CN110420396B - 一种放射治疗计划优化系统、装置及存储介质 - Google Patents
一种放射治疗计划优化系统、装置及存储介质 Download PDFInfo
- Publication number
- CN110420396B CN110420396B CN201910625831.0A CN201910625831A CN110420396B CN 110420396 B CN110420396 B CN 110420396B CN 201910625831 A CN201910625831 A CN 201910625831A CN 110420396 B CN110420396 B CN 110420396B
- Authority
- CN
- China
- Prior art keywords
- interest
- region
- dose
- constraint condition
- function
- 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
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
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
本发明公开了一种放射治疗计划优化系统、装置及存储介质。该放射治疗计划优化系统包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域;根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件;根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数;根据所述跌落函数调整所述初始约束条件,生成调整约束条件;根据所述调整约束条件进行放射治疗计划的优化。本发明实施例的技术方案实现了放疗计划的自动优化,提高放疗计划生成的效率。
Description
技术领域
本发明实施例涉及医疗设备领域,尤其涉及一种放射治疗计划优化系统、装置及存储介质。
背景技术
调强放射治疗是目前放疗中的一种重要方式,它可以在提高靶区剂量的同时尽可能地保护正常器官,降低正常器官的受照剂量。
目前,静态野调强放射治疗计划或旋转调强放射治疗计划均需要依靠人工设计射野角度、靶区剂量及权重因子、危及器官耐受量及权重因子等参数,物理师需要在治疗计划系统中反复地进行参数调整及优化,耗费大量的时间与精力,并且治疗计划的优劣与物理师自身的经验、精力以及投入的时间具有直接的关系,缺乏统一的规范和评判标准。
基于上述问题,提出了一些带有自动计划功能的治疗计划系统,一种是基于历史数据的预测方法,该方法需要优质计划库提供训练数据,帮助用户确定各组织的剂量目标,然而,训练模型对训练数据非常敏感,不同医院、不同用户可能需要训练不同的模型,优质计划的整合、筛选及检查,并完成预测模型的训练时间周期长,工作量繁琐。另一种为基于给定目标条件下的自动优化方法,虽不需要训练模型,但是需要用户需要输入大量的信息,无法预知用户输入的合理性,优化时间过长。
发明内容
本发明实施例提供了一种放射治疗计划优化系统、装置及存储介质,实现了放疗计划的自动优化,提高放疗计划生成的效率。
第一方面,本发明实施例提供了一种放射治疗计划优化系统,该放射治疗计划优化系统包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域,其中,所述第一感兴趣区域与所述第二感兴趣区域类型不同;
根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件;
根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数,其中,所述跌落函数为体素点的位置到所述第一感兴趣区域的最近距离与所述体素点的放射剂量的映射关系;
根据所述跌落函数调整所述初始约束条件,生成调整约束条件;
根据所述调整约束条件进行放射治疗计划的优化。
第二方面,本发明实施例还提供了一种放射治疗计划优化装置,该放射治疗计划优化装置包括:
图像获取模块,用于获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域,其中,所述第一感兴趣区域与所述第二感兴趣区域类型不同;
初始约束条件生成模块,用于根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件;
跌落函数确定模块,用于根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数,其中,所述跌落函数为体素点的位置到所述第一感兴趣区域的最近距离与所述体素点的放射剂量的映射关系;
约束条件调整模块,用于根据所述跌落函数调整所述初始约束条件,生成调整约束条件;
治疗计划优化模块,用于根据所述调整约束条件进行放射治疗计划的优化。
第三方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,该指令被处理器执行时用于执行一种放射治疗计划优方法,该方法包括:
获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域,其中,所述第一感兴趣区域与所述第二感兴趣区域类型不同;
根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件;
根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数,其中,所述跌落函数为体素点的位置到所述第一感兴趣区域的最近距离与所述体素点的放射剂量的映射关系;
根据所述跌落函数调整所述初始约束条件,生成调整约束条件;
根据所述调整约束条件进行放射治疗计划的优化。
本发明实施例的技术方案,首先,基于各个感兴趣区域的剂量目标生成初始约束条件,再根据第一、第二感兴趣区域的剂量目标的关系确定跌落函数,并根据跌落函数调整约束条件,根据调整后的约束条件进行放疗计划的优化,实现了约束条件以及放疗计划的自动优化,提高放疗计划生成的效率,节省了时间成本和人力成本;同时也使得约束条件更符合被检区域的组织特性,优化后的放疗计划更为合理、更符合期望,且优化方法适用性强、优化时间短。
附图说明
图1A是本发明实施例一中的一种放射治疗计划优化系统中的处理器执行程序时实现的步骤的流程图;
图1B是本发明实施例一中的一种重叠区域外扩处理的示意图;
图1C为本发明实施例一中的一种跌落函数库的示意图;
图2A是本发明实施例二中的一种放射治疗计划优化系统中的处理器执行程序时实现的步骤的流程图;
图2B是本发明实施例二中的一种约束调整规则函数的示意图;
图3是本发明实施例三中的一种放射治疗计划优化装置的结构示意图;
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1A为本发明实施例一中提供的一种放射治疗计划优化系统中的处理器执行程序时实现的步骤的流程图,本实施例可适用于放射治疗计划进行优化的情况,该方法可以由本发明实施例提供的放射治疗计划优化装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以配置于本发明实施例提供的放射治疗计划优化系统的处理器中。具体包括如下步骤:
步骤110、获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域。
其中,所述第一感兴趣区域与所述第二感兴趣区域类型不同。第一感兴趣区域可以是靶区,如放疗靶区或者计划靶区,第二感兴趣区域可以是相应的危及器官,也可以是用户设定的其他感兴趣区域。其中,危及器官指的是在放射治疗时,有几率受到照射的且对放射剂量敏感的器官。第一感兴趣区域及第二感兴趣区域的个数可以是一个、两个或者更多,根据需求进行设定,本发明实施例对此不进行限定。
可选的,目标对象的图像,可以是用户自行导入的,也可以是通过相应的放疗检测设备发送过来的图像,可以是有线、无线或者其他传输方式进行发送的。本发明实施例对图像获取的方式不进行限定。
其中,图像的各个感兴趣区域可以是由用户进行勾画或者布野时确定的,也可以是通过神经网络模型自动划分的,本发明实施例所获取的图像,是已确定各个感兴趣区域的图像。可选的,对于确定的各个感兴趣区域,如靶区或危及器官,可以是包括每一个感兴趣区域的属性信息、剂量目标、限制类型等信息,以及输入治疗技术的类型、处方信息等治疗相关的信息。示例性的,放射治疗优化系统可以提供一个感兴趣区域限量表,该感兴趣区域限量表包括上述信息。具体形式如表1所示。
表1感兴趣区域限量表
序号 | 患病部位 | 感兴趣区域 | 限制类型 | 剂量/体积参数 |
1 | 头颈 | 眼睛 | 最大剂量 | [2000,--] |
2 | 胸部 | 肺 | 最大DVH | [2000,20] |
…… |
可选的,在用户布野完成之后,放射治疗计划优化系统的处理器执行程序时,还用于实现以下步骤:根据处方信息对多靶区病例的重叠区域进行外扩处理。
图1B是本发明实施例一中的一种重叠区域外扩处理的示意图,如图1B所示,该多靶区病例中包含两个重叠的区域1和区域2,分别是PGTV(Planning gross target volume,计划肿瘤靶区)和PTV(Planning target volume,计划靶区),在进行外扩处理时,将PTV(区域2)和PGTV(区域1)重叠的部分进行外扩扣除,得到一个环形区域,区域5,而外扩后的原区域1变为区域3,原区域2变为区域4。对于区域5的放疗处理则根据需求进行设定,可以将其划分为区域3或区域4,或作为一个单独的区域存在。
通过外扩有效地将重叠的感兴趣区域进行进一步划分,可以通过外扩形成一个用于区分不同区域的分离区域。当危及器官的类型为串行器官,且与靶区有交叠时,需要提示用户进行优先级的确定,用以确定是靶区优先还是危及器官优先。当用户选定为靶区优先时,则将分离区域划分为靶区;若用户选择为危及器官优先时,则将分离区域划分为危及器官区域。
步骤120、根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件。
其中,剂量目标可以是对应处方中的处方值,或者由用户设定的剂量值。示例性的,如剂量目标为最大剂量为6750cGy(厘戈瑞),或者平均剂量小于1.06倍的处方值等。本发明实施例对剂量目标的设定方式和具体内容及形式不进行限定。在本实施例中,剂量目标可以包括最大剂量、最小剂量、剂量体积目标等常规的剂量学指标。
可选的,根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件,包括:根据所述第一感兴趣区域的属性信息、约束类型及剂量目标生成第一约束条件;根据所述第二感兴趣区域的属性信息、约束类型和剂量目标生成第二约束条件;根据所述第一约束条件及所述第二约束条件获取所述初始约束条件。
其中,第一感兴趣区域的属性信息包括体积、形状、位置以及类型信息,身份信息如是计划肿瘤靶区还是计划靶区等。第二感兴趣区域的属性信息包括身份信息、串并行、体积、位置以及形状等信息,串并行指的是该器官为串行器官还是并行器官,身份信息指的是该感兴趣区域所述的部位以及分类信息,如属于危及器官、正常组织或者其他组织。第一感兴趣区域、第二感兴趣区域的约束类型分别包括:最大剂量值(Max_Dose)、最小剂量值(Min_Dose)、最大体积剂量值(Max_DVH)、最小体积剂量值(Min_DVH)、最大生物等效均衡剂量(Max_EUD以及最大生物等效均衡剂量(Min_EUD)等。示例性的,靶区的初始约束条件可以是最少有95%的体积达到4550cGy,危及器官的初始约束条件可以是最大剂量补偿4800cGy。
步骤130、根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数。
其中,所述跌落函数为体素点的位置到所述第一感兴趣区域的最近距离与所述体素点的放射剂量的映射关系,即跌落函数是表征随着距离第一感兴趣区域距离的增大放射剂量衰减程度的关系式。跌落函数可以以跌落函数库的形式保存于放射治疗计划系统中。跌落函数库是由多个形式相同、参数不同的跌落函数组成的。示例性的,图1C是本发明实施例一提供的一种跌落函数库的示意图,如图1C所示,跌落函数库中的各个跌落函数f(x)的形式类似,跌落的速度快慢有所不同。将表征跌落速度的参数称为跌落强度,跌落强度越大,则表明该跌落函数的跌落速度也快,也就是跌落函数越硬(hard);相反,跌落强度越小,则跌落速度越慢,跌落函数越软(soft)。
一般来说,跌落函数是分段函数,这主要是由组织结构的复杂程度决定的。具体形式为对数形式或者指数形式跌落。
跌落函数库可以是根据大量经验生成的,也可以是通过大数据分析得到的。
可选的,根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数,包括:根据距离所述第一感兴趣区域设定距离的至少一个所述第二感兴趣区域的剂量目标与所述第一感兴趣区域的剂量目标的关系确定跌落函数。
可选的,在确定跌落函数时,可以选取距离第一感兴趣区域最远的第二感兴趣区域进行分析,也可以选取距离第一感兴趣区域距离为所有距离中值的第二感兴趣区域进行分析,可以选取一个第二感兴趣区域进行分析,也可选取两个、三个或者更多第二感兴趣区域进行分析。
步骤140、根据所述跌落函数调整所述初始约束条件,生成调整约束条件。
可选的,根据所述跌落函数调整所述初始约束条件,包括:根据所述跌落函数确定各个所述第二感兴趣区域的预测剂量;根据所述预测剂量和对应的所述剂量目标之间的关系调整所述初始约束条件。
可选的,根据所述预测剂量和对应的所述剂量目标之间的关系调整所述初始约束条件,包括:根据所述预测剂量与对应的所述剂量目标的差值调整所述初始约束条件。
确定跌落函数之后,便可根据跌落函数统计出各个第二感兴趣区域的统计剂量或者预测剂量,再根据剂量目标,来评估约束条件。若所有预测剂量均满足剂量目标,则说明约束条件设置的太过松,应进行收紧。而相反的,若大部分或者超过一半的预测剂量均不满足剂量目标,则说明约束条件设置过于紧,应进行放松。
可选的,处理器还被配置成执行程序时实现以下步骤:
对所述第一感兴趣区域和所述第二感兴趣区域设置权重因子,包括:根据预设值为所述第一感兴趣区域的约束条件设置第一权重因子;根据所述预测剂量和所述预测剂量的剂量目标之间的关系为所述第二感兴趣区域的约束条件设置第二权重因子。
其中,第一权重因子和第二权重因子可以是系统自动设定的,也可以是用户进行设定的,且第一权重因子和第二权重因子均是可以修改或调整的。
一般,靶区的权重因子为较大的权重因子,如10000,危及器官的权重因子次之,具体可根据剂量目标进行确定,正常组织等辅助器官的权重因子最小,如50。
可选的,根据所述预测剂量和所述预测剂量的剂量目标之间的关系为所述第二感兴趣区域的约束条件设置第二权重因子,包括:根据所述预测剂量与所述预测剂量的剂量目标的差值为所述第二感兴趣区域的约束条件设置权重因子。
其中,设置权重因子的原则是预测剂量与剂量目标的差值越大,说明该约束条件较难达到,其权重因子应设置为较大的数值;相反的,预测剂量与剂量目标的差值越小,说明该约束条件较容易达到,应设置较小的数值。
可选的,可根据权重初始化函数设置第二感兴趣区域的约束条件的权重因子。权重初始化函数是用来表征预测剂量与剂量目标的差值及权重因子的关系式,且预测剂量与剂量目标的差值越大,权重越大。示例性的,可采用指数形式的函数来描述权重初始化函数。
步骤150、根据所述调整约束条件进行放射治疗计划的优化。
调整后的约束条件,即为系统优化后的约束条件,采用该约束条件进行放射治疗计划的优化即可得到最终的放射治疗计划。可选的,可以将最终生成的放射治疗计划保存至优质计划库中,或者提示用户是否加入优质计划库。这样设置的好处在于,当遇到相同的病例时可进行参考或者直接采用,节省优化程序,提高了放疗的效率。
本发明实施例的技术方案,首先,基于各个感兴趣区域的剂量目标生成初始约束条件,再根据第一、第二感兴趣区域的剂量目标的关系确定跌落函数,并根据跌落函数调整约束条件,根据调整后的约束条件进行放疗计划的优化,实现了约束条件以及放疗计划的自动优化,提高放疗计划生成的效率,节省了时间成本和人力成本;同时也使得约束条件更符合被检区域的组织特性,优化后的放疗计划更为合理、更符合期望,且优化方法适用性强、优化时间短。
实施例二
图2A为本发明实施例二提供的一种放射治疗计划优化系统中的处理器执行程序时实现的步骤的流程图,本实施例的技术方案在上述技术方案的基础上进一步补充和优化,在本实施例中,可选的,上述处理器还可以被配置成执行程序时实现以下步骤:根据所述调整约束条件计算各个所述第一感兴趣区域及所述第二感兴趣区域的剂量值;比较计算得到的剂量值与对应的剂量目标;根据比较结果更新所述调整约束条件,并根据所述更新后的调整约束条件进行下一轮迭代直至满足迭代终止条件;;更新所述跌落函数;根据更新后的跌落函数调整所述调整约束条件生成更新后的调整约束条件;根据所述更新后的调整约束条件再次进行放射治疗计划的优化。如图2A所示,本发明实施例提供的扫描数据的压缩方法包括:
步骤210、获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域。
步骤220、根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件。
步骤230、据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数。
步骤240、根据所述跌落函数调整所述初始约束条件,生成调整约束条件。
步骤250、根据所述调整约束条件进行放射治疗计划的优化。
步骤260、根据所述调整约束条件计算各个所述第一感兴趣区域及所述第二感兴趣区域的剂量值。
步骤270、比较计算得到的所述剂量值与对应的所述剂量目标。
步骤280、根据比较结果更新所述调整约束条件,并根据所述更新后的调整约束条件进行下一轮迭代直至满足迭代终止条件。
其中,迭代终止条件包括:迭代次数达到设定次数,更新后的约束条件满足所有目标约束条件,迭代所使用的时间达到设定时间或接受到人为触发信号等至少一种。
可选的,根据比较结果更新所述调整约束条件包括:根据约束调整规则函数以及所述比较结果更新所述调整约束条件。其中,所述约束调整规则函数由权重规则函数、剂量规则函数或体积剂量规则函数中的至少一种组成。
在放射治疗计划优化的过程中,根据调整约束条件计算各个第二感兴趣区域的剂量值,将该剂量值与该区域的剂量目标进行比较,可以按照权重规则函数、剂量规则函数或者体积规则函数中的一种或者多种进行比较。
其中,约束调整规则函数是用于描述计算的剂量值与目标剂量的差值与调整值之间的关系的函数。约束调整的原则是计算的剂量值与目标剂量差的越多,调整的幅度就越大。
示例性的,图2B为本发明实施例二所提供的一种约束调整规则函数的示意图,如图所示,约束调整规则函数包括权重规则函数、剂量规则函数和体积剂量规则函数三种组成。在一些实施例中,还可以是选择其中两种或者一种进行调整。其中,各个规则函数中的阈值点为约束调整的分界点,大于阈值点的区域的约束条件相比小于阈值点区域更为收紧。
可选的,放射治疗计划优化系统的处理器执行所处程序时,还用于实现以下步骤:
当优化后的放射治疗计划的各个感兴趣区域的剂量值满足目标剂量时,终止所述放射治疗计划的优化;或,当优化所述放射治疗计划的次数到达设定次数时,终止所述放射治疗计划的优化。
可选的,当优化所述放射治疗计划的次数到达设定次数且不能满足目标剂量时或者优化所述放射治疗计划的次数小于预设阈值且满足目标剂量时,其中,预设阈值小于设定次数,放射治疗计划优化系统的处理器还用于执行步骤270。
步骤290、更新所述跌落函数,根据更新后的跌落函数调整所述调整约束条件生成更新后的调整约束条件。
当达到预设迭代次数仍不能满足所有要求时,说明所选取的跌落函数偏硬(hard),难以达到,应将其适度调软(soft)一些,具体的,可以根据最后一次优化时,计算的剂量与目标剂量的差值来决定,或者由用户进行设定。而当优化次数小于预设阈值便满足所有要求时,说明跌落函数偏软(soft),很容易达到,应将其适度调硬一些(hard),具体的,可以根据优化次数来进行设定,或者由用户进行设定。更新跌落函数后,再根据更新后的跌落函数调整约束条件。
步骤300、根据所述更新后的调整约束条件再次进行放射治疗计划的优化。
本发明实施例的技术方案,通过在优化放射指令计划之后,再根据计算的剂量与目标剂量的差值进行约束条件的调整,使得约束条件得以实时根据计算结果进行改正,从而保障了约束条件更符合实际放疗过程,并根据跌落次数与满足要求情况,更新跌落函数,再根据更新后的跌落函数进行约束条件调整,进行放射治疗计划的优化。通过对各个步骤的不断优化,得到更为优质、智能的放射治疗计划,达到更好的治疗效果,且减小了对正常组织或危及器官的影响。
实施例三
图3是本发明实施例三提供的一种放射治疗计划优化装置的结构示意图,如图3所示,扫描数据的压缩装置包括:图像获取模块310、初始约束条件生成模块320、跌落函数确定模块330、约束条件调整模块340和治疗计划优化模块350。
其中,图像获取模块310,用于获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域,其中,所述第一感兴趣区域与所述第二感兴趣区域类型不同;初始约束条件生成模块320,用于根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件;跌落函数确定模块330,用于根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数,其中,所述跌落函数为体素点的位置到所述第一感兴趣区域的最近距离与所述体素点的放射剂量的映射关系;约束条件调整模块340,用于根据所述跌落函数调整所述初始约束条件,生成调整约束条件;治疗计划优化模块350,用于根据所述调整约束条件进行放射治疗计划的优化。
本发明实施例的技术方案,首先,基于各个感兴趣区域的剂量目标生成初始约束条件,再根据第一、第二感兴趣区域的剂量目标的关系确定跌落函数,并根据跌落函数调整约束条件,根据调整后的约束条件进行放疗计划的优化,实现了约束条件以及放疗计划的自动优化,提高放疗计划生成的效率,节省了时间成本和人力成本;同时也使得约束条件更符合被检区域的组织特性,优化后的放疗计划更为合理、更符合期望,且优化方法适用性强、优化时间短。
可选的,初始约束条件生成模块320,具体用于:
根据所述第一感兴趣区域的属性信息、约束类型及剂量目标生成第一约束条件;根据所述第二感兴趣区域的属性信息、约束类型和剂量目标生成第二约束条件;根据所述第一约束条件及所述第二约束条件获取所述初始约束条件。
可选的,跌落函数确定模块330,具体用于:
根据距离所述第一感兴趣区域设定距离的至少一个所述第二感兴趣区域的剂量目标与所述第一感兴趣区域的剂量目标的关系确定跌落函数。
可选的,约束条件调整模块340,包括:
预测剂量确定单元,用于根据所述跌落函数确定各个所述第二感兴趣区域的预测剂量;
约束条件调整单元,用于根据所述预测剂量和对应的所述剂量目标之间的关系调整所述初始约束条件。
可选的,约束条件调整单元,具体用于:根据所述预测剂量与对应的所述剂量目标的差值调整所述初始约束条件。
可选的,射治疗计划优化装置,还包括:
权重因子设置模块,用于对所述第一感兴趣区域和所述第二感兴趣区域设置权重因子,包括:第一权重因子设置单元,用于根据预设值为所述第一感兴趣区域的约束条件设置第一权重因子;第二权重因子设置单元,用于根据所述预测剂量和对应的所述剂量目标之间的关系为所述第二感兴趣区域的约束条件设置第二权重因子。
可选的,第二权重因子设置单元,具体用于:根据所述预测剂量与对应的所述剂量目标的差值为所述第二感兴趣区域的约束条件设置权重因子。
可选的,射治疗计划优化装置,还包括:
更新调整约束条件模块,用于在根据所述调整约束条件进行放射治疗计划的优化的多次迭代过程的每次迭代后,计算各个所述第一感兴趣区域及所述第二感兴趣区域的剂量值;比较计算得到的所述剂量值与对应的剂量目标;根据比较结果更新所述调整约束条件,并根据所述更新后的调整约束条件进行下一轮迭代直至满足迭代终止条件。。
可选的,射治疗计划优化装置,还包括:
跌落函数更新模块,用于在根据所述调整约束条件进行放射治疗计划的优化之后,更新所述跌落函数。
计划再次优化模块,用于根据更新后的跌落函数调整所述调整约束条件生成更新后的调整约束条件;根据所述更新后的调整约束条件再次进行放射治疗计划的优化。
可选的,跌落函数更新模块,具体用于:当优化后的放射治疗计划的各个感兴趣区域的剂量值满足目标剂量时,选择跌落强度大于当前跌落函数的跌落函数,其中,所述跌落强度用于表征所述跌落函数的跌落速度。当所述放射治疗计划的优化次数到达设定次数,且优化后的放射治疗计划中存在至少一个感兴趣区域的剂量值不满足目标剂量时,选择跌落强度小于当前跌落函数的跌落函数。
可选的,射治疗计划优化装置,还包括:
计划优化终止模块,用于当优化后的放射治疗计划的各个感兴趣区域的剂量值满足目标剂量时,终止所述放射治疗计划的优化;或,当优化所述放射治疗计划的次数到达设定次数时,终止所述放射治疗计划的优化。
本发明实施例所提供的扫描数据的压缩装置可执行本发明任意实施例所提供的扫描数据的压缩方法,具备执行方法相应的功能模块和有益效果。
实施例四
发明实施例四还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种放射治疗计划优方法,该方法包括:
获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域,其中,所述第一感兴趣区域与所述第二感兴趣区域类型不同;
根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件;
根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数,其中,所述跌落函数为体素点的位置到靶区所述第一感兴趣区域的最近距离与所述体素点的放射剂量的映射关系;
根据所述跌落函数调整所述初始约束条件,生成调整约束条件;
根据所述调整约束条件进行放射治疗计划的优化。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的放射治疗计划优系统中处理器所执行的步骤的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法、步骤。
值得注意的是,上述放射治疗计划优化装置的实施例中,所包括的各个单元、子单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种放射治疗计划优化系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,包括:
所述处理器执行所述程序时实现以下步骤:
获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域,其中,所述第一感兴趣区域与所述第二感兴趣区域类型不同;
根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件;
根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数,其中,所述跌落函数为体素点的位置到所述第一感兴趣区域的最近距离与所述体素点的放射剂量的映射关系;
根据所述跌落函数调整所述初始约束条件,生成调整约束条件;
根据所述调整约束条件进行放射治疗计划的优化;
所述根据所述跌落函数调整所述初始约束条件,包括:
根据所述跌落函数确定各个所述第二感兴趣区域的预测剂量;
根据所述预测剂量和对应的所述剂量目标之间的关系调整所述初始约束条件,其中,所述剂量目标是对应处方中的处方值,或者是由用户设定的剂量值。
2.根据权利要求1所述的系统,其特征在于,所述根据第一感兴趣区域和第二感兴趣区域的剂量目标生成初始约束条件,包括:
根据所述第一感兴趣区域的属性信息、约束类型及剂量目标生成第一约束条件;
根据所述第二感兴趣区域的属性信息、约束类型和剂量目标生成第二约束条件;
根据所述第一约束条件及所述第二约束条件获取所述初始约束条件。
3.根据权利要求1所述的系统,其特征在于,所述根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数,包括:
根据距离所述第一感兴趣区域设定距离的至少一个所述第二感兴趣区域的剂量目标与所述第一感兴趣区域的剂量目标的关系确定跌落函数。
4.根据权利要求1所述的系统,其特征在于,所述根据所述预测剂量和对应的所述剂量目标之间的关系调整所述初始约束条件,包括:
根据所述预测剂量与对应的所述剂量目标的差值调整所述初始约束条件。
5.根据权利要求1所述的系统,其特征在于,所述处理器还被配置成执行所述程序时实现以下步骤:对所述第一感兴趣区域和所述第二感兴趣区域设置权重因子,包括:
根据预设值为所述第一感兴趣区域的约束条件设置第一权重因子;
根据所述预测剂量和对应的所述剂量目标之间的关系为所述第二感兴趣区域的约束条件设置第二权重因子。
6.根据权利要求5所述的系统,其特征在于,所述根据所述预测剂量和对应的所述剂量目标之间的关系为所述第二感兴趣区域的约束条件设置第二权重因子,包括:
根据所述预测剂量与对应的所述剂量目标的差值为所述第二感兴趣区域的约束条件设置权重因子。
7.根据权利要求1所述的系统,其特征在于,根据所述调整约束条件进行放射治疗计划的优化包括多次迭代过程,在每次迭代后,还包括:
计算各个所述第一感兴趣区域及所述第二感兴趣区域的剂量值;
比较计算得到的所述剂量值与对应的剂量目标;
根据比较结果更新所述调整约束条件,并根据所述更新后的调整约束条件进行下一轮迭代直至满足迭代终止条件。
8.根据权利要求1所述的系统,其特征在于,在根据所述调整约束条件进行放射治疗计划的优化之后,所述处理器还被配置成执行所述程序实现以下步骤:
更新所述跌落函数;
根据更新后的跌落函数调整所述调整约束条件生成更新后的调整约束条件;
根据所述更新后的调整约束条件再次进行放射治疗计划的优化。
9.根据权利要求8所述的系统,其特征在于,所述更新所述跌落函数,包括:
当优化后的放射治疗计划的各个感兴趣区域的剂量值满足目标剂量时,选择跌落强度大于当前跌落函数的跌落函数,其中,所述跌落强度用于表征所述跌落函数的跌落速度。
10.根据权利要求8所述的系统,其特征在于,所述更新所述跌落函数,包括:
当所述放射治疗计划的优化满足优化终止条件,且优化后的放射治疗计划中存在至少一个感兴趣区域的剂量值不满足目标剂量时,选择跌落强度小于当前跌落函数的跌落函数,其中,所述跌落强度用于表征所述跌落函数的跌落速度。
11.一种放射治疗计划优化装置,其特征在于,所述装置配置于处理器中,所述装置包括:
图像获取模块,用于获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域,其中,所述第一感兴趣区域与所述第二感兴趣区域类型不同;
初始约束条件生成模块,用于根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件;
跌落函数确定模块,用于根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数,其中,所述跌落函数为体素点的位置到所述第一感兴趣区域的最近距离与所述体素点的放射剂量的映射关系;
约束条件调整模块,用于根据所述跌落函数调整所述初始约束条件,生成调整约束条件;
治疗计划优化模块,用于根据所述调整约束条件进行放射治疗计划的优化;
约束条件调整模块包括:预测剂量确定单元,用于根据所述跌落函数确定各个所述第二感兴趣区域的预测剂量;
约束条件调整单元,用于根据所述预测剂量和对应的所述剂量目标之间的关系调整所述初始约束条件,其中,所述剂量目标是对应处方中的处方值,或者是由用户设定的剂量值。
12.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行一种放射治疗计划优化方法,其特征在于,该方法包括:
获取目标对象的图像,所述图像包含第一感兴趣区域和第二感兴趣区域,其中,所述第一感兴趣区域与所述第二感兴趣区域类型不同;
根据所述第一感兴趣区域和所述第二感兴趣区域的剂量目标生成初始约束条件;
根据所述第一感兴趣区域与至少一个所述第二感兴趣区域的剂量目标之间的关系确定跌落函数,其中,所述跌落函数为体素点的位置到所述第一感兴趣区域的最近距离与所述体素点的放射剂量的映射关系;
根据所述跌落函数调整所述初始约束条件,生成调整约束条件;
根据所述调整约束条件进行放射治疗计划的优化;
所述根据所述跌落函数调整所述初始约束条件,包括:
根据所述跌落函数确定各个所述第二感兴趣区域的预测剂量;
根据所述预测剂量和对应的所述剂量目标之间的关系调整所述初始约束条件,其中,所述剂量目标是对应处方中的处方值,或者是由用户设定的剂量值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625831.0A CN110420396B (zh) | 2019-07-11 | 2019-07-11 | 一种放射治疗计划优化系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625831.0A CN110420396B (zh) | 2019-07-11 | 2019-07-11 | 一种放射治疗计划优化系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110420396A CN110420396A (zh) | 2019-11-08 |
CN110420396B true CN110420396B (zh) | 2021-10-29 |
Family
ID=68409260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910625831.0A Active CN110420396B (zh) | 2019-07-11 | 2019-07-11 | 一种放射治疗计划优化系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110420396B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889848B (zh) * | 2019-12-11 | 2022-09-16 | 上海联影医疗科技股份有限公司 | 对感兴趣区域的重叠区域进行处理的系统及装置 |
CN111145866B (zh) * | 2019-12-25 | 2023-08-25 | 上海联影医疗科技股份有限公司 | 一种剂量确定方法、装置、计算机设备及存储介质 |
WO2021184161A1 (en) * | 2020-03-16 | 2021-09-23 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for generating adaptive radiation therapy plan |
CN111388879B (zh) * | 2020-03-19 | 2022-06-14 | 上海联影医疗科技股份有限公司 | 一种放射剂量确定系统、装置及存储介质 |
CN111986777B (zh) * | 2020-07-31 | 2024-08-02 | 上海联影医疗科技股份有限公司 | 放射治疗计划优化系统、装置和存储介质 |
CN112149669B (zh) * | 2020-09-23 | 2023-05-23 | 上海联影医疗科技股份有限公司 | 放疗计划生成系统、装置及存储介质 |
CN113679962A (zh) * | 2021-08-25 | 2021-11-23 | 上海联影医疗科技股份有限公司 | 剂量线的适形度的优化系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106029170A (zh) * | 2013-12-20 | 2016-10-12 | 光线搜索实验室公司 | 增量治疗计划编制 |
CN106730411A (zh) * | 2016-12-21 | 2017-05-31 | 上海联影医疗科技有限公司 | 放射治疗计划优化方法及系统 |
CN107708806A (zh) * | 2015-06-08 | 2018-02-16 | 皇家飞利浦有限公司 | 具有全局考虑的辐射治疗优化单元 |
TW201818996A (zh) * | 2016-10-11 | 2018-06-01 | 日商三菱電機股份有限公司 | 用於決定放射劑量之放射治療方法及放射治療計劃系統 |
CN108711447A (zh) * | 2018-05-23 | 2018-10-26 | 南方医科大学 | 基于体素权重因子的自动调强多目标优化方法及其应用 |
CN109982748A (zh) * | 2016-09-22 | 2019-07-05 | 瓦里安医疗系统国际股份公司 | 在外部射束放射治疗中控制在治疗靶标之外的剂量分布并使所述剂量分布成形 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9387345B2 (en) * | 2012-07-13 | 2016-07-12 | Varian Medical Systems International Ag | Apparatus and method pertaining to determining a spatially-variant normal tissue constraint as a function of dose distribution |
EP3228357B1 (en) * | 2016-04-08 | 2021-03-31 | RaySearch Laboratories AB | Method, computer program product and computer system for radiotherapy treatment planning |
-
2019
- 2019-07-11 CN CN201910625831.0A patent/CN110420396B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106029170A (zh) * | 2013-12-20 | 2016-10-12 | 光线搜索实验室公司 | 增量治疗计划编制 |
CN107708806A (zh) * | 2015-06-08 | 2018-02-16 | 皇家飞利浦有限公司 | 具有全局考虑的辐射治疗优化单元 |
CN109982748A (zh) * | 2016-09-22 | 2019-07-05 | 瓦里安医疗系统国际股份公司 | 在外部射束放射治疗中控制在治疗靶标之外的剂量分布并使所述剂量分布成形 |
TW201818996A (zh) * | 2016-10-11 | 2018-06-01 | 日商三菱電機股份有限公司 | 用於決定放射劑量之放射治療方法及放射治療計劃系統 |
CN106730411A (zh) * | 2016-12-21 | 2017-05-31 | 上海联影医疗科技有限公司 | 放射治疗计划优化方法及系统 |
CN108711447A (zh) * | 2018-05-23 | 2018-10-26 | 南方医科大学 | 基于体素权重因子的自动调强多目标优化方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN110420396A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110420396B (zh) | 一种放射治疗计划优化系统、装置及存储介质 | |
CN109414592B (zh) | 用于放射疗法治疗计划的计算机系统 | |
US11964170B2 (en) | Standardized artificial intelligence automatic radiation therapy planning method and system | |
US8976929B2 (en) | Automatic generation of patient-specific radiation therapy planning parameters | |
US9289627B2 (en) | System and method for estimating and manipulating estimated radiation dose | |
EP3742702B1 (en) | Standardized cloud radiotherapy planning method and storage medium | |
EP2983781B1 (en) | Incremental treatment planning | |
US10346593B2 (en) | Methods and systems for radiotherapy treatment planning | |
CN110415785A (zh) | 人工智能引导放疗计划的方法及系统 | |
CN110124214A (zh) | 基于预测剂量分布引导的调强放疗计划优化方法及应用 | |
US10342994B2 (en) | Methods and systems for generating dose estimation models for radiotherapy treatment planning | |
US11224762B2 (en) | System and method for automatic radiotherapy treatment planning | |
CN106682409B (zh) | 采样方法及放射治疗计划优化方法、剂量计算方法 | |
EP3388108A1 (en) | Systems and methods for dose calculation in generating radiation treatment plans | |
US20180178036A1 (en) | Selecting a dose prediction model based on clinical goals | |
CN109453473A (zh) | 放射治疗计划系统、确定装置及存储介质 | |
CN111128340A (zh) | 放射治疗计划生成设备、装置和存储介质 | |
EP3986547A1 (en) | Methods and systems for quality-aware continuous learning for radiotherapy treatment planning | |
CN115620870A (zh) | 一种基于剂量预测和参数优化的自动计划方法及系统 | |
CN107349531B (zh) | 一种放疗设备、存储介质、子野形状生成方法及装置 | |
CN117116421B (zh) | 放疗计划的确定方法和装置 | |
CN114588561B (zh) | 射野强度分布优化方法、装置及放射治疗设备 | |
CN111986777B (zh) | 放射治疗计划优化系统、装置和存储介质 | |
CN112149669B (zh) | 放疗计划生成系统、装置及存储介质 | |
CN111986778A (zh) | 一种调强计划优化系统、装置及存储介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |