CN110706780B - 放疗计划生成系统及存储介质 - Google Patents
放疗计划生成系统及存储介质 Download PDFInfo
- Publication number
- CN110706780B CN110706780B CN201910982907.5A CN201910982907A CN110706780B CN 110706780 B CN110706780 B CN 110706780B CN 201910982907 A CN201910982907 A CN 201910982907A CN 110706780 B CN110706780 B CN 110706780B
- Authority
- CN
- China
- Prior art keywords
- dose
- distance
- interest
- volume
- constraint
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明实施例公开了一种放疗计划生成系统及存储介质,该系统包括:存储器、处理器及存储在该存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现以下步骤:获取待优化放疗计划以及该待优化放疗计划的优化目标,优化目标包括目标感兴趣区所对应的剂量体积约束条件,剂量体积约束条件包括剂量约束体积的体素数量N;计算目标感兴趣区的各体素到影响目标感兴趣区剂量分布的影响感兴趣区的距离;将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新剂量体积约束条件;根据包含有更新后的剂量体积约束条件的优化目标确定放疗计划的剂量分布。解决了现有技术的放疗计划生成系统存在其所生成的放疗计划的质量较低的问题。
Description
技术领域
本发明实施例涉及计算机软件领域,尤其涉及一种放疗计划生成系统及存储介质。
背景技术
放疗计划的优化过程主要是剂量体积优化模型的设计。医生或物理师为放疗计划中的感兴趣区域(Region of interesting,简称ROI),包括肿瘤区域和危及器官设定期望的最小剂量要求或者最大剂量要求,同时也可能只要求该区域的部分体积达到最小剂量或者最大剂量要求,例如对于某靶区,物理师要求该区域中95%以上的体积达到某最小剂量要求,或者对于某危及器官,要求该区域中30%以下的体积允许超过某最大剂量要求,即70%以上的体积达到最大剂量要求。
在现有技术的放射计划生成系统的剂量分布的优化过程,先计算出所有采样点上的剂量,如果X%剂量体积要求最小剂量体积约束,则将其所有采样点中剂量最大的X%的采样点作为最小剂量要求的对象;如果Y%剂量体积要求最大剂量体积约束,则将所有采样点中剂量最小的(100-Y)%的采样点作为最小剂量要求的对象。
上述剂量优化方法,虽然能够使最后的剂量体积直方图满足医生和物理师的要求,但对于靶区仍会出现剂量不足的体层。因此现有技术的放疗计划生成系统存在其所生成的放射治疗计划的质量较低的问题。
发明内容
本发明实施例提供了一种放疗计划生成系统及存储介质,以解决现有技术的放疗计划生成系统存在其所生成的放疗计划的质量较低的问题。
第一方面,本发明实施例提供了一种放疗计划生成系统,包括存储器、处理器及存储在该存储器上并可在处理器上运行的计算机程序,包括:
所述处理器执行所述程序时实现以下步骤:
获取待优化放疗计划以及该待优化放疗计划的优化目标,所述优化目标包括目标感兴趣区所对应的剂量体积约束条件,所述剂量体积约束条件包括剂量约束体积的体素数量N,其中,N为自然数;
基于预设距离基准,计算所述目标感兴趣区的各体素到影响所述目标感兴趣区剂量分布的影响感兴趣区的距离;
将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新所述剂量体积约束条件;
根据包含有更新后的剂量体积约束条件的优化目标确定所述放疗计划的剂量分布。
第二方面,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,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以下方法:
获取待优化放疗计划以及该待优化放疗计划的优化目标,所述优化目标包括目标感兴趣区所对应的剂量体积约束条件,所述剂量体积约束条件包括剂量约束体积的体素数量N,其中,N为自然数;
基于预设距离基准,计算所述目标感兴趣区的各体素到影响所述目标感兴趣区剂量分布的影响感兴趣区的距离;
将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新所述剂量体积约束条件;
根据包含有更新后的剂量体积约束条件的优化目标确定所述放疗计划的剂量分布。
本发明实施例提供的放疗计划生成系统的技术方案,相较于现有技术,确定了目标感兴趣区的各体素到影响目标感兴趣区剂量分布的影响感兴趣区的距离之后,将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新剂量体积约束条件,实现了使需要满足最大剂量要求或最小剂量要求的目标感兴趣区尽可能远离影响感兴趣区,以及使得从靶区开始的处方剂量跌落到危及器官的安全剂量之间的缓冲区域尽可能地大,从而提高放了疗计划的优化速度,优化后的放疗计划的质量。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1是本发明实施例一提供的放疗计划生成系统的结构框图;
图2是本发明实施例一提供的放疗计划生成方法的流程图;
图3是本发明实施例一提供的放疗计划中的靶区与危及器官示意图;
图4A是本发明实施例一提供的每个最大剂量约束条件对应的初始剂量约束体积示意图;
图4B是本发明实施例一提供的每个最大剂量约束条件对应的剂量约束体积示意图;
图5是本发明实施例二提供的放疗计划生成方法的流程图;
图6A是本发明实施例二提供的等效剂量距离示意图;
图6B是本发明实施例二提供的又一等效剂量距离示意图;
图7是本发明实施例三提供的放疗计划生成方法的流程图;
图8是本发明实施例四提供的放疗计划生成装置的结构框图;
图9是本发明实施例四提供的又一放疗计划生成装置的结构框图;
图10是本发明实施例四提供的放疗计划生成系统的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例中的附图,通过实施方式清楚、完整地描述本发明的技术方案,显然,所描述的实施例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做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。
实施例一
图1是本发明实施例一提供的放疗计划生成系统的结构框图。本实施例的技术方案适用于通过优化剂量约束体积来优化剂量体积约束条件,从而优化放疗计划的剂量分布的情况。该系统可以采用软件和/或硬件的方式实现,并包括存储器11、处理器12及存储在该存储器11上并可在处理器12上运行的计算机程序,且该处理器12执行该计算机程序时实现图2中的放疗计划生成方法的步骤:
S101、获取待优化放疗计划以及该待优化放疗计划的优化目标,该优化目标包括目标感兴趣区所对应的剂量体积约束条件,剂量体积约束条件包括剂量约束体积的体素数量N,其中,N为自然数。
放疗计划的生成过程包括初始计算过程和至少一次的优化过程。其中,初始计算过程用于基于初始条件至少计算出靶区剂量分布和危及器官剂量分布以生成待优化放疗计划;优化过程用于基于已生成的待优化放疗计划和设定的优化目标确定剂量约束体积,然后根据该优化目标和剂量约束体积重新计算各部分的剂量分布。
对于进入优化过程的待优化放疗计划,本实施例先获取初始计算过程或前一优化过程生成的待优化放疗计划,以及该待优化放疗计划对应的优化目标。其中,该优化目标可以是用户手动输入的优化目标,也可以是放疗计划系统自动生成的优化目标。它包括剂量体积约束条件,该剂量体积约束条件包括剂量约束体积的体素数量N,其中,N为自然数。
可以理解的是,由于构成三维图像的基本单位是体素,且目标感兴趣区的体素数量是已知的,因此剂量约束体积的体素数量N也可以体积百分比的形式间接给出,比如20%的体积百分比、40%的体积百分比等。此时将目标感兴趣区的体素数量与体积百分比的乘积作为剂量约束体积的体素数量。
S102、基于预设距离基准,计算目标感兴趣区的各体素到影响目标感兴趣区剂量分布的影响感兴趣区的距离。
放疗计划的剂量分布优化对象包括靶区和危及器官,如图3所示,靶区(PTV)21为放射治疗的目标对象,危及器官22是指可能卷入射野内的重要组织或器官。为了提高放疗效果,需要放疗计划的靶区剂量尽可能地高以达到处方剂量,而要求危及器官的剂量尽可能地低以减少放疗对患者正常组织器官的影响,因此靶区和危及器官在剂量分布的优化过程中并非独立存在的,而是相互影响的,为此,本实施例在当前分析对象为某一靶区时,将该靶区作为目标感兴趣区,将影响其剂量分布的危及器官作为影响感兴趣区,或者将影响其剂量分布的危及器官及其他靶区作为影响感兴趣区;在当前分析对象为某一危及器官时,将该危及器官作为目标感兴趣区,将影响其剂量分布的靶区作为影响感兴趣区,或者将影响其剂量分布的危及器官及其他靶区作为影响感兴趣区。
可以理解的是,系统在计算目标感兴趣区内的各点到影响感兴趣区的距离时,需要先搜索目标感兴趣区周围的影响感兴趣区。在本实施例中,系统优选先确定以目标感兴趣区为球心,以R为半径的球状范围内的是否存在影响感兴趣区,如果该范围内没有影响感兴趣区,则再将搜索范围扩大至半径为aR、a2R、a3R…anR(a>1)的球状范围内是否存在影响感兴趣区,直至找到影响感兴趣区。
可选地,系统在搜索影响感兴趣区时,可以以感兴趣区的名称来判断搜索到的感兴趣区是否为影响感兴趣区。为此,本实施例的待优化放疗计划中的靶区和危及器官优选包含各自的标识信息,比如靶区名称包含“PTV”,危及器官名称包含“or”、“organ”等字样,如图3所示。
由于最小剂量体积约束条件用于使某一感兴趣区的剂量不低于所设定的剂量值,最大剂量体积约束条件用于使某一感兴趣区的剂量不高于所设定的剂量值。而且目标感兴趣区距离影响感兴趣区距离越远的部分越容易出现低剂量区,此时需要通过最小剂量约束条件对目标感兴趣区的远端部分进行最小剂量约束,从而使目标感兴趣区没有剂量低于设定剂量值的区域;相反地,目标感兴趣区距离影响感兴趣区距离越近的部分越容易出现高剂量区,此时需要通过最大剂量约束条件对目标感兴趣区的近端部分进行最大剂量约束,从而使目标感兴趣区没有剂量高于设定剂量值的区域。
因此,该系统在确定了目标感兴趣区和影响感兴趣区之后,基于预设距离基准,计算目标感兴趣区内的每个体素到一个或多个影响感兴趣区之间的距离。具体为:如果剂量体积约束条件为最小剂量体积约束条件,则计算目标感兴趣区中的每个体素与各个影响感兴趣区之间的距离,并将每个体素对应的距离的最小值作为该体素的距离;如果剂量体积约束条件为最大剂量体积约束条件,则计算目标感兴趣区中的每个体素与各个影响感兴趣区之间的距离,并将每个体素对应的距离的最大值作为该体素的距离。
可以理解的是,目标感兴趣区中的某个体素到某个影响感兴趣区的距离为,该体素到影响感兴趣区中的最近一个体素的距离。
其中,预设距离基准优选但不限于空间物理基准和各种等效物理基准。
S103、将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新剂量体积约束条件。
其中,距离条件需要根据剂量体积约束条件来确定。如果剂量体积约束条件为最小剂量体积约束条件,则距离条件为距离最大的N个体素,此时将距离值最大的N个体素作为剂量约束体积,以更新剂量体积约束条件;如果剂量体积约束条件为最大剂量体积约束条件,则距离条件为距离最小的N个体素,此时将距离值最小的N个体素作为剂量约束体积,以更新剂量体积约束条件。
可选地,距离最大或最小的N个体素的确定方法为:先对目标感兴趣区的各个体素到影响感兴趣区的距离值进行升序排序,那么排名前N的体素即为距离最大的N个体素,排名后N的体素即为距离最小的N个体素。可以理解的,也可以将目标感兴趣区内的各体素对应的距离值进行降序排序,此时排名前N的体素为距离最小的N个体素,排名后N的体素即为距离最大的N个体素。
可以理解的是,在放疗计划的优化过程中,有时需要对目标感兴趣区同时添加多个剂量体积约束条件以提高放疗计划的优化速度。比如,目标感兴趣区为危及器官,同时添加的多个剂量约束条件为三个最大剂量体积约束条件,分别为:20%的体积不超过4500Gy,50%的体积不超过3000Gy,70%的体积不超过2000Gy。针对此种情况,为了避免某些体素被进行了多重限定,本实施例先将已得到的距离值最小的Ni个体素作为相应剂量体积约束条件的初始剂量约束体积,然后将每个初始剂量约束体积中,每个对应多个最大约束剂量的体素的最大约束剂量更新为其对应的多个最大约束剂量中的最小值;根据最大约束剂量更新结果确定每个最大剂量约束条件对应的剂量约束体积,以更新剂量体积约束条件。其中,i为最大剂量体积约束条件的编码,最大剂量体积约束条件包括最大约束剂量。
示例性的,将每个最大剂量体积约束条件对应的最大约束剂量作为其自身编码。如图4A所示,右侧为靶区21,左侧为危及器官22。在将距离靶区21最小的Ni个体素作为相应剂量体积约束条件的初始剂量约束体积之后,在危及器官中,A分界线右侧区域为4500Gy对应的当前剂量约束体积,B分界线右侧区域为3000Gy对应的当前剂量约束体积,C分界线右侧区域为2000Gy对应的当前剂量约束体积。由该图可以看出,最大约束剂量为4500Gy所在区域内的体素同时还对应最大约束剂量3000Gy和最大约束剂量2000Gy,而B分界线与A分界线中间区域的体素对应最大约束剂量3000Gy和最大约束剂量2000Gy。为了避免对同一体素进行多重最大剂量的限定,在此将对应多个最大约束剂量的体素的最大约束剂量更新为其对应的多个最大约束剂量中的最小值,以更新每个最大约束剂量对应的剂量约束体积。剂量约束体积更新之后,如图4B所示,最大约束剂量4500Gy对应的剂量约束体积为A分界线右侧区域,最大约束剂量3000Gy对应的剂量约束体积为B分界线与A分界线之间区域,最大约束剂量2000Gy对应的剂量约束体积为B分界线与C分界线之间的区域。
S104、根据包含有更新后的剂量体积约束条件的优化目标确定放疗计划的剂量分布。
得到更新后的剂量体积约束条件之后,根据包含有更新后的剂量体积约束条件的优化目标确定放疗计划的剂量分布,以得到优化后的放疗计划。
可以理解的是,如果该优化后的放疗计划的剂量分布达到了预设要求,则将该优化后的放疗计划作为最终的放疗计划,如果该优化后的放疗计划的剂量分布没有达到预设要求,则将该优化后的放疗计划作为待优化放疗计划,并执行前述步骤S101-S104,直至得到的优化后的放疗计划的剂量分布达到了预设要求。
本发明实施例提供的放疗计划生成系统的技术方案,相较于现有技术,确定了目标感兴趣区的各体素到影响目标感兴趣区剂量分布的影响感兴趣区的距离之后,将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新剂量体积约束条件,实现了使需要满足最大剂量要求或最小剂量要求的目标感兴趣区尽可能远离影响感兴趣区,以及使得从靶区开始的处方剂量跌落到危及器官的安全剂量之间的缓冲区域尽可能地大,从而提高放了疗计划的优化速度,优化后的放疗计划的质量。
实施例二
本发明实施例二提供了一种放疗计划生成系统。本实施例在上述实施例的基础上对预设距离基准进行了限定。相应地,该系统的处理器在执行计算机程序时实现附图5中的放疗计划生成方法的步骤:
S201、获取待优化放疗计划以及该待优化放疗计划的优化目标,优化目标包括目标感兴趣区所对应的剂量体积约束条件,剂量体积约束条件包括剂量约束体积的体素数量N,其中,N为自然数。
S2011、保持各个影响感兴趣相对于所述目标感兴趣区的方向不变,以及保持其中一个符合预设基准条件的影响感兴趣区的位置不变的情况下,拉伸或收缩其他影响感兴趣区与目标感兴趣区之间的距离,直至各个其他影响感兴趣区的预设剂量位于对应的等剂量线上。
其中,预设基准条件优选但不限于靶区最小处方剂量、危及器官的最大上限剂量以及与目标感兴趣区间的距离最小。
其中,预设剂量优选但不限于影响感兴趣区的最大剂量或均值剂量。
可以理解的是,对于包含有多个影响感兴趣区的待优化放疗计划,各个影响感兴趣区的预设剂量与其距离目标感兴趣之间的距离并不呈正比,即剂量在目标感兴趣区和影响感兴趣区上的剂量跌落梯度不同,为此本实施例保持各个影响感兴趣相对于目标感兴趣区的方向不变,以及保持其中一个符合预设基准条件的影响感兴趣区的位置不变的情况下,拉伸或收缩其他影响感兴趣区与目标感兴趣区之间的距离,直至各个其他影响感兴趣区的预设剂量位于对应的等剂量线上,则完成等效剂量距离坐标体系的建立。通过等效剂量距离可以增加目标感兴趣区与影响感兴趣区之间的距离,从而增加剂量跌落距离,有助于提高剂量优化效果。
示例性的,目标感兴趣区为靶区,影响感兴趣区为多个危及器官,保持各个危及器官相对于靶区的方向不变,同时保持距离靶区最近的危及器官的位置不变,然后拉伸或收缩其他危及器官与靶区之间的距离,直至各个其他危及器官的最大剂量位于对应的等剂量线上。
示例性的,目标感兴趣区为靶区,影响感兴趣区为多个危及器官,保持各个危及器官相对于靶区的方向不变,同时保持剂量上限最大的危及器官的位置不变,然后拉伸或收缩其他危及器官与靶区之间的距离,直至各个其他危及器官的最大剂量位于对应的等剂量线上,如图6A所示。
示例性的,目标感兴趣区为危及器官,影响感兴趣区为靶区,保持各个靶区相对于危及器官的方向不变,同时保持处方剂量最小的靶区的位置不变,然后拉伸或收缩其他靶区与危及器官之间的距离,直至各个其他靶区的最大剂量位于对应的等剂量线上,如图6B所示。
S202、基于预设距离基准,计算目标感兴趣区的各体素到影响目标感兴趣区剂量分布的影响感兴趣区的距离。
等效剂量距离坐标体系建立完成之后,则以等效剂量距离为基准来衡量目标感兴趣中的各个体素与影响感兴趣区之间的距离。
如果剂量体积约束条件为最小剂量体积约束条件,则确定目标感兴趣区中的每个体素与各个影响感兴趣区之间的距离,并将每个体素对应的距离的最小值作为该体素的等效剂量距离;
如果剂量体积约束条件为最大剂量体积约束条件,则确定目标感兴趣区中的每个体素与各个影响感兴趣区之间的距离,并将每个体素对应的距离的最大值作为该体素的等效剂量距离。
S203、将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新剂量体积约束条件。
S204、根据包含有更新后的剂量体积约束条件的优化目标确定所述放疗计划的剂量分布。
本发明实施例通过在保持各个影响感兴趣相对于目标感兴趣区的方向不变,以及保持其中一个符合预设基准条件的影响感兴趣区的位置不变的情况下,拉伸或收缩其他影响感兴趣区与目标感兴趣区之间的距离,直至各个其他影响感兴趣区的预设剂量位于对应的等剂量线上,完成了等效剂量距离的坐标系的建立。通过同时携带有剂量信息和距离信息的等效剂量距离来确定剂量约束体积,可使所确定的剂量约束体积在剂量优化时具有更好的针对性,从而提高放疗计划的优化效果。
实施例三
本发明实施例三提供了一种放疗计划生成系统。本实施例在上述实施例的基础上对距离的基准进行了限定。相应地,该系统的处理器在执行计算机程序时实现附图7中的放疗计划生成方法的步骤:
S301、获取待优化放疗计划以及该待优化放疗计划的优化目标,优化目标包括目标感兴趣区所对应的剂量体积约束条件,剂量体积约束条件包括剂量约束体积的体素数量N,其中,所述N为自然数。
S3011、获取待优化放疗计划所对应的放疗计划模板的剂量跌落趋势。
其中,放疗计划模板可以是用户自己制定的同一类型肿瘤的放疗计划的模板,也可以是从同类病例库中获取的已有的放疗计划。
其中,剂量跌落趋势的表示方式优选但不限于绝对剂量跌落梯度、相对剂量跌落梯度或单位距离剂量跌落梯度中的一种或多种。
系统在获取到待优化放疗计划之后,自动识别靶区位置、靶区大小、靶区形状、处方剂量等信息,并根据这些信息自动匹配相应的放疗计划模板,然后将该放疗计划模板的剂量跌落趋势作为当前待优化放疗计划的剂量跌落趋势。
可以理解的是,在手动优化放疗计划的情况下,该放疗计划模板也可以由用户手动添加,相应的,该系统还包括用于输出配置界面的输出装置,以及用于添加放疗计划模板的输入装置。
S3012、确定等效剂量距离的方向。
剂量跌落趋势通常以梯度的形式表示,其为矢量,具有方向性。因此在基于剂量跌落趋势确定等效剂量之前,要先确定等效剂量距离的方向,即是以正向为准计算目标感兴趣内的各个体素到影响感兴趣区的距离,还是以负向为准计算目标感兴趣内的各个体素到影响感兴趣区的距离。
S302、根据所确定的等效剂量距离的方向,计算目标感兴趣区的每一体素距离影响感兴趣区的等效剂量距离。
等效剂量距离的方向确定之后,根据所确定的等效剂量距离的方向,计算目标感兴趣区的每一体素到影响感兴趣区的等效剂量距离。
其中,如果等效剂量距离的方向为负向,则目标感兴趣区的每一体素到各个影响感兴趣区的等效剂量距离为:其中,afect为影响感兴趣区,Di(s)为标识为i的影响感兴趣区的体素的剂量函数,/>为等效剂量距离。
其中,如果等效剂量距离的方向为正向,则目标感兴趣区的每一体素到各个影响感兴趣区的等效剂量距离为:其中,object为影响感兴趣区,Di(s)为标识为i的影响感兴趣区的体素的剂量函数,/>为等效剂量距离。/>
S303、将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新剂量体积约束条件。
如果剂量体积约束条件为最小剂量体积约束条件,则等效剂量距离的方向为负向时,将等效剂量距离最小的N个体素作为剂量约束体积;在等效剂量距离的方向为正向时,将等效剂量距离最大的N个体素作为剂量约束体积。
如果剂量体积约束条件为最大剂量体积约束条件,则等效剂量距离的方向为负向时,将等效剂量距离最大的N个体素作为剂量约束体积;在等效剂量距离的方向为正向时,则将等效剂量距离最小的N个体素作为剂量约束体积。
示例性的,目标感兴趣区为靶区,影响感兴趣区为危及器官,剂量约束条件为最小剂量约束条件,如果等效剂量距离的方向为负向,则将靶区内的每个体素到危及器官的等效剂量距离进行升序排序,并将升序排序结果中的后N个排位的体素作为剂量约束体积;如果等效剂量距离的方向为正向,则将靶区内的每个体素到危及器官的等效剂量距离进行升序排序,并将升序排序结果中的前N个排位的体素作为剂量约束体积。
示例性的,目标感兴趣区为危及器官,影响感兴趣区为靶区,剂量约束条件为最大剂量约束条件,如果等效剂量距离的方向为负向,则将危及器官内的每个体素到靶区的等效剂量距离进行升序排序,并将升序排序结果中的前N个排位的体素作为剂量约束体积;如果等效剂量距离的方向为正向,则将危及器官内的每个体素到靶区的等效剂量距离进行升序排序,并将升序排序结果中的后N个排位的体素作为剂量约束体积。
S304、根据包含有更新后的剂量体积约束条件的优化目标确定放疗计划的剂量分布。
相较于现有技术,本实施例通过基于剂量跌落趋势确定的等效剂量距离,来衡量目标感兴趣内的各个体素到影响感兴趣区内的各个体素之间的矢量距离,并基于该距离的排序结果和剂量约束条件确定剂量约束体积,使放疗计划的优化更具有针对性,有助于提高剂量优化的效率以及放疗计划的质量。
实施例四
图8是本发明实施例四提供的放疗计划生成装置的结构框图。该装置用于执行上述任意实施例所提供的处理器所执行的放疗计划生成方法,该装置可选为软件或硬件实现,并配置在处理器中。如图8所示,该装置包括:
获取模块31,用于获取待优化放疗计划以及该待优化放疗计划的优化目标,优化目标包括目标感兴趣区所对应的剂量体积约束条件,剂量体积约束条件包括剂量约束体积的体素数量N,其中,N为自然数;
距离计算模块32,用于基于预设距离基准,计算目标感兴趣区的各体素到影响目标感兴趣区剂量分布的影响感兴趣区的距离;
更新模块33,用于将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新剂量体积约束条件;
优化模块34,用于根据包含有更新后的剂量体积约束条件的优化目标确定放疗计划的剂量分布。
优选地,如果剂量体积约束条件为最小剂量体积约束条件,则更新模块将距离最大的N个体素作为剂量约束体积以更新所述剂量体积约束条件。
优选地,如果剂量体积约束条件为最大剂量体积约束条件,则更新模块将距离最小的N个体素作为剂量约束体积以更新所述剂量体积约束条件。
优选地,如果目标感兴趣区包括多个最大剂量约束条件,则更新模块将距离最小的Ni个体素作为相应剂量体积约束条件的初始剂量约束体积,其中,i为最大剂量体积约束条件的编码;对每个初始剂量约束体积的体素数量Ni进行排序;确定排序结果中体素数量相邻的两初始剂量约束体积的非重合体素;将非重合体素作为两相邻体素数量中的大体素数量所对应的剂量约束条件的剂量约束体积。
进一步地,如图9所示,还包括坐标系构建模块30,用于保持各个影响感兴趣相对于目标感兴趣区的方向不变,以及保持其中一个符合预设基准条件的影响感兴趣区的位置不变的情况下,拉伸或收缩其他影响感兴趣区述目标感兴趣区之间的距离,直至各个其他影响感兴趣区的预设剂量位于对应的等剂量线上。
优选地,距离计算模块具体可用于获取待优化放疗计划所对应的放疗计划模板的剂量跌落趋势;确定等效剂量距离的方向;根据所确定的等效剂量距离的方向,计算目标感兴趣区的每一体素距离影响感兴趣区的等效剂量距离。
可选地,如果剂量体积约束条件为最小剂量体积约束条件,则更新模块在等效剂量距离的方向为负向时,等效剂量距离最小的N个体素作为剂量约束体积;在等效剂量距离的方向为正向时,将等效剂量距离最大的N个体素作为剂量约束体积。
可选地,如果剂量体积约束条件为最大剂量体积约束条件,则更新模块在等效剂量距离的方向为负向时,将等效剂量距离最大的N个体素作为剂量约束体积;在等效剂量距离的方向为正向时,将等效剂量距离最小的N个体素作为剂量约束体积。
可选地,如果影响感兴趣区有多个,且剂量体积约束条件为最小剂量体积约束条件,则距离计算模块用于在等效剂量距离的方向为负向时,将目标感兴趣区的每个体素到各个影响感兴趣区的等效剂量距离的最小值作为该体素所对应的等效剂量距离;在等效剂量距离的方向为正向时,将目标感兴趣区的每个体素到各个影响感兴趣区的等效剂量距离的最大值作为该体素所对应的等效剂量距离;如果影响感兴趣区有多个,且剂量体积约束条件为最大剂量体积约束条件,则距离计算模块用于在等效剂量距离的方向为负向时,将目标感兴趣区的每个体素到各个影响感兴趣区的等效剂量距离的最大值作为该体素所对应的等效剂量距离;在等效剂量距离的方向为正向时,将目标感兴趣区的每个体素到各个影响感兴趣区的等效剂量距离的最小值作为该体素所对应的等效剂量距离;
本发明实施例提供的放疗计划生成系统的技术方案,相较于现有技术,确定了目标感兴趣区的各体素到影响目标感兴趣区剂量分布的影响感兴趣区的距离之后,将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新剂量体积约束条件,实现了使需要满足最大剂量要求或最小剂量要求的目标感兴趣区尽可能远离影响感兴趣区,以及使得从靶区开始的处方剂量跌落到危及器官的安全剂量之间的缓冲区域尽可能地大,从而提高放了疗计划的优化速度,优化后的放疗计划的质量。
本发明实施例所提供的放疗计划生成装置可执行本发明任意实施例所提供的放疗计划生成步骤,具备执行方法相应的功能模块和有益效果。
实施例五
图10为本发明实施例五提供的放疗计划系统的结构示意图,如图10所示,该系统包括存储器11、处理器12、输入装置13以及输出装置14;系统中处理器12的数量可以是一个或多个,图10中以一个处理器12为例;系统中的处理器12、存储器11、输入装置13以及输出装置14可以通过总线或其他方式连接,图10中以通过总线连接为例。
存储器11作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的放疗计划生成方法对应的程序指令/模块(例如,获取模块31、距离计算模块32、更新模块33以及优化模块34)。处理器12通过运行存储在存储器11中的软件程序、指令以及模块,从而执行系统的各种功能应用以及数据处理,即实现上述的放疗计划生成方法。
存储器11可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器11可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器11可进一步包括相对于处理器12远程设置的存储器,这些远程存储器可以通过网络连接至系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置13可用于接收输入的数字或字符信息,以及产生与系统的用户设置以及功能控制有关的键信号输入。
输出装置14可包括显示屏等显示设备,例如,用户终端的显示屏。
实施例六
本发明实施例六还提供了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疗计划生成方法,该方法包括:
获取待优化放疗计划的优化目标,所述优化目标包括目标感兴趣区所对应的剂量体积约束条件,所述剂量体积约束条件包括含有N个体素的剂量约束体积,其中,N为自然数;
获取待优化放疗计划以及该待优化放疗计划的优化目标,所述优化目标包括目标感兴趣区所对应的剂量体积约束条件,所述剂量体积约束条件包括剂量约束体积的体素数量N,其中,所述N为自然数;
基于预设距离基准,计算所述目标感兴趣区的各体素到影响所述目标感兴趣区剂量分布的影响感兴趣区的距离;
将符合距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新所述剂量体积约束条件;
根据包含有更新后的剂量体积约束条件的优化目标确定所述放疗计划的剂量分布。
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疗计划生成方法中的相关操作。
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,简称ROM)、随机存取存储器(RandomAccess Memory,简称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放疗计划生成方法。
值得注意的是,上述放疗计划生成装置的实施例中,所包括的各个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 (10)
1.一种放疗计划生成系统,包括存储器、处理器及存储在该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:
获取待优化放疗计划以及该待优化放疗计划的优化目标,所述优化目标包括目标感兴趣区所对应的剂量体积约束条件,所述剂量体积约束条件包括剂量约束体积的体素数量N,其中,N为自然数;
基于预设距离基准,计算所述目标感兴趣区的各体素到影响所述目标感兴趣区剂量分布的影响感兴趣区的距离;
根据所述剂量体积约束条件确定距离条件,将符合所述距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新所述剂量体积约束条件;
根据包含有更新后的剂量体积约束条件的优化目标确定所述放疗计划的剂量分布。
2.根据权利要求1所述的系统,其特征在于,所述剂量体积约束条件为最小剂量体积约束条件,所述将符合距离条件的N个体素作为剂量约束体积以更新所述剂量体积约束条件,包括:
将距离最大的N个体素作为剂量约束体积以更新所述剂量体积约束条件。
3.根据权利要求1所述的系统,其特征在于,所述剂量体积约束条件为最大剂量体积约束条件,相应的,所述将符合距离条件的N个体素作为剂量约束体积以更新所述剂量体积约束条件,包括:
将距离最小的N个体素作为剂量约束体积以更新所述剂量体积约束条件。
4.根据权利要求1-3任一所述的系统,其特征在于,所述目标感兴趣区包括多个最大剂量约束条件,所述最大剂量约束条件包括最大约束剂量;相应的,将符合距离条件的N个体素作为剂量约束体积以更新所述剂量体积约束条件,包括:
将距离最小的Ni个体素作为相应剂量体积约束条件的初始剂量约束体积,其中,i为最大剂量体积约束条件的编码;
将每个初始剂量约束体积中,每个对应多个最大约束剂量的体素的最大约束剂量更新为自身对应的多个最大约束剂量中的最小值;
根据最大约束剂量更新结果确定每个最大剂量约束条件对应的剂量约束体积,以更新所述剂量体积约束条件。
5.根据权利要求2或3所述的系统,其特征在于,所述预设距离基准为等效剂量距离,相应的,计算所述目标感兴趣区的各体素到影响所述目标感兴趣区剂量分布的影响感兴趣区的距离之前,还包括:
保持各个影响感兴趣相对于所述目标感兴趣区的方向不变,以及保持其中一个符合预设基准条件的影响感兴趣区的位置不变的情况下,拉伸或收缩其他影响感兴趣区与所述目标感兴趣区之间的距离,直至各个其他影响感兴趣区的预设剂量位于对应的等剂量线上。
6.根据权利要求1所述的系统,其特征在于,所述预设距离基准为等效剂量距离,相应的,所述计算所述目标感兴趣区的各体素到影响所述目标感兴趣区剂量分布的影响感兴趣区的距离,包括:
获取所述待优化放疗计划所对应的剂量跌落趋势;
确定等效剂量距离的方向;
根据所确定的等效剂量距离的方向,计算所述目标感兴趣区的每一体素距离所述影响感兴趣区的等效剂量距离。
7.根据权利要求6所述的系统,其特征在于,所述剂量体积约束条件为最小剂量体积约束条件,相应的,所述将符合距离条件的N个体素作为剂量约束体积以更新所述剂量体积约束条件,包括:
如果所述等效剂量距离的方向为负向,则将等效剂量距离最小的N个体素作为剂量约束体积;
如果所述等效剂量距离的方向为正向,则将等效剂量距离最大的N个体素作为剂量约束体积。
8.根据权利要求6所述的系统,其特征在于,所述剂量体积约束条件为最大剂量体积约束条件,相应的,所述将符合距离条件的N个体素作为剂量约束体积以更新所述剂量体积约束条件,包括:
如果所述等效剂量距离的方向为负向,则将等效剂量距离最大的N个体素作为剂量约束体积;
如果所述等效剂量距离的方向为正向,则将等效剂量距离最小的N个体素作为剂量约束体积。
9.根据权利要求6-8任一所述的系统,其特征在于,所述影响感兴趣区有多个,若剂量体积约束条件为最小剂量体积约束条件,那么:
如果所述等效剂量距离的方向为负向,则将所述目标感兴趣区的每个体素到各个影响感兴趣区的等效剂量距离的最小值作为该体素所对应的等效剂量距离;
如果所述等效剂量距离的方向为正向,则将所述目标感兴趣区的每个体素到各个影响感兴趣区的等效剂量距离的最大值作为该体素所对应的等效剂量距离;
若剂量体积约束条件为最大剂量体积约束条件,那么:
如果所述等效剂量距离的方向为负向,则将所述目标感兴趣区的每个体素到各个影响感兴趣区的等效剂量距离的最大值作为该体素所对应的等效剂量距离;
如果所述等效剂量距离的方向为正向,则将所述目标感兴趣区的每个体素到各个影响感兴趣区的等效剂量距离的最小值作为该体素所对应的等效剂量距离。
10.一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以下方法:
获取待优化放疗计划以及该待优化放疗计划的优化目标,所述优化目标包括目标感兴趣区所对应的剂量体积约束条件,所述剂量体积约束条件包括剂量约束体积的体素数量N,其中,所述N为自然数;
基于预设距离基准,计算所述目标感兴趣区的各体素到影响所述目标感兴趣区剂量分布的影响感兴趣区的距离;
根据所述剂量体积约束条件确定距离条件,将符合所述距离条件的N个体素作为目标感兴趣区的剂量约束体积以更新所述剂量体积约束条件;
根据包含有更新后的剂量体积约束条件的优化目标确定所述放疗计划的剂量分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982907.5A CN110706780B (zh) | 2019-10-16 | 2019-10-16 | 放疗计划生成系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982907.5A CN110706780B (zh) | 2019-10-16 | 2019-10-16 | 放疗计划生成系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110706780A CN110706780A (zh) | 2020-01-17 |
CN110706780B true CN110706780B (zh) | 2023-05-26 |
Family
ID=69198775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910982907.5A Active CN110706780B (zh) | 2019-10-16 | 2019-10-16 | 放疗计划生成系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110706780B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115938591B (zh) * | 2023-02-23 | 2023-05-09 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于放疗的剂量分布区间确定装置及电子设备 |
CN116130056B (zh) * | 2023-04-17 | 2023-08-22 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 放疗计划的确定装置和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016081916A1 (en) * | 2014-11-21 | 2016-05-26 | The Regents Of The University Of California | Three-dimensional radiotherapy dose distribution prediction |
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 |
CN109069861A (zh) * | 2016-03-30 | 2018-12-21 | 瓦里安医疗系统国际股份公司 | 质子疗法中的剂量分布估计 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20030212325A1 (en) * | 2002-03-12 | 2003-11-13 | Cristian Cotrutz | Method for determining a dose distribution in radiation therapy |
JP2007516743A (ja) * | 2003-12-12 | 2007-06-28 | ザ ユニバーシティ オブ ウェスタン オンタリオ | 放射線の線量送出を最適化するための方法およびシステム |
US9679110B2 (en) * | 2011-06-03 | 2017-06-13 | Washington University | Developing predictive dose-volume relationships for a radiotherapy treatment |
US9468776B2 (en) * | 2012-06-01 | 2016-10-18 | Raysearch Laboratories Ab | Method and a system for optimizing a radiation treatment plan based on a reference dose distribution |
EP2878338B1 (en) * | 2013-11-28 | 2018-04-11 | RaySearch Laboratories AB | Method and system for uncertainty based radiotherapy treatment planning |
US20150202464A1 (en) * | 2014-01-23 | 2015-07-23 | Mitsubis | Multi-Criteria Optimization in Particle Beam Dose Optimization |
US10080911B2 (en) * | 2015-09-10 | 2018-09-25 | Varian Medical Systems, Inc. | Knowledge-based spatial dose metrics and methods to generate beam orientations in radiotherapy |
EP3228357B1 (en) * | 2016-04-08 | 2021-03-31 | RaySearch Laboratories AB | Method, computer program product and computer system for radiotherapy treatment planning |
US20180099151A1 (en) * | 2016-10-11 | 2018-04-12 | Mitsubishi Electric Research Laboratories, Inc. | Method of Visualizing and Setting Dose Constraints for Radiation Therapy |
US11449208B2 (en) * | 2017-07-06 | 2022-09-20 | Varian Medical Systems International Ag | Interactive and intuitive method to shape 3D dose distribution during optimization of IMRT plans |
CN110124214B (zh) * | 2019-05-24 | 2020-09-04 | 南方医科大学 | 预测剂量分布引导的调强放疗计划优化系统、介质及设备 |
-
2019
- 2019-10-16 CN CN201910982907.5A patent/CN110706780B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016081916A1 (en) * | 2014-11-21 | 2016-05-26 | The Regents Of The University Of California | Three-dimensional radiotherapy dose distribution prediction |
CN109069861A (zh) * | 2016-03-30 | 2018-12-21 | 瓦里安医疗系统国际股份公司 | 质子疗法中的剂量分布估计 |
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 |
---|---|
CN110706780A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110706780B (zh) | 放疗计划生成系统及存储介质 | |
US9757589B2 (en) | Radiation therapy treatment plan improvement through use of a knowledge base | |
CN110548231B (zh) | 放疗计划生成系统、装置及存储介质 | |
US11887300B2 (en) | Method and apparatus for classifying a brain anomaly based on a 3D MRI image | |
CN110420396B (zh) | 一种放射治疗计划优化系统、装置及存储介质 | |
CN104160396B (zh) | 在字符串集之中查找最佳匹配字符串的方法和系统 | |
Kalantzis et al. | Investigations of a GPU-based levy-firefly algorithm for constrained optimization of radiation therapy treatment planning | |
CN104815392B (zh) | 一种交互式放射治疗计划系统优化系统 | |
CN110931107B (zh) | 放疗计划生成系统、装置及存储介质 | |
Bouter et al. | Large-scale parallelization of partial evaluations in evolutionary algorithms for real-world problems | |
Tan et al. | Incorporating isodose lines and gradient information via multi-task learning for dose prediction in radiotherapy | |
CN114707742A (zh) | 自适应放疗策略的人工智能预测方法和系统 | |
CN117116421B (zh) | 放疗计划的确定方法和装置 | |
CN112037885B (zh) | 放疗计划中的剂量预测方法、装置、计算机设备及存储介质 | |
US10573006B2 (en) | Selection of a subset of atlases from a set of candidate atlases | |
CN109785336A (zh) | 基于多路径卷积神经网络模型的图像分割方法及装置 | |
CN104318035B (zh) | 针对海量地形大数据点云的总分式三角网多线程并行生成方法 | |
CN116569190B (zh) | 用于放疗治疗计划的剂量图预测的方法和计算机程序产品 | |
CN116341182A (zh) | 基于多目标进化和传统优化方法协同的质子调强多目标优化方法及其系统 | |
Mathews et al. | Enhanced optimization of volumetric modulated arc therapy plans using Monte Carlo generated beamlets | |
CN111986777A (zh) | 放射治疗计划优化系统、装置和存储介质 | |
Gołuńska et al. | A consensus reaching support system based on concepts of ideal and anti-ideal point | |
CN115697481A (zh) | 放射治疗计划系统和方法 | |
WO2023184178A1 (zh) | 治疗计划生成方法、装置、设备及介质 | |
CN117717723A (zh) | 射野信息确定装置、处理器以及电子设备 |
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 | ||
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. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |