CN110504016A - 一种蒙特卡罗网格并行剂量计算方法、设备和存储介质 - Google Patents

一种蒙特卡罗网格并行剂量计算方法、设备和存储介质 Download PDF

Info

Publication number
CN110504016A
CN110504016A CN201810483310.1A CN201810483310A CN110504016A CN 110504016 A CN110504016 A CN 110504016A CN 201810483310 A CN201810483310 A CN 201810483310A CN 110504016 A CN110504016 A CN 110504016A
Authority
CN
China
Prior art keywords
grid
monte carlo
dose calculation
parallel computation
dose
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
CN201810483310.1A
Other languages
English (en)
Other versions
CN110504016B (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 CN201810483310.1A priority Critical patent/CN110504016B/zh
Publication of CN110504016A publication Critical patent/CN110504016A/zh
Application granted granted Critical
Publication of CN110504016B publication Critical patent/CN110504016B/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，涉及一种蒙特卡罗网格并行剂量计算方法、设备和存储介质。该方法包括如下步骤：将患者或体模的三维影像进行3D网格化，其中每个网格为一个体素；选取3D网格化中的感兴趣区域；根据感兴趣区域确定蒙特卡罗计算区域；将射束入射截面划分2D网格；输入蒙特卡罗剂量计算参数；基于蒙特卡罗粒子输入模拟计算每个体素中粒子的辐射剂量并归一化；将计算结果叠加得到总辐射剂量。本发明提供的蒙特卡罗网格并行剂量计算方法通过选取有效计算区域改善了现有技术中GPU并行环境下多射束所占计算空间大的问题；设置单个网格多射束叠加剂量的最低阈值，减少了计算存储空间，提高计算速率；还可以降低计算硬件成本。

Description

一种蒙特卡罗网格并行剂量计算方法、设备和存储介质
技术领域
本发明属于辐射剂量计算技术领域，涉及一种蒙特卡罗网格并行剂量计算方法、设备和存储介质。
背景技术
蒙特卡罗(Monte Carlo，MC)剂量计算方法是被业内广泛认可的最精确的剂量计算方法，它是一种可用于任意吸收介质和适于任意射线的随机采样模拟方法，用统计学方法来模拟大量单个光子在输运过程中与物质的作用。光子进入某种介质(如人体组织)后，通过与介质中的原子相互作用，传递电离辐射的部分或全部能量。用蒙特卡罗方法来模拟这种作用的过程，应用放射物理定律对每一次作用进行预测并统计作用的结果。蒙特卡罗模拟方法是种适用性最强的三维剂量计算方法，可以用来计算各种复杂条件下的剂量分布，被称为剂量计算的“金标准”。
然而，目前由于蒙卡模拟时大量相同过程的统计平均，因而在保证精度的同时，势必将牺牲大量时间成本。因此用蒙特卡罗方法进行剂量计算的时问很长(一般是几到几十个小时)，不能满足临床实时性的要求，所以在临床治疗计划系统中一直没有得到广泛应用。
虽然已经开发了多种MC计算软件，例如EGS4/5、EGSnrc、MCNP、 PENELOPE、GEANT4等，但是MC模拟的速度和耗时问题成为限制其临床应用的主要因素，如在实际临床靶区剂量计算中，要在满足2.5％不确定程度下，常规基于CPU的MC剂量模拟计算需花费6h。图形处理器(GPU)由于其众多运算单元并行、高内存带宽、支持浮点数算法、单元计算的成本低、程序接口开放等优点，在MC模拟技术领域具有更为广阔的应用前景，例如基于GPU的 MC剂量计算可以将GPU所有的线程看作独立的计算单元，追踪源粒子和次级粒子的所有输运过程，与CPU相比，在GPU卡上可以实现明显的多倍加速。然而，现有技术中的蒙卡剂量计算过程中，由于无法调节和蒙卡过程的随机本质和 GPU硬件结构的冲突，GPU仍然很难得到高加速因子。这是因为，GPU使用单一指令的多线程管理系统，GPU的多处理器运行一般由32个并行线程组成一组，如果在一组中某个线程出现路径分化，比如一些if-else条件语句，GPU就无法有效的把一个线程一次性执行到底，需要继续分化。因此，高性能计算的效率只有当在同一组线程中的每一个都遵循完全一致的执行路径时，才会显著提高。而蒙卡计算中，在不同线路中执行路径是统计独立的；齐次，GPU自带内存的存取速度相比CPU内存偏慢，频繁的随机的对内存的读取非常浪费侠侣。在蒙卡模拟中，所有线程共享GPU的公共内存，每个线程都会以不可预测的方式访问不同内存地址，使得CPU与GPU的数据交换成为降低程序运行时间的成大障碍 (参考文献：甘旸谷，硕士学位论文《基于GPU的蒙特卡洛放疗剂量并行计算》)。人体或体模分成若干三维网格(也称体素)，计算多射束叠加网格上的剂量；这种计算方法由于射束被分成n份，那么每个射束占用的计算空间也会变大，即：计算空间变成原来的n倍。而当前的GPU计算能力有限，如果需要快速得到剂量计算结果，需要非常大的GPU才能完成，这在当前还不能实现。
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网格并行剂量计算方法、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：
一种蒙特卡罗网格并行剂量计算方法，适于在计算设备中执行，包括如下步骤：
(1)将患者或体模的三维影像进行3D网格化，其中每个网格为一个体素；
(2)选取3D网格化中的感兴趣区域；根据感兴趣区域确定蒙特卡罗计算区域；
(3)将射束入射截面划分2D网格，每个2D网格对应一个子射束(也称笔形束)；
(4)输入蒙特卡罗剂量计算参数和/或体模参数；
(5)基于蒙特卡罗粒子输运原理计算每个体素中粒子辐射剂量，并将计算结果归一化；
(6)将计算区域内归一化的各网格剂量计算结果叠加，得到总辐射剂量。
本发明进一步优选地，步骤(1)所述的患者或体模的三维影像是通过将病人或模体二维影像重建为三维模型获得。
所述的体素为均匀网格或非均匀网格。
所述的确定用户感兴趣区域的方法为：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。
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值、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。
步骤(2)中，根据感兴趣区域确定计算区域是将感兴趣区域周围一个有效电子射程内的网格及感兴趣区域所在的网格设置为计算区域。所述的2D网格为均匀网格或非均匀网格。
步骤(4)中，所述的蒙特卡罗剂量计算参数包括病人影像、勾画信息、射野大小、照射方向、源参数、跟踪粒子总数、入射粒子类型、电子截止能量、光子截止能量、韧致辐射分割、射程排除、电子分割中的一种或组合；
优选地，所述的源参数包括源的能量、位置、方向、粒子类型；
优选地，所述的模体参数包括模体尺寸、模体材料。
步骤(5)中，每个体素的粒子辐射剂量是通过调用蒙特卡罗数据库计算每个子射束下单个体素内粒子的剂量和得到的。
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。
所述的蒙特卡罗数据库包括截面库、材料库；
本发明中优选地，步骤(6)中，当归一化的单个网格内所有粒子的剂量计算结果低于设定阈值时，将该网格删除，删除的网格不再参与后续的计算。
步骤(6)中，所述的网格剂量计算结果叠加过程中各网格的权重相同或不同；具体地，当权重相同时，将所有网格的权重设置为1；当权重不同时，权重的数值根据用户自定义设置或根据逆向优化计算得到。
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网格并行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网格并行剂量计算方法。
本发明具有以下有益效果：
本发明提供的蒙特卡罗网格并行剂量计算方法通过选取有效计算区域改善了现有技术中GPU并行环境下，多射束所占计算空间大的问题；另外，设置单个网格多射束叠加剂量的最低阈值，减少了计算存储空间，提高计算速率；还可以降低计算硬件成本；另外，网格化的蒙特卡罗有利于支持逆向优化计算，调整每一个网格剂量的权重，得到优化剂量与目标剂量尽可能一致的结果，从而不需要蒙特卡罗模拟过程参与每一次优化过程，只需要计算一次就可以完成。
附图说明
图1为本发明一个优选的实施例中蒙特卡罗网格并行剂量计算方法的流程图。
图2为本发明一个优选的实施例中蒙特卡罗网格并行剂量计算原理示意图。
具体实施方式
以下结合附图和实施例进一步说明本发明。
一种蒙特卡罗网格并行剂量计算方法，适于在计算设备中执行，其中蒙特卡罗网格并行剂量计算中的并行包括两方面的含义，一方面：将射束入射截面划分 2D网格，每个2D网格对应一个子射束，子射束间的辐射剂量计算为并行计算：另一个方面：每个子射束中包含有个n个粒子，这些粒子之间的辐射剂量的计算也是并行的。该方法具体包括如下步骤(如图1所示)：
将患者或体模的三维影像进行3D网格化，其中每个网格为一个体素210。
其中，患者或体模的三维影像是由2D医学影像进行三维重建获得的。三维重建过程可选用多种算法；例如卷积网格化算法、矩阵反演网格化算法或最相邻近点网格化算法。其中，3D网格为均匀网格或非均匀网格，进一步优选为均匀网格。如图2所示为患者或体模三维影像3D均匀网格化示意图。本领域技术人员应当知道，可以根据计算需求来更改3D网格的数量和排列方式，图2所示的3D网格划分方法仅作为示例，并不用于限定本发明中3D网格的划分方法。
选取3D网格化中的感兴趣区域；根据感兴趣区域确定蒙特卡罗计算区域220；
在一个示例性实施例中，确定用户感兴趣区域的方法可以通过用户自定义进行设置。
在另一个示例性实施中，确定用户感兴趣区域的方法通过采用基于物理因子、生物医学因子中的一种或者组合进行计算获得；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；病人或者模体的材料构成包括模体的密度、 CT值、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，损伤概率等。
在本发明一个优选的实施例中，根据感兴趣区域确定计算区域是将感兴趣区域周围一个有效电子射程(γ)内的网格及感兴趣区域所在的网格设置为计算区域。如果小于一个有效射程，计算时无法包含电子反射部分的贡献，导致计算错误。如果超过一个有效射程，导致无关计算任务加重。
将射束入射截面划分2D网格，每个2D网格对应一个子射束230(也称笔形束，beamlet)；其中该2D网格为均匀或非均匀网格；进一步优选为均匀网格。如图2所示的示例性实施例中，将源射束的入射截面划分为4个均匀的2D网格，每个网格中的入射粒子数相同。本领域技术技术人员应当知道，上述2D网格可以根据用户需要划分为其他数量。
在放射源(可以看做为一个点源)与2D网格之间，还可能包括有初级准直器、次级准直器、束流器、钨门等中一种或多种(图2中并未示出这些结构)。
输入蒙特卡罗剂量计算参数和/或体模参数240；
其中基于蒙特卡罗算法进行粒子辐射剂量计算参数的包括病人影像、勾画信息、射野大小、照射方向、源参数、跟踪粒子总数、入射粒子类型、电子截止能量、光子截止能量、韧致辐射分割、射程排除、电子分割等。源参数进一步包括源的能量、位置、方向、粒子类型；模体参数包括模体尺寸、模体材料等。本发明中粒子包括例如光子、电子、质子、重离子或中子中的一种或多种。
基于蒙特卡罗粒子输运原理计算每个体素中粒子辐射剂量，并将计算结果归一化250：
每个体素中粒子辐射剂量是通过调用蒙特卡罗数据库计算每个子射束下单个体素内粒子的剂量和得到的；其中蒙特卡罗数据库包括截面库、材料库等；如图2所示，并行计算过程中，点源中的辐射剂量通过限束装置后经2D网格划分为若干子射束；其中任一体素中的多个子射束的辐射剂量叠加之和da为：
Di为任意子射束在一个体素中的辐射剂量；
da为一个体素中全部子射束的剂量叠加和；
n为子射束的个数；
然后，将该体素的剂量da进行归一化，其中剂量归一化通过计算任意体素剂量da与归一点(normal point)剂量d0的比值获得；
其中，归一点d0为3D网格中任一非零剂量的体素；优选3D网格中剂量最高的体素为归一点；
最后，将计算区域内归一化的各网格剂量计算结果叠加，得到总辐射剂量分布260。
其中，m为3D网格中体素的个数；
Dose总为计算区域内的总辐射剂量。
在本发明一个优选的实施例中，当归一化的单个网格内所有粒子的剂量计算结果低于设定阈值时，将该网格删除，删除的网格不再参与后续的计算。
在网格剂量计算结果叠加过程中各3D体素的权重可以设定相同或不同。
在一个优选的实施例中，当3D体素的权重相同时，将所有体素的权重设置为1，总辐射剂量的计算公式如式(3)所示。
在另一个优选的实施例中，当3D体素的权重不同时，体素权重的数值根据用户自定义设置或根据逆向优化计算得到的结果确定，总辐射剂量的计算公式为：
其中，m为3D网格中体素的个数；
ω1，ω2…ωm分别为各体素权重，ω1，ω2…ωm不同时相等。
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网格并行剂量计算方法的指令，该方法包括步骤：
(1)将患者或体模的三维影像进行3D网格化，其中每个网格为一个体素；
(2)选取3D网格化中的感兴趣区域；根据感兴趣区域确定蒙特卡罗计算区域；
(3)将射束入射截面划分2D网格，每个2D网格对应一个子射束；
(4)输入蒙特卡罗剂量计算参数和/或体模参数；
(5)基于蒙特卡罗粒子输运原理计算每个体素中粒子辐射剂量，并将计算结果归一化；
(6)将计算区域内归一化的各网格剂量计算结果叠加，得到总辐射剂量。
其中，上述处理器为CPU处理器或GPU处理器，CPU处理器用于分配计算任务；CPU或GPU中的一种或一种以上用于执行计算任务。
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，上述的一个或多个程序包括指令，上述指令适于由存储器加载并执行上述蒙特卡罗网格并行剂量计算方法，该方法包括步骤：
(1)将患者或体模的三维影像进行3D网格化，其中每个网格为一个体素；
(2)选取3D网格化中的感兴趣区域；根据感兴趣区域确定蒙特卡罗计算区域；
(3)将射束入射截面划分2D网格，每个2D网格对应一个子射束；
(4)输入蒙特卡罗剂量计算参数和/或体模参数；
(5)基于蒙特卡罗粒子输运原理计算每个体素中粒子辐射剂量，并将计算结果归一化；
(6)将计算区域内归一化的各网格剂量计算结果叠加，得到总辐射剂量。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
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)

1.一种蒙特卡罗网格并行剂量计算方法，适于在计算设备中执行，其特征在于：包括如下步骤：
(1)将患者或体模的三维影像进行3D网格化，其中每个网格为一个体素；
(2)选取3D网格化中的感兴趣区域；根据感兴趣区域确定蒙特卡罗计算区域；
(3)将射束入射截面划分2D网格，每个2D网格对应一个子射束；
(4)输入蒙特卡罗剂量计算参数和/或体模参数；
(5)基于蒙特卡罗粒子输运原理计算每个体素中粒子辐射剂量，并将计算结果归一化；
(6)将计算区域内归一化的各网格剂量计算结果叠加，得到总辐射剂量。
2.根据权利要求1所述的蒙特卡罗网格并行剂量计算方法，其特征在于：步骤(1)所述的患者或体模的三维影像是通过将病人或模体二维影像重建为三维模型获得；
或所述的体素为均匀网格或非均匀网格。
3.根据权利要求1所述的蒙特卡罗网格并行剂量计算方法，其特征在于：所述的确定用户感兴趣区域的方法为：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值、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。
4.根据权利要求1所述的蒙特卡罗网格并行剂量计算方法，其特征在于：步骤(2)中，根据感兴趣区域确定计算区域是将感兴趣区域周围一个有效电子射程内的网格及感兴趣区域所在的网格设置为计算区域；
或所述的2D网格为均匀网格或非均匀网格。
5.根据权利要求1所述的蒙特卡罗网格并行剂量计算方法，其特征在于：步骤(4)中，所述的蒙特卡罗剂量计算参数包括病人影像、勾画信息、射野大小、照射方向、源参数、跟踪粒子总数、入射粒子类型、电子截止能量、光子截止能量、韧致辐射分割、射程排除、电子分割中的一种或组合；
优选地，所述的源参数包括源的能量、位置、方向、粒子类型；
优选地，所述的体模参数包括模体尺寸、模体材料。
6.根据权利要求1所述的蒙特卡罗网格并行剂量计算方法，其特征在于：步骤(5)中，每个体素的粒子辐射剂量是通过调用蒙特卡罗数据库计算每个子射束下单个体素内粒子的剂量和得到的。
7.根据权利要求6所述的蒙特卡罗网格并行剂量计算方法，其特征在于：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；
或所述的蒙特卡罗数据库包括截面库、材料库。
8.根据权利要求1所述的蒙特卡罗网格并行剂量计算方法，其特征在于：步骤(6)中，当归一化的单个网格内粒子的剂量计算结果低于设定阈值时，将该网格删除，删除的网格不再参与后续的计算；
优选地，步骤(6)中，所述的网格剂量计算结果叠加过程中各网格的权重相同或不同。
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网格并行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网格并行剂量计算方法。
CN201810483310.1A 2018-05-18 2018-05-18 一种蒙特卡罗网格并行剂量计算方法、设备和存储介质 Active CN110504016B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810483310.1A CN110504016B (zh) 2018-05-18 2018-05-18 一种蒙特卡罗网格并行剂量计算方法、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810483310.1A CN110504016B (zh) 2018-05-18 2018-05-18 一种蒙特卡罗网格并行剂量计算方法、设备和存储介质

Publications (2)

Publication Number Publication Date
CN110504016A true CN110504016A (zh) 2019-11-26
CN110504016B CN110504016B (zh) 2022-05-10

Family

ID=68584127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810483310.1A Active CN110504016B (zh) 2018-05-18 2018-05-18 一种蒙特卡罗网格并行剂量计算方法、设备和存储介质

Country Status (1)

Country Link
CN (1) CN110504016B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112017166A (zh) * 2020-08-17 2020-12-01 苏州求索健康科技有限公司 一种基于cpu/gpu混合集群的计算放疗笔形束射线剂量分布的方法
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
WO2021164026A1 (zh) * 2020-02-21 2021-08-26 西门子（中国）有限公司 模体构建方法和装置以及体模制造方法
CN115410685A (zh) * 2022-06-24 2022-11-29 国科离子医疗科技有限公司 粒子剂量的确定方法、装置、设备、介质和程序产品
WO2023123420A1 (zh) * 2021-12-31 2023-07-06 西安大医集团股份有限公司 放疗剂量确定方法、装置、设备及存储介质
CN117690535A (zh) * 2024-02-02 2024-03-12 西安聚能医工科技有限公司 一种基于mc模拟的辐射束限束模型及应用
CN117690535B (zh) * 2024-02-02 2024-05-14 西安聚能医工科技有限公司 一种基于蒙特卡洛mc模拟的辐射束限束方法及应用

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102036712A (zh) * 2008-05-08 2011-04-27 约翰霍普金斯大学 卷积/迭加剂量计算方法的、使用图形处理单元加速的用于放射治疗的实时剂量计算
CN102481458A (zh) * 2009-07-15 2012-05-30 原子能和辅助替代能源委员会 用于计算电离辐射沉积的剂量的方法
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
CN106572830A (zh) * 2014-07-23 2017-04-19 通用电气公司 供在绘制在患者的血管成像规程中施加的辐射剂量中使用的系统和方法
US20170304651A1 (en) * 2014-09-24 2017-10-26 Hitachi, Ltd. Radiation therapy planning system, radiation therapy planning method, and radiation therapy system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102036712A (zh) * 2008-05-08 2011-04-27 约翰霍普金斯大学 卷积/迭加剂量计算方法的、使用图形处理单元加速的用于放射治疗的实时剂量计算
CN102481458A (zh) * 2009-07-15 2012-05-30 原子能和辅助替代能源委员会 用于计算电离辐射沉积的剂量的方法
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
CN106572830A (zh) * 2014-07-23 2017-04-19 通用电气公司 供在绘制在患者的血管成像规程中施加的辐射剂量中使用的系统和方法
US20170304651A1 (en) * 2014-09-24 2017-10-26 Hitachi, Ltd. Radiation therapy planning system, radiation therapy planning method, and radiation therapy system

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曹瑞芬 等: "" 基于共轭梯度法的调强放疗射束强度分布优化"", 《原子核物理评论》 *
邓力 等: ""MCDB蒙特卡罗剂量计算系统及应用"", 《中国工程科学》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021164026A1 (zh) * 2020-02-21 2021-08-26 西门子（中国）有限公司 模体构建方法和装置以及体模制造方法
CN112017166A (zh) * 2020-08-17 2020-12-01 苏州求索健康科技有限公司 一种基于cpu/gpu混合集群的计算放疗笔形束射线剂量分布的方法
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
WO2023123420A1 (zh) * 2021-12-31 2023-07-06 西安大医集团股份有限公司 放疗剂量确定方法、装置、设备及存储介质
CN115410685A (zh) * 2022-06-24 2022-11-29 国科离子医疗科技有限公司 粒子剂量的确定方法、装置、设备、介质和程序产品
CN117690535A (zh) * 2024-02-02 2024-03-12 西安聚能医工科技有限公司 一种基于mc模拟的辐射束限束模型及应用
CN117690535B (zh) * 2024-02-02 2024-05-14 西安聚能医工科技有限公司 一种基于蒙特卡洛mc模拟的辐射束限束方法及应用

Also Published As

Publication number Publication date
CN110504016B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
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
Wan Chan Tseung et al. A fast GPU‐based Monte Carlo simulation of proton transport with detailed modeling of nonelastic interactions
CN104066479B (zh) 使用异质性补偿迭加进行用于放射疗法的剂量计算
JP3730514B2 (ja) 放射線量計算のためのシステムと方法
US8325878B2 (en) Real-time dose computation for radiation therapy using graphics processing unit acceleration of the convolution/superposition dose computation method
Jahnke et al. GMC: a GPU implementation of a Monte Carlo dose calculation based on Geant4
Wang et al. A GPU‐accelerated Monte Carlo dose calculation platform and its application toward validating an MRI‐guided radiation therapy beam model
Yepes et al. A GPU implementation of a track-repeating algorithm for proton radiotherapy dose calculations
US20060259282A1 (en) Deterministic computation of radiation transport for radiotherapy dose calculations and scatter correction for image reconstruction
US20070071169A1 (en) Method for verification of intensity modulated radiation therapy
EP3742702B1 (en) Standardized cloud radiotherapy planning method and storage medium
Tian et al. A GPU OpenCL based cross-platform Monte Carlo dose calculation engine (goMC)
Wang et al. Development of a fast Monte Carlo dose calculation system for online adaptive radiation therapy quality assurance
US9495513B2 (en) GPU-based fast dose calculator for cancer therapy
Sarrut et al. Region‐oriented CT image representation for reducing computing time of Monte Carlo simulations
Adam et al. New capabilities of the Monte Carlo dose engine ARCHER‐RT: Clinical validation of the Varian TrueBeam machine for VMAT external beam radiotherapy
Neylon et al. A nonvoxel‐based dose convolution/superposition algorithm optimized for scalable GPU architectures
Chow Performance optimization in 4D radiation treatment planning using Monte Carlo simulation on the cloud
Della-Giustina et al. Hybrid MPI+ OpenMP parallelization of image reconstruction in proton beam therapy on multi-core and many-core processors
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
Han et al. New calculation method for 3D dose distribution in tetrahedral-mesh phantoms in Geant4
Neph Accelerating Radiation Dose Calculation with High Performance Computing and Machine Learning for Large-scale Radiotherapy Treatment Planning
Bedford A discrete ordinates Boltzmann solver for application to inverse planning of photons and protons
Rai Image quality measures in proton computed tomography
Wang Fast Monte Carlo Simulations for Quality Assurance in Radiation Therapy

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