CN110310720A - 一种蒙特卡罗剂量计算方法、设备和储存介质 - Google Patents

一种蒙特卡罗剂量计算方法、设备和储存介质 Download PDF

Info

Publication number
CN110310720A
CN110310720A CN201810227824.0A CN201810227824A CN110310720A CN 110310720 A CN110310720 A CN 110310720A CN 201810227824 A CN201810227824 A CN 201810227824A CN 110310720 A CN110310720 A CN 110310720A
Authority
CN
China
Prior art keywords
standard deviation
monte
computing method
patient
grid
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.)
Granted
Application number
CN201810227824.0A
Other languages
English (en)
Other versions
CN110310720B (zh
Inventor
李贵
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.)
Beijing Lianxin Medical Technology Co Ltd
Original Assignee
Beijing Lianxin Medical Technology Co Ltd
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 Beijing Lianxin Medical Technology Co Ltd filed Critical Beijing Lianxin Medical Technology Co Ltd
Priority to CN201810227824.0A priority Critical patent/CN110310720B/zh
Publication of CN110310720A publication Critical patent/CN110310720A/zh
Application granted granted Critical
Publication of CN110310720B publication Critical patent/CN110310720B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture

Landscapes

  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Urology & Nephrology (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

本发明属于辐射剂量计算技术领域，涉及一种蒙特卡罗剂量计算方法、设备和储存介质。本发明的包括如下步骤：(1)预处理：输入病人影像、勾画信息、射野大小、照射方向、源参数；(2)模型处理：对病人影像进行重建，将二维的病人影像重建为三维模型，并将三维模型进行网格化；(3)粒子输入模拟：调用蒙特卡罗数据库，利用蒙特卡罗粒子输运原理进行粒子输运模拟，得到剂量分布与标准差分布；(4)输出模拟结果。本发明具有以下有益效果：平衡分辨率和精度，通过降低一定的分辨率提高精度，使得所关心的区域精度均匀；计算速度快，方便评价总体精度。

Description

一种蒙特卡罗剂量计算方法、设备和储存介质
技术领域
本发明属于辐射剂量计算技术领域，涉及一种蒙特卡罗剂量计算方法、设备和储存介质。
背景技术
剂量计算是放疗治疗计划系统的核心内容之一，快速准确地提供感兴趣区内所受照射剂量的数据,对放疗计划的制定至关重要，如何在保证剂量计算精度的前提下减少剂量计算时间是制定放射治疗计划的主要瓶颈。
提高剂量计算速度的方法主要有两种，一是采用不同的剂量计算方法，二是借助于计算能力更强的硬件。目前放射治疗中研究和使用的剂量计算算法基本分为三种，按照计算精度从高到低计算时间从多到少依次是蒙特卡罗算法，微分卷积积分算法和笔形束算法。蒙特卡罗算法通常作为剂量计算的标准，模拟了粒子与物质相互作用的全过程，能计算各种复杂条件下的剂量分布，因此蒙特卡罗称为行业的金标准，是所有剂量计算精度最高的方法。但是，现有的蒙特卡罗计算给出的误差是不均匀的，导致误差没有一个很好的标准，有的地方误差大有的地方误差小，无法判断结果好坏。
如果能给出一个用户关心区域误差比较均匀的结果，则极大方便评估误差，并且可以很好控制计算精度，达到精准计算的结果，从而大大降低风险。
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蒙特卡罗剂量计算方法、设备和存储介质。
为实现上述目的，本发明提供以下技术方案：
一种蒙特卡罗剂量计算方法，适于在计算设备中执行，包括如下步骤：
(1)预处理：输入病人影像、勾画信息、射野大小、照射方向、源参数；
(2)模型处理：对病人影像进行重建，将二维的病人影像重建为三维模型，并将三维模型进行网格化；
(3)粒子输入模拟：调用蒙特卡罗数据库，利用蒙特卡罗粒子输运原理进行粒子输运模拟，得到剂量分布与标准差分布；
(4)输出步骤(3)得到的模拟结果。
步骤(1)中，所述的源参数包括源的能量、位置、方向、粒子类型。
步骤(3)中，所述的蒙特卡罗数据库包括截面库、材料库；所述的粒子包括但不限于光子、电子、质子、重离子或中子中的一种或多种。
步骤(2)中，所述的网格化为均匀网格化或非均匀网格化。其中所述的非均匀网格化方法，通过确定用户感兴趣区域的方法获得。
所述的蒙特卡罗剂量计算方法还包括精度均匀化步骤(5)，具体包括步骤：
(51)确定用户感兴趣区域、标准差最大阈值和分辨率最低阈值；
(52)将感兴趣区域内超过标准差阈值的网格与周围网格进行合并，并根据蒙特卡罗标准差公式重新计算标准差：(i)如果这时的标准差小于标准差最大阈值，则停止合并，否则继续合并；或(ii)如果合并的分辨率超出分辨率最低阈值，则停止合并；
(53)统计均匀化效果，包括统计通过合并后标准差低于或者高于标准差最大阈值的数量，或者所占的百分比。
所述的确定用户感兴趣区域的方法，通过用户自定义或通过采用基于物理因子、生物医学因子中的一种或者组合计算获得。
优选地，所述的物理因子为反映病人或者模体的材料构成以及照射物理条件；其中病人或者模体的材料构成包括模体的密度、CT、质量数、原子数；照射物理条件包括：射野分布、源分布。
优选地，所述的生物医学因子包括：器官组织照射阈值，生物敏感性，二次癌症发生概率分布，肿瘤杀死概率分布，损伤概率。
步骤(52)中的周围网格为周围相邻网格。
所述的步骤(5)还包括步骤(54)：用户改变标准差最大阈值或者分辨率最低阈值中的一个或者组合，重新实施上述的步骤(51)～(53)，以便使得精度进一步均匀化。
本发明还提供一种计算设备，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蒙特卡罗剂量计算方法的指令。
本发明还提供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蒙特卡罗剂量计算方法。
本发明具有以下有益效果：
1、本发明提供的蒙特卡罗剂量计算方法能平衡分辨率和精度，通过降低一定的分辨率，降低了标准差——统计涨落，反映了蒙特卡罗模拟的精度，从而提高感兴趣区域的精度，使得所关心的区域精度均匀；
2、计算速度快，方便评价总体精度。
附图说明
图1为本发明一个优选的实施例中蒙特卡罗剂量计算方法的流程图。
图2为本发明另一个优选的实施例中蒙特卡罗剂量计算方法的流程图。
图3为本发明又一个优选的实施例中蒙特卡罗剂量计算方法的流程图。
图4为本发明又一个优选的实施例中蒙特卡罗剂量计算方法的流程图。
图5为本发明又一个优选的实施例中蒙特卡罗剂量计算方法的流程图。
具体实施方式
以下结合附图和实施例进一步说明本发明。
实施例1
一种蒙特卡罗剂量计算方法，如图1所示，适于在计算设备中执行，包括如下步骤：
(1)预处理101：输入病人影像、勾画信息、射野大小、照射方向、源参数；其中源参数包括源的能量、位置、方向和粒子类型；
(2)模型处理102：对病人影像进行重建，将二维的病人影像重建为三维模型，并将三维模型进行均匀网格化；网格大小根据用户自定义确定，网格越小计算精度越高，计算任务越复杂；
(3)粒子输入模拟103：调用蒙特卡罗数据库，利用蒙特卡罗粒子输运原理进行粒子输运模拟，得到剂量分布(根据公式(1))与标准差分布(根据公式(2))；其中，蒙特卡罗数据库包括截面库、材料库；粒子包括光子、电子、质子、重离子、中子；
D(x,y,z)＝Edep/(ρ(x,y,z)V(x,y,z)) (1)
其中，D(x,y,z)为网格化的体模或人体内网格中心坐标(x,y,z)所处网格的剂量值；
Edep为某网格中心坐标(x,y,z)所处网格的沉积能量；
V(x,y,z)为某网格中心坐标(x,y,z)所处网格的体积；
ρ(x,y,z)为某网格中心坐标(x,y,z)所处网格的平均密度；
其中，为到达体积元的所有粒子产生的平均剂量的标准差；
xi为到达体积元的第i个粒子产生的剂量值；
为到达体积元的所有粒子的平均剂量；
N为到达体积元的粒子个数；
(4)输出步骤(3)得到的模拟结果104。
实施例2
一种蒙特卡罗剂量计算方法，如图2所示，适于在计算设备中执行，包括如下步骤：
(1)预处理210：输入病人影像、勾画信息、射野大小、照射方向、源参数；其中源参数包括源的能量、位置、方向和粒子类型；
(2)模型处理220：对病人影像进行重建，将二维的病人影像重建为三维模型，并将三维模型进行均匀网格化；网格大小根据用户自定义确定，网格越小计算精度越高，计算任务越复杂；
(3)粒子输入模拟230：调用蒙特卡罗数据库，利用蒙特卡罗粒子输运原理进行粒子输运模拟，得到剂量分布与标准差分布；其中，蒙特卡罗数据库包括截面库、材料库；粒子包括光子、电子、质子、重离子、中子；
(4)输出步骤(3)得到的模拟结果240；
(5)精度均匀化250：
(51)确定用户感兴趣区域、标准差最大阈值和分辨率最低阈值251；
确定用户感兴趣区域的方法，可以通过用户自定义或通过采用基于物理因子、生物医学因子中的一种或者组合计算获得。其中物理因子为反映病人或者模体的材料构成以及照射物理条件；其中病人或者模体的材料构成为模体的密度、CT、质量数、原子数；照射物理条件包括：射野分布、源分布。生物医学因子包括：器官组织照射阈值，生物敏感性，二次癌症发生概率分布，肿瘤杀死概率分布，损伤概率。
本实施例中优选地确定用户感兴趣区域的方法，通过采用基于物理因子中模体的密度以及生物医学因子中的生物敏感性(射野内外危及器官)的权重来计算获得的：
a)对模体密度进行归一化，设置密度最高为1，最低为0；对不同区域设定权重，射野内危及器官设置为1，肿瘤设置为0.5，其他设置为0.3，射野外危及器官设置权重为0.5，其他区域设置为0；
b)权重求和与归一化：将归一化密度的权重与区域权重进行求和，并重新归一化；
c)将归一后权重大于预设权重阈值的区域设定为感兴趣区域。
(52)将感兴趣区域内超过标准差阈值的网格与周围相邻网格进行合并，并根据蒙特卡罗标准差公式(2)重新计算标准差252：
(i)如果这时的标准差小于标准差最大阈值，则停止合并，否则继续合并；或(ii)如果合并的分辨率超出分辨率最低阈值，则停止合并；
(53)统计均匀化效果253，包括统计通过合并后标准差低于或者高于标准差最大阈值的数量，或者所占的百分比。
实施例3
一种蒙特卡罗剂量计算方法，如图3所示，适于在计算设备中执行，包括如下步骤：
(1)预处理310：输入病人影像、勾画信息、射野大小、照射方向、源参数；其中源参数包括源的能量、位置、方向和粒子类型；
(2)模型处理320：对病人影像进行重建，将二维的病人影像重建为三维模型，并将三维模型进行均匀网格化；
(3)粒子输入模拟330：调用蒙特卡罗数据库，利用蒙特卡罗粒子输运原理进行粒子输运模拟，得到剂量分布与标准差分布(根据公式(1)和公式(2))；其中，蒙特卡罗数据库包括截面库、材料库；粒子包括光子、电子、质子、重离子、中子。
(4)输出步骤(3)得到的模拟结果340；
(5)精度均匀化350：
(51)确定用户感兴趣区域、标准差最大阈值和分辨率最低阈值351；
确定用户感兴趣区域的方法，可以通过用户自定义或通过采用基于物理因子、生物医学因子中的一种或者组合计算获得。其中物理因子为反映病人或者模体的材料构成以及照射物理条件；其中病人或者模体的材料构成为模体的密度、CT、质量数、原子数；照射物理条件包括：射野分布、源分布。生物医学因子包括：器官组织照射阈值，生物敏感性，二次癌症发生概率分布，肿瘤杀死概率分布，损伤概率。
本实施例中优选地，用户感兴趣的区域可以通过自定义获得。
(52)将感兴趣区域内超过标准差阈值的网格与周围相邻网格进行合并，并根据蒙特卡罗标准差公式(2)重新计算标准差352：(i)如果这时的标准差小于标准差最大阈值，则停止合并，否则继续合并；或(ii)如果合并的分辨率超出分辨率最低阈值，则停止合并；
其中，本实施例中确定用户感兴趣区域的方法，通过采用基于物理因子中模体的密度以及生物医学因子中生物敏感性(射野内外危及器官)的权重来计算获得的：
a)对密度进行归一化，设置密度最高为1，最低为0；对不同区域设定权重，射野内危及器官设置为1，肿瘤设置为0.5，其他设置为0.3，射野外危及器官设置权重为0.5，其他区域设置为0；
b)权重求和与归一化：将归一化密度的权重与区域权重进行求和，并重新归一化；
c)将归一后权重大于预设权重阈值的区域设定为感兴趣区域。
(53)统计均匀化效果353，包括统计通过合并后标准差低于或者高于标准差最大阈值的数量，或者所占的百分比。
(54)用户改变标准差最大阈值或者分辨率最低阈值中的一个或者组合，重新实施上述的步骤(51)～(53)，以便使得精度进一步均匀化，354。
实施例4
一种蒙特卡罗剂量计算方法，如图4所示，适于在计算设备中执行，包括如下步骤：
(1)预处理410：输入病人影像、勾画信息、射野大小、照射方向、源参数；其中源参数包括源的能量、位置、方向、粒子类型。
(2)模型处理420：对病人影像进行重建，将二维的病人影像重建为三维模型，并将三维模型进行非均匀网格化；
非均匀网格化方法，通过确定用户感兴趣区域的方法获得，由用户自定义或通过采用基于模体的密度与射野设置计算获得：感兴趣区域的网格密度降低，通过减少网格数，提高总的粒子数统计，从而提高精度，使得精度分布比较均匀。
(3)粒子输入模拟430：调用蒙特卡罗数据库，利用蒙特卡罗粒子输运原理进行粒子输运模拟，得到剂量分布与标准差分布(根据公式(1)和(2))；
其中蒙特卡罗数据库包括截面库、材料库；粒子包括但不限于光子、电子、质子、重离子、中子。
(4)输出步骤(3)得到的模拟结果440。
(5)精度均匀化450：
(51)确定用户感兴趣区域、标准差最大阈值和分辨率最低阈值451；
(52)将感兴趣区域内超过标准差阈值的网格与周围网格进行合并，并根据蒙特卡罗标准差公式重新计算标准差452：(i)如果这时的标准差小于标准差最大阈值，则停止合并，否则继续合并；或(ii)如果合并的分辨率超出分辨率最低阈值，则停止合并；
(53)统计均匀化效果453，包括统计通过合并后标准差低于或者高于标准差最大阈值的数量，或者所占的百分比。
本实施例中，步骤(2)或步骤(51)中，确定用户感兴趣区域的方法，通过采用基于生物医学因子生物敏感性(射野内外危级器官)的权重和物理因子中(模体密度)组合计算获，包括如下步骤：
a)对模体密度进行归一化，设置密度最高为1，最低为0；对不同区域设定权重，射野内危及器官设置为1，肿瘤设置为0.5，其他设置为0.3，射野外危及器官设置权重为0.5，其他区域设置为0；
b)权重求和与归一化：将生物敏感性的权重与区域权重进行求和，并重新归一化；
c)将归一后权重大于预设权重阈值的区域设定为感兴趣区域。
实施例5
一种蒙特卡罗剂量计算方法，如图5所示，适于在计算设备中执行，包括如下步骤：
(1)预处理510：输入病人影像、勾画信息、射野大小、照射方向、源参数；其中源参数包括源的能量、位置、方向、粒子类型。
(2)模型处理520：对病人影像进行重建，将二维的病人影像重建为三维模型，并将三维模型进行非均匀网格化；其中非均匀网格化方法，通过确定用户感兴趣区域的方法获得，由用户自定义或通过采用基于模体的密度与射野设置计算获得：感兴趣区域的网格密度降低，通过减少网格数，提高总的粒子数统计，从而提高精度，使得精度分布比较均匀。
(3)粒子输入模拟530：调用蒙特卡罗数据库，利用蒙特卡罗粒子输运原理进行粒子输运模拟，得到剂量分布与标准差分布(根据公式(1)和(2))；
其中蒙特卡罗数据库包括截面库、材料库；粒子包括但不限于光子、电子、质子、重离子、中子。
(4)输出步骤(3)得到的模拟结果540。
所述的蒙特卡罗剂量计算方法还包括精度均匀化步骤(5)550，具体包括步骤：
(51)确定用户感兴趣区域、标准差最大阈值和分辨率最低阈值551；
(52)将感兴趣区域内超过标准差阈值的网格与周围网格进行合并，并根据蒙特卡罗标准差公式重新计算标准差：(i)如果这时的标准差小于标准差最大阈值，则停止合并，否则继续合并；或(ii)如果合并的分辨率超出分辨率最低阈值，则停止合并552；
(53)统计均匀化效果553，包括统计通过合并后标准差低于或者高于标准差最大阈值的数量，或者所占的百分比。
(54)用户改变标准差最大阈值或者分辨率最低阈值中的一个或者组合，重新实施上述的步骤(51)～(53)，以便使得精度进一步均匀化554。
本实施例中，步骤(2)或步骤(51)中，确定用户感兴趣区域的方法，通过采用基于生物医学因子生物敏感性(射野内外危级器官的权重)和物理因子中模体密度组合计算获得：
a)对模体密度进行归一化，设置密度最高为1，最低为0；对不同区域设定权重，射野内危及器官设置为1，肿瘤设置为0.5，其他设置为0.3，射野外危及器官设置权重为0.5，其他区域设置为0；
b)权重求和与归一化：将生物敏感性的权重与模体密度进行求和，并重新归一化；
c)将归一后权重大于预设权重阈值的区域设定为感兴趣区域。
实施例6
本发明还提供一种计算设备，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蒙特卡罗剂量计算方法的指令，该方法包括步骤：
一种蒙特卡罗剂量计算方法，适于在计算设备中执行，包括如下步骤：
(1)预处理：输入病人影像、勾画信息、射野大小、照射方向、源参数；
(2)模型处理：对病人影像进行重建，将二维的病人影像重建为三维模型，并将三维模型进行网格化；
(3)粒子输入模拟：调用蒙特卡罗数据库，利用蒙特卡罗粒子输运原理进行粒子输运模拟，得到剂量分布与标准差分布；
(4)输出步骤(3)得到的模拟结果。
实施例7
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蒙特卡罗剂量计算方法，该方法包括步骤：
一种蒙特卡罗剂量计算方法，适于在计算设备中执行，包括如下步骤：
(1)预处理：输入病人影像、勾画信息、射野大小、照射方向、源参数；
(2)模型处理：对病人影像进行重建，将二维的病人影像重建为三维模型，并将三维模型进行网格化；
(3)粒子输入模拟：调用蒙特卡罗数据库，利用蒙特卡罗粒子输运原理进行粒子输运模拟，得到剂量分布与标准差分布；
(4)输出步骤(3)得到的模拟结果。
本发明上述实施例1-5提供的蒙特卡罗剂量计算精度方法能够平衡分辨率和精度，通过降低一定的分辨率提高精度，使得所关心的区域精度均匀；该方法的计算速度快，方便精度的总体评价。
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 (10)

1.一种蒙特卡罗剂量计算方法，适于在计算设备中执行，其特征在于：包括如下步骤：
(1)预处理：输入病人影像、勾画信息、射野大小、照射方向、源参数；
(2)模型处理：对病人影像进行重建，将二维的病人影像重建为三维模型，并将三维模型进行网格化；
(3)粒子输入模拟：调用蒙特卡罗数据库，利用蒙特卡罗粒子输运原理进行粒子输运模拟，得到剂量分布与标准差分布；
(4)输出步骤(3)得到的模拟结果。
2.根据权利要求1所述的蒙特卡罗剂量计算方法，其特征在于：步骤(1)中，所述的源参数包括源的能量、位置、方向、粒子类型；
或步骤(2)中，所述的网格化为均匀网格化或非均匀网格化。
3.根据权利要求2所述的蒙特卡罗剂量计算方法，其特征在于：所述的非均匀网格化的方法，通过确定用户感兴趣区域的方法获得。
4.根据权利要求1所述的蒙特卡罗剂量计算方法，其特征在于：步骤(3)中，所述的蒙特卡罗数据库包括截面库、材料库；所述的粒子包括光子、电子、质子、重离子或中子中的一种或多种。
5.根据权利要求1所述的蒙特卡罗剂量计算方法，其特征在于：所述的蒙特卡罗剂量计算方法还包括精度均匀化步骤(5)，具体包括步骤：
(51)确定用户感兴趣区域、标准差最大阈值和分辨率最低阈值；
(52)将感兴趣区域内超过标准差阈值的网格与周围网格进行合并，并根据蒙特卡罗标准差公式重新计算标准差：(i)如果这时的标准差小于标准差最大阈值，则停止合并，否则继续合并；或(ii)如果合并的分辨率超出分辨率最低阈值，则停止合并；
(53)统计均匀化效果，包括统计通过合并后标准差低于或者高于标准差最大阈值的数量，或者所占的百分比。
6.根据权利要求3或5任一所述的蒙特卡罗剂量计算方法，其特征在于：所述的用户感兴趣区域的确定方法通过用户自定义或通过采用基于物理因子、生物医学因子中的一种或者组合计算获得。
7.根据权利要求6所述的蒙特卡罗剂量计算方法，其特征在于：所述的物理因子为反映了病人或者模体的材料构成以及照射物理条件；其中病人或者模体的材料构成包括模体的密度、质量数、原子数；照射物理条件包括：射野分布、源分布；
所述的生物医学因子包括：器官组织照射阈值，生物敏感性，二次癌症发生概率分布，肿瘤杀死概率分布，损伤概率。
8.根据权利要求5所述的蒙特卡罗剂量计算方法，其特征在于：
步骤(52)中的周围网格为周围相邻网格；
或所述的步骤(5)还包括步骤(54)：用户改变标准差最大阈值或者分辨率最低阈值中的一个或者组合，重新实施上述的步骤(51)～(53)，以便使得精度进一步均匀化。
9.一种计算设备，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权利要求1-8中任一所述的蒙特卡罗剂量计算方法的指令。
10.一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权利要求1-8中任一所述的蒙特卡罗剂量计算方法。
CN201810227824.0A 2018-03-20 2018-03-20 一种蒙特卡罗剂量计算方法、设备和储存介质 Active CN110310720B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810227824.0A CN110310720B (zh) 2018-03-20 2018-03-20 一种蒙特卡罗剂量计算方法、设备和储存介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810227824.0A CN110310720B (zh) 2018-03-20 2018-03-20 一种蒙特卡罗剂量计算方法、设备和储存介质

Publications (2)

Publication Number Publication Date
CN110310720A true CN110310720A (zh) 2019-10-08
CN110310720B CN110310720B (zh) 2022-05-10

Family

ID=68073325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810227824.0A Active CN110310720B (zh) 2018-03-20 2018-03-20 一种蒙特卡罗剂量计算方法、设备和储存介质

Country Status (1)

Country Link
CN (1) CN110310720B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111001097A (zh) * 2019-12-28 2020-04-14 上海联影医疗科技有限公司 一种放疗剂量评估系统、装置及存储介质
CN112700841A (zh) * 2020-12-24 2021-04-23 四川大学 非均整模式下剂量计算建模方法、模型、设备及存储介质
CN112949156A (zh) * 2021-03-25 2021-06-11 中科超精(南京)科技有限公司 一种蒙特卡罗去散射校正方法
CN113671557A (zh) * 2021-08-16 2021-11-19 中国科学院近代物理研究所 正电子核素活度分布计算方法、系统、设备和存储介质
WO2022143333A1 (zh) * 2020-12-31 2022-07-07 中硼(厦门)医疗器械有限公司 放射线照射系统及其控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104548372A (zh) * 2015-01-07 2015-04-29 上海联影医疗科技有限公司 放射治疗计划、剂量确定、质量保证的方法及装置
CN106943679A (zh) * 2017-04-24 2017-07-14 安徽慧软科技有限公司 基于gpu蒙特卡洛算法的磁场下光子和电子剂量计算方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104548372A (zh) * 2015-01-07 2015-04-29 上海联影医疗科技有限公司 放射治疗计划、剂量确定、质量保证的方法及装置
CN106943679A (zh) * 2017-04-24 2017-07-14 安徽慧软科技有限公司 基于gpu蒙特卡洛算法的磁场下光子和电子剂量计算方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111001097A (zh) * 2019-12-28 2020-04-14 上海联影医疗科技有限公司 一种放疗剂量评估系统、装置及存储介质
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
CN112700841A (zh) * 2020-12-24 2021-04-23 四川大学 非均整模式下剂量计算建模方法、模型、设备及存储介质
CN112700841B (zh) * 2020-12-24 2023-03-28 四川大学 非均整模式下剂量计算建模方法、模型、设备及存储介质
WO2022143333A1 (zh) * 2020-12-31 2022-07-07 中硼(厦门)医疗器械有限公司 放射线照射系统及其控制方法
CN112949156A (zh) * 2021-03-25 2021-06-11 中科超精(南京)科技有限公司 一种蒙特卡罗去散射校正方法
CN112949156B (zh) * 2021-03-25 2024-04-05 中科超精(南京)科技有限公司 一种蒙特卡罗去散射校正方法
CN113671557A (zh) * 2021-08-16 2021-11-19 中国科学院近代物理研究所 正电子核素活度分布计算方法、系统、设备和存储介质
CN113671557B (zh) * 2021-08-16 2022-03-15 中国科学院近代物理研究所 正电子核素活度分布计算方法、系统、设备和存储介质

Also Published As

Publication number Publication date
CN110310720B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN110310720A (zh) 一种蒙特卡罗剂量计算方法、设备和储存介质
US11020615B2 (en) Computing radiotherapy dose distribution
Wan Chan Tseung et al. A fast GPU‐based Monte Carlo simulation of proton transport with detailed modeling of nonelastic interactions
Jeraj et al. The effect of dose calculation accuracy on inverse treatment planning
CN102036712B (zh) 用于放射治疗的系统和确定放射治疗参数的方法
Schreiner True 3D chemical dosimetry (gels, plastics): Development and clinical role
Hälg et al. Neutron dose and its measurement in proton therapy—current state of knowledge
CN104066479B (zh) 使用异质性补偿迭加进行用于放射疗法的剂量计算
Yepes et al. A GPU implementation of a track-repeating algorithm for proton radiotherapy dose calculations
Miften et al. Comparison of RTP dose distributions in heterogeneous phantoms with the BEAM Monte Carlo simulation system
CN108415058A (zh) 放射线的剂量计算方法及系统
CN107551411B (zh) 针对射程不确定性的质子重离子调强放疗鲁棒优化方法
CN110302475B (zh) 一种云蒙特卡罗剂量验证分析方法、设备和存储介质
CN110504016A (zh) 一种蒙特卡罗网格并行剂量计算方法、设备和存储介质
Jones et al. Characterization of Compton-scatter imaging with an analytical simulation method
CN110310743B (zh) 一种蒙特卡罗剂量计算方法、设备和存储介质
Ureba et al. MCTP system model based on linear programming optimization of apertures obtained from sequencing patient image data maps
DeMarco et al. A Monte Carlo tutorial and the application for radiotherapy treatment planning
Benzazon et al. Analytical models for external photon beam radiotherapy out-of-field dose calculation: a scoping review
Zhong et al. Generation of a novel phase‐space‐based cylindrical dose kernel for IMRT optimization
Böck On adaptation cost and tractability in robust adaptive radiation therapy optimization
CN110675932A (zh) 一种基于蒙特卡罗的点剂量计算方法、设备和存储介质
Ringbæk et al. Calculation of the beam-modulation effect of the lung in carbon ion and proton therapy with deterministic pencil beam algorithms
Guo et al. A tri-hybrid method to estimate the patient-generated scattered photon fluence components to the EPID image plane
Peer Generating treatment plans for prostate VMAT using deep learning

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