计算机资源分配方案；
iii.管理蒙特卡罗任务：将任务分发到受控计算机中，包括启动受控计算机，发送任务，主动监控或者被动接收任务进度，并主动或者被动收集计算结果，称为第二剂量计算结果；第二剂量计算结果包括剂量分布、误差分布；
(3)结果处理：将第二剂量计算结果中的剂量分布进行插值、平滑和重新采样得到第三剂量计算结果；
(4)剂量分析：将第三剂量计算结果的剂量分布与第一计划的剂量分布进行分析比较。
实施例4
一种计算机可读存储介质，其上存储有计算机程序(指令)，该程序(指令)被处理器执行时实现云蒙特卡罗剂量验证分析方法，包括如下步骤：
(1)输入第一放疗计划，其中第一放疗计划中的剂量计算结果为第一剂量计算结果；
(2)基于蒙特卡罗计算模型进行剂量计算：
(2a)初始化第一放疗计划的计算参数，并根据机器型号调取源数据库的源参数；
(2b)优化调度蒙特卡罗任务并显示：
i.计算可用的计算机资源；
ii.计算最优化方案，最优化方案为利用优化目标与约束条件计算得到的计算机资源分配方案；
iii.管理蒙特卡罗任务：将任务分发到受控计算机中，包括启动受控计算机，发送任务，主动监控或者被动接收任务进度，并主动或者被动收集计算结果，称为第二剂量计算结果；第二剂量计算结果包括剂量分布、误差分布；
(3)结果处理：将第二剂量计算结果中的剂量分布进行插值、平滑和重新采样得到第三剂量计算结果；
(4)剂量分析：将第三剂量计算结果的剂量分布与第一计划的剂量分布进行分析比较。
实施例5
一种云蒙特卡罗剂量验证系统(如图2所示)，包括
客户端；
网络通信模块；
主控云服务器；以及
受控计算机，其中，客户端通过通信连接在云蒙特卡罗剂量验证设备上输入第一放疗计划、查看剂量验证结果；
网络通信模块将主控云服务器与受控计算器通信连接；
主控云服务器用于根据输入的第一放疗计划的计算参数优化调度优化调度基于蒙特卡罗计算模型的剂量计算任务，其中主控云服务器将任务分发到受控计算机中并主动或者被动收集计算结果；然后将计算结果的剂量分布处理后与第一计划的剂量分布进行分析比较；
受控计算器接受主控计算机分配的计算任务，执行计算任务并反馈计算结果。
本发明上述实施例1和2中的云蒙特卡罗剂量验证分析方法将云蒙卡与优化调度方法结合，可以大大提高计算效率，提供用户满意的解决方案。
实施例2结合实验验证分析方法：可以随时检查蒙特卡罗计算的准确性以及放射源的稳定性，确保病人照射的质量保证。
应当理解，这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被该机器执行时，该机器变成实践本发明的设备。
以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实施例，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (9)
1.一种用于实现云蒙特卡罗剂量验证分析方法的计算设备，其特征在于：包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行，所述的一个或多个程序包括用于实现云蒙特卡罗剂量验证分析方法的指令；其中，
所述云蒙特卡罗剂量验证分析方法，包括如下步骤：
(1)输入第一放疗计划，其中第一放疗计划中的剂量计算结果为第一剂量计算结果；
(2)基于蒙特卡罗计算模型进行剂量计算：
(2a)初始化所述第一放疗计划的计算参数，根据机器型号调取源数据库的源参数；
(2b)优化调度蒙特卡罗任务并显示：
i.计算可用的计算机资源；
ii.计算最优化方案，所述的最优化方案为利用优化目标与约束条件计算得到的计算机资源分配方案；
iii.管理蒙特卡罗任务：主控云服务器将任务分发到受控计算机中，包括启动受控计算机，发送任务，主动监控或者被动接收任务进度，并主动或者被动收集计算结果，称为第二剂量计算结果；所述的第二剂量计算结果包括剂量分布、误差分布；
(3)结果处理：将第二剂量计算结果中的剂量分布进行插值、平滑和重新采样得到第三剂量计算结果；
(4)剂量分析：将第三剂量计算结果的剂量分布与第一计划的剂量分布进行分析比较。
2.根据权利要求1所述的计算设备，其特征在于：步骤(1)中，所述的第一放疗计划通过用户云终端直接上传到主控云服务器或通过云放疗计划系统直接传送第一放疗计划至主控云服务器。
3.根据权利要求1所述的计算设备，其特征在于：步骤(2a)中，所述的第一放疗计划的计算参数包括病人影像或者模型、勾画信息、射野大小、照射方向、附件型号、机器型号；
步骤(2a)中，所述的源数据库保存有不同放疗机器源的信息，包括源的型号、能量、位置、方向、粒子类型以及放疗机器对应的附件信息；
步骤(2a)中，所述的根据机器型号调取源数据库的源参数的调取过程中还包括数据库型号检验过程，如果没有对应的放疗机器型号，则提示用户进行选择替代的型号或者提示用户进行源调试，或者提示用户需要提交调试任务需求；其中，所述的源调试为将通过测量源的剂量信息重建源的参数，并将所述的源参数上传到源数据库过程。
4.根据权利要求1所述的计算设备，其特征在于：步骤(2b)中，所述的可用的计算机资源包括CPU数目、GPU数目、内存、硬盘、网络；
步骤(2b)中，所述的优化目标为用户选择的预设目标套餐：包括费用最省，速度最快，完成数最多中的一种或者多种组合；所述的约束条件为可用的计算机资源；
步骤(2b)中，所述的主动监控包括发送心跳包，定时或不定时通讯。
5.根据权利要求1所述的计算设备，其特征在于：步骤(3)中，所述的重新采样包括升采样和降采样中至少一种或者两者混合。
6.根据权利要求1所述的计算设备，其特征在于：还包括步骤(5)：实验验证分析：
(5a)将上述步骤(2)的蒙特卡罗剂量计算的病人影像或者模型替换成实验模体，其他信息不变下，重新进行蒙特卡罗剂量计算，获得第四剂量计算结果；
(5b)然后将实验模体放置在放疗机器中进行照射，并进行数据采集，得到测量的剂量分布，其中源参数与步骤(2a)中的源参数一致；
(5c)采用剂量分析方法进行分析，将蒙特卡罗计算的第四剂量计算结果的剂量分布与步骤(5b)测量得到的剂量分布进行分析比较；当发现偏差超过预设的阈值的时候给出警告信号。
7.根据权利要求6所述的计算设备，其特征在于：步骤(5a)中，所述的实验模体包括固体水模体或者非均匀模体，所述的实验模体上设置有测量点或测量面；
步骤(5b)中，所述的数据采集的方法采用相对测量或者绝对测量设备，所述的设备为胶片、胶体、矩阵电离室、点电离室、半导体剂量仪器。
8.根据权利要求6所述的计算设备，其特征在于：步骤(5c)中，所述的剂量分析包括叠加分析、统计分析、剂量偏差分析、距离吻合度分析或伽马分析；其中，所述的叠加分析是将剂量分布通过一维、二维或者三维叠加显示在病人影像上或者模体上进行分析；所述的统计分析包括积分剂量统计直方图、微分剂量统计直方图。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述的一个或多个程序包括指令，所述指令适于由存储器加载并执行云蒙特卡罗剂量验证分析方法；其中，
所述云蒙特卡罗剂量验证分析方法，包括如下步骤：
(1)输入第一放疗计划，其中第一放疗计划中的剂量计算结果为第一剂量计算结果；
(2)基于蒙特卡罗计算模型进行剂量计算：
(2a)初始化所述第一放疗计划的计算参数，根据机器型号调取源数据库的源参数；
(2b)优化调度蒙特卡罗任务并显示：
i.计算可用的计算机资源；
ii.计算最优化方案，所述的最优化方案为利用优化目标与约束条件计算得到的计算机资源分配方案；
iii.管理蒙特卡罗任务：主控云服务器将任务分发到受控计算机中，包括启动受控计算机，发送任务，主动监控或者被动接收任务进度，并主动或者被动收集计算结果，称为第二剂量计算结果；所述的第二剂量计算结果包括剂量分布、误差分布；
(3)结果处理：将第二剂量计算结果中的剂量分布进行插值、平滑和重新采样得到第三剂量计算结果；
(4)剂量分析：将第三剂量计算结果的剂量分布与第一计划的剂量分布进行分析比较。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810227831.0A CN110302475B (zh) | 2018-03-20 | 2018-03-20 | 一种云蒙特卡罗剂量验证分析方法、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810227831.0A CN110302475B (zh) | 2018-03-20 | 2018-03-20 | 一种云蒙特卡罗剂量验证分析方法、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110302475A CN110302475A (zh) | 2019-10-08 |
| CN110302475B true CN110302475B (zh) | 2021-02-19 |
Family
ID=68073406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810227831.0A Active CN110302475B (zh) | 2018-03-20 | 2018-03-20 | 一种云蒙特卡罗剂量验证分析方法、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110302475B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111001097B (zh) * | 2019-12-28 | 2022-09-16 | 上海联影医疗科技股份有限公司 | 一种放疗剂量评估系统、装置及存储介质 |
| CN112354086A (zh) * | 2020-10-16 | 2021-02-12 | 北京全域医疗技术集团有限公司 | 一种肿瘤放疗摆位调整方法、装置及计算机设备 |
| CN113568027B (zh) * | 2021-07-28 | 2024-04-19 | 广州瑞多思医疗科技有限公司 | 一种双层插值方法、装置、计算机设备及存储介质 |
| CN114010963B (zh) * | 2021-11-08 | 2023-10-20 | 上海联影医疗科技股份有限公司 | 剂量确定的系统、方法及计算机可读存储介质 |
| CN115607861B (zh) * | 2022-12-19 | 2023-04-14 | 安徽慧软科技有限公司 | 核磁引导下的三维蒙特卡罗剂量独立验证系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002024278A1 (en) * | 2000-09-22 | 2002-03-28 | Numerix Llc | Improved radiation therapy treatment method |
| WO2011139829A2 (en) * | 2010-04-28 | 2011-11-10 | Stc. Unm | System and methods for performing medical physics calculations |
| CN102921115A (zh) * | 2012-10-25 | 2013-02-13 | 合肥工业大学 | 一种建立基于测量数据的医用直线加速器简便照射源模型的方法 |
| CN103340646A (zh) * | 2013-07-23 | 2013-10-09 | 奚岩 | 一种ct成像的辐射剂量计算、显示及存储方法 |
| CN103405852A (zh) * | 2013-08-29 | 2013-11-27 | 曲桂红 | 立体定向放射治疗剂量场分布的快速计算方法 |
| CN104338240A (zh) * | 2014-10-31 | 2015-02-11 | 章桦 | 一种在线自适应放疗计划自动优化方法及装置 |
| CN104933652A (zh) * | 2015-04-27 | 2015-09-23 | 苏州敏宇医疗科技有限公司 | 一种基于云计算的肿瘤放射治疗的剂量验证系统和方法 |
| CN105335215A (zh) * | 2015-12-05 | 2016-02-17 | 中国科学院苏州生物医学工程技术研究所 | 一种基于云计算的蒙特卡洛仿真加速方法及系统 |
| CN106621071A (zh) * | 2015-10-28 | 2017-05-10 | 南京中硼联康医疗科技有限公司 | 基于云计算的治疗计划系统及其使用方法 |
| WO2017133654A1 (en) * | 2016-02-02 | 2017-08-10 | Suzhou Evidance Medical Technologies Inc. | Systems and methods for radiation treatment planning |
| CN107229830A (zh) * | 2017-06-01 | 2017-10-03 | 上海联影医疗科技有限公司 | 放疗计划系统及其任务执行方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9999788B2 (en) * | 2014-06-05 | 2018-06-19 | International Business Machines Corporation | Fast and accurate proton therapy dose calculations |
| CN105204056B (zh) * | 2015-09-29 | 2017-11-21 | 广州瑞多思医疗科技有限公司 | 放射治疗中在线剂量监测和验证的方法 |
| US10350434B2 (en) * | 2015-12-11 | 2019-07-16 | Siemens Healthcare Gmbh | Patient-specific radiation dose assessment in medical therapy |
| CN105389476B (zh) * | 2015-12-24 | 2018-02-27 | 四川大学 | 基于梯度特征的调强放射治疗计划剂量数据的插值算法 |
| CN107050667B (zh) * | 2017-04-24 | 2019-05-28 | 安徽慧软科技有限公司 | 基于gpu蒙特卡洛算法的磁场下质子和重离子剂量计算方法 |
-
2018
- 2018-03-20 CN CN201810227831.0A patent/CN110302475B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002024278A1 (en) * | 2000-09-22 | 2002-03-28 | Numerix Llc | Improved radiation therapy treatment method |
| WO2011139829A2 (en) * | 2010-04-28 | 2011-11-10 | Stc. Unm | System and methods for performing medical physics calculations |
| CN102921115A (zh) * | 2012-10-25 | 2013-02-13 | 合肥工业大学 | 一种建立基于测量数据的医用直线加速器简便照射源模型的方法 |
| CN103340646A (zh) * | 2013-07-23 | 2013-10-09 | 奚岩 | 一种ct成像的辐射剂量计算、显示及存储方法 |
| CN103405852A (zh) * | 2013-08-29 | 2013-11-27 | 曲桂红 | 立体定向放射治疗剂量场分布的快速计算方法 |
| CN104338240A (zh) * | 2014-10-31 | 2015-02-11 | 章桦 | 一种在线自适应放疗计划自动优化方法及装置 |
| CN104933652A (zh) * | 2015-04-27 | 2015-09-23 | 苏州敏宇医疗科技有限公司 | 一种基于云计算的肿瘤放射治疗的剂量验证系统和方法 |
| CN106621071A (zh) * | 2015-10-28 | 2017-05-10 | 南京中硼联康医疗科技有限公司 | 基于云计算的治疗计划系统及其使用方法 |
| CN105335215A (zh) * | 2015-12-05 | 2016-02-17 | 中国科学院苏州生物医学工程技术研究所 | 一种基于云计算的蒙特卡洛仿真加速方法及系统 |
| WO2017133654A1 (en) * | 2016-02-02 | 2017-08-10 | Suzhou Evidance Medical Technologies Inc. | Systems and methods for radiation treatment planning |
| CN107229830A (zh) * | 2017-06-01 | 2017-10-03 | 上海联影医疗科技有限公司 | 放疗计划系统及其任务执行方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110302475A (zh) | 2019-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110302475B (zh) | 一种云蒙特卡罗剂量验证分析方法、设备和存储介质 | |
| US11020615B2 (en) | Computing radiotherapy dose distribution | |
| US7450687B2 (en) | Method for verification of intensity modulated radiation therapy | |
| CN104548372B (zh) | 放射治疗的剂量确定装置 | |
| Jaffray et al. | Radiation therapy for cancer | |
| CN109464756B (zh) | 验证放射治疗剂量的方法、装置和放射治疗设备 | |
| Steciw et al. | Three‐dimensional IMRT verification with a flat‐panel EPID | |
| EP3742702B1 (en) | Standardized cloud radiotherapy planning method and storage medium | |
| Marmitt et al. | Platform for automatic patient quality assurance via Monte Carlo simulations in proton therapy | |
| Pepin et al. | A Monte‐Carlo‐based and GPU‐accelerated 4D‐dose calculator for a pencil beam scanning proton therapy system | |
| CN110310720B (zh) | 一种蒙特卡罗剂量计算方法、设备和储存介质 | |
| McCowan et al. | Clinical implementation of a model-based in vivo dose verification system for stereotactic body radiation therapy–volumetric modulated arc therapy treatments using the electronic portal imaging device | |
| Toscano et al. | Impact of machine log-files uncertainties on the quality assurance of proton pencil beam scanning treatment delivery | |
| CN111001097B (zh) | 一种放疗剂量评估系统、装置及存储介质 | |
| Zhu et al. | Fast 3D dosimetric verifications based on an electronic portal imaging device using a GPU calculation engine | |
| CN109407134B (zh) | 剂量分布计算方法及系统 | |
| CN115120891A (zh) | 一种剂量透射评估装置、计算机可读存储介质及系统 | |
| CN111388880B (zh) | 一种弧形放射治疗校验方法、装置、设备及存储介质 | |
| CN114913261A (zh) | 一种基于深度神经网络的三维在体剂量重建方法及装置 | |
| Giordanengo et al. | RIDOS: A new system for online computation of the delivered dose distributions in scanning ion beam therapy | |
| CN116612853B (zh) | 放疗验证计划剂量生成方法、系统、电子设备及存储介质 | |
| Zhong et al. | Generation of a novel phase‐space‐based cylindrical dose kernel for IMRT optimization | |
| Gueorguiev et al. | Clinical evaluation of a novel transmission detector for 3D quality assurance of IMRT and SBRT | |
| US20120250824A1 (en) | Validating a compensator for use in a radiation therapy machine to treat a cancer patient | |
| Martins et al. | Towards real-time EPID-based 3D in vivo dosimetry for IMRT with Deep Neural Networks: A feasibility study |
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 |