CN110931107B - 放疗计划生成系统、装置及存储介质 - Google Patents
放疗计划生成系统、装置及存储介质 Download PDFInfo
- Publication number
- CN110931107B CN110931107B CN201911156365.2A CN201911156365A CN110931107B CN 110931107 B CN110931107 B CN 110931107B CN 201911156365 A CN201911156365 A CN 201911156365A CN 110931107 B CN110931107 B CN 110931107B
- Authority
- CN
- China
- Prior art keywords
- current
- constraint
- constraint point
- point
- points
- 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
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
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
本发明实施例公开了一种放疗计划生成系统、装置及存储介质。该系统包括存储器、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，该处理器执行程序时实现以下步骤：依据计划前图像和放疗处方，确定多个当前约束点；若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第一预设收敛条件；将更新后的当前候选约束点作为目标约束点，并依据目标约束点生成目标放疗计划。通过上述技术方案，提高了放疗计划的优化效率。
Description
技术领域
本发明实施例涉及医疗技术，尤其涉及一种放疗计划生成系统、装置及存储介质。
背景技术
在放射治疗(简称放疗)系统中，物理师需要根据医生开具的放疗处方，如肿瘤靶区需求剂量和危及器官耐受剂量等，通过放射治疗计划系统来生成一个可执行的放疗计划，如射野形状和跳数等。
在目前的放射治疗计划系统软件中，已有完整的优化工作流程，物理师需要根据放疗处方来确定生成放疗计划的合理的约束条件，而后将其输入放射治疗计划系统软件以生成放疗计划，并在放疗计划优化的过程中不断调整约束条件，直至生成一个满足处方要求的可执行的放疗计划。
上述优化放疗计划的过程中，需要物理师的不断介入，不仅耗费人力，而且生成可执行放疗计划的效率较低。
发明内容
本发明实施例提供一种放疗计划生成系统、装置及存储介质，以实现放疗计划的自动优化，提高放疗计划的优化效率。
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：
依据计划前图像和放疗处方，确定多个当前约束点，其中，每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点；
若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定所述目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足所述第一预设收敛条件；
将更新后的当前候选约束点作为所述目标约束点，并依据所述目标约束点生成所述目标放疗计划。
第二方面，本发明实施例还提供了一种放疗计划生成装置，所述装置配置在处理器中，该装置包括：
当前约束点确定模块，用于依据计划前图像和放疗处方，确定多个当前约束点，其中，每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点；
当前约束点更新模块，用于若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定所述目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足所述第一预设收敛条件；
放疗计划生成模块，用于将更新后的当前候选约束点作为所述目标约束点，并依据所述目标约束点生成所述目标放疗计划。
第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时用于执行如下方法，包括：
依据计划前图像和放疗处方，确定多个当前约束点，其中，每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点；
若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定所述目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足所述第一预设收敛条件；
将更新后的当前候选约束点作为所述目标约束点，并依据所述目标约束点生成所述目标放疗计划。
本发明实施例通过放疗计划生成系统中处理器的执行过程：依据计划前图像和放疗处方，确定多个当前约束点，其中，每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点；若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第一预设收敛条件；将更新后的当前候选约束点作为目标约束点，并依据目标约束点生成目标放疗计划。实现了基于约束条件所在解空间的分布特征，对多个当前约束点对应的多组约束条件进行不断地更新与筛选，并最终确定最优约束条件以生成可执行放疗计划，避免了放疗计划优化过程中物理师反复人工调整约束条件的过程，达到了一键制定放疗计划的效果，提高了放疗计划的优化效率。
附图说明
图1是本发明实施例一中的一种放疗计划生成系统的结构示意图；
图2是本发明实施例一中的一种放疗计划生成系统中处理器的执行过程流程图；
图3是本发明实施例一中的各当前约束点移动过程的示意图；
图4是本发明实施例二中的一种放疗计划生成系统中处理器的执行过程流程图；
图5是本发明实施例三中的一种放疗计划生成装置的结构示意图。
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
本实施例提供的放疗计划生成系统可适用于自动生成及优化放疗计划的情况。参见图1，该放疗计划生成系统包括存储器101、处理器102及存储在存储器101上并可在处理器102上运行的计算机程序。当处理器102执行该计算机程序是实现如图2所示的步骤：
S110、依据计划前图像和放疗处方，确定多个当前约束点。
其中，计划前图像是指为了制定放疗计划而对扫描对象进行扫描而获得的扫描图像，其可以用于勾画包含肿瘤靶区和危及器官在内的感兴趣区域。放疗处方是医生开具的放疗的要求，其至少包含肿瘤靶区最小需求剂量或最小剂量体积百分比，以及各危及器官的最大耐受剂量或最大耐受剂量体积百分比。约束点是约束条件对应的解空间(简称约束空间)中的点。当前约束点是当前迭代过程中的约束点。后续所有携带“当前”的词汇，都是针对当前迭代过程的含义。每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点。这里目标放疗计划是最终需要生成的放疗计划，例如可以是理想状况下的理想放疗计划，也可以是考虑了放疗设备的机器状况的可执行放疗计划等。目标约束点是所有约束点中最适合用于生成目标放疗计划的约束条件(称为最优约束条件)对应的点。
本发明实施例中借助类似粒子群优化的算法，在约束空间中寻找最靠近理想约束条件的解(即最优约束条件)，进而生成放疗计划。该类似粒子群优化的算法的模型假设为所有或大部分满足放疗处方要求的约束条件在约束空间中以团簇的形式存在。其基本思想是：约束空间的一个点(约束点)代表该扫描对象计划的一组约束条件，初始状态为这些约束点均匀分布在约束空间，见图3(a)。算法迭代优化过程中，约束空间中的各约束点均按照某种规则移动聚集，直至所有的约束点聚集到一定程度，则可以结束算法迭代过程，此时各约束点便会以一个团簇形式呈现，见图3(c)。迭代结束后，从所有的约束点中按照某种规则筛选出一个最靠近理想约束条件(对应约束点见图3(c)中的三角点O点)的约束点，作为目标约束点，见图3(c)中距离O点最近的pk点。
算法实施过程中，首先需要确定最初状态的各当前约束点。具体实施时，本实施例根据计划前图像勾画获得各感兴趣区域，再结合放疗处方中的各肿瘤靶区的最低需求剂量或最低剂量体积百分比，以及放疗处方中的各危及器官的最大耐受剂量或最大耐受剂量体积百分比，生成最理想的一组约束条件，而后基于该理想的约束条件，以约束条件对应的约束点均匀分布为前提，随机生成其他的多组约束条件，每组约束条件均对应于约束空间中的一个约束点。此时，可以将确定出的所有约束点均确定为各当前约束点；也可以从确定出的所有约束点中筛选出一部分约束点作为各当前约束点，例如可以通过圈定剂量范围来筛选，也可以预先设定约束点的数量，以此数量来筛选。
示例性地，确定多个当前约束点包括：依据计划前图像中的感兴趣区域对应的临床剂量要求确定约束空间边界，并将约束空间边界对应的各约束点作为各当前约束点。为了提高后续算法迭代效率，本实施例中减少了参与目标约束点优化的约束点的数量，即从所有约束点中筛选出一部分约束点作为各当前约束点。具体为，先在约束空间中确定一个搜索边界(即约束空间边界)，而后将该约束空间边界圈定的所有约束点(可包含约束空间边界上的约束点)作为各当前约束点。对于约束空间边界，其以感兴趣区域的临床剂量要求为参考，适当缩小或外扩一定范围来确定。具体实施时，可以依据理想的临床状态下各感兴趣区域的最大剂量来确定剂量范围，进而根据剂量范围从约束空间中确定边界。例如某危及器官的最大剂量是5000，则可以选择4000～6000区域范围内的剂量值来确定剂量范围，进而确定约束空间边界。约束空间边界的形状可以是圆形和四边形等。
S120、若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第一预设收敛条件。
其中，第一预设收敛条件是指用于生成理想放疗计划过程中的预设收敛条件。预设收敛条件是用于判断各当前约束点是否聚集到一定程度的条件。
确定了各当前约束点之后，先判断这些当前约束点是否满足第一预设收敛条件。如果满足，那么就直接结束迭代过程。如果不满足，那么就需要开始迭代更新各当前约束点。迭代过程中，需要确定该次迭代操作中的一个最接近理想约束条件的约束点(即当前候选约束点)，并以该当前候选约束点为基准，确定包含当前候选约束点在内的各当前约束点的当前移动矢量，并依据各当前移动矢量移动相应当前约束点。当前移动矢量使得除当前候选约束点之外的其他各当前约束点均向着当前候选约束点的方向移动，见图3(b)。当所有的当前约束点移动结束后，各当前约束点在约束空间中的位置变动，也就优化了各当前约束点对应的各组约束条件，此时各当前约束点在约束空间中会更聚集一些。
按照上述过程，不断地迭代移动各当前约束点，直至各当前约束点满足第一预设收敛条件，此时各当前约束点便已经聚集到一定程度。需要说明的是，上述过程中，当前候选约束点也处于移动过程中。并且，每次迭代过程中都需要从各当前约束点中确定新的当前候选约束点，以确保整个迭代过程中各当前约束点按照越来越聚集的状态移动。
示例性地，从各当前约束点中确定目标约束点对应的当前候选约束点包括：利用预设评价函数对各当前约束点对应的放疗计划进行计划评价，确定评分最高的当前约束点，作为目标约束点对应的当前候选约束点。
其中，预设评价函数是人为选定的计划评价函数，其用于评价放疗计划的优劣。预设评价函数可以反映出不同的感兴趣区域的优先级，如偏向于优先保护危及器官或者优先确保靶区达到处方剂量等。
本实施例中通过预设评价函数来对每个当前约束点对应的放疗计划进行评分，评分最高放疗计划便是所有放疗计划中最接近理想放疗计划的，故将评分最高的放疗计划对应的当前约束点作为当前候选约束点。具体实施时，需要将当前约束点对应的当前约束条件输入注量图优化算法FMO中，便可获得该当前约束点对应的理想放疗计划的剂量分布。之后，将该理想放疗计划的剂量分布输入预设评价函数，便可获得该当前约束点对应的计划评分。按照该过程，便可获得每个当前约束点的计划评分，进而确定出所有计划评分中的最高评分，便将该最高评分对应的当前约束点确定为当前候选约束点。
需要说明的是，相关技术中，如基于神经网络的放疗计划制定算法中，评价函数作为模型训练的损失函数，其需要计算模型输出的放疗计划的具体得分，且该得分用于调整约束条件，故评价函数的好坏直接影响模型的训练效果。但是本实施例中的预设评价函数可以根据医生偏好进行选择，实现差异化需求。这是因为本实施例中的预设评价函数只是用于确定各计划评分中相对较大的一个，即本实施例中只关心预设评价函数对应结果的相对大小关系，并不关注具体的计划评分数值。所以，预设评价函数本身的优劣并不会影响本发明实施例中的计划生成效果。
示例性地，当预设收敛条件为第一预设收敛条件时，满足预设收敛条件包括：多次迭代更新各当前约束点时，利用预设评价函数对各当前约束点对应的放疗计划进行计划评价所得的最高评分之间的差值小于或等于预设差值阈值；或当前移动步长小于或等于预设步长阈值；或迭代次数达到预设次数。
预设收敛条件可以设置为放疗计划的最高评分趋于稳定。具体为：每次迭代过程均可获得一个最高评分，将连续多次迭代过程中的最高评分做差，如果连续多个差值都小于或等于预先设定的一个差值阈值(即预设差值阈值)，说明最高评分的当前候选约束点对应的放疗计划已经趋于稳定，便可以结束迭代过程，此时可以判定各当前约束点满足第一预设收敛条件。
预设收敛条件也可以设置为当前约束点的当前移动步长足够小。具体为：每次迭代过程中均需要移动各当前约束点，如果移动时的当前移动步长小于或等于预先设定的一个步长值(即预设步长阈值)，说明各当前约束点的移动幅度很小，各当前约束点已经达到一定的聚集程度，则可以结束迭代过程，此时可以判定各当前约束点满足第一预设收敛条件。
预设收敛条件还可以设置为迭代次数达到预设次数。具体实施过程中的第一预设收敛条件可以选择上述三种预设收敛条件中的任一种，可以提高算法实现的灵活性。
S130、将更新后的当前候选约束点作为目标约束点，并依据目标约束点生成目标放疗计划。
当S120中的迭代过程结束时，将最后一次迭代过程中确定的当前候选约束点作为目标约束点。然后，将该目标约束点对应的约束条件输入注量图优化算法FMO中，便可获得该当前候选约束点对应的理想放疗计划，作为目标放疗计划。而后可依据理想放疗计划的剂量分布转换生成可执行的放疗计划。
本实施例的技术方案，通过放疗计划生成系统中处理器的执行过程：依据计划前图像和放疗处方，确定多个当前约束点，其中，每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点；若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第一预设收敛条件；将更新后的当前候选约束点作为目标约束点，并依据目标约束点生成目标放疗计划。实现了基于约束条件所在解空间的分布特征，对多个当前约束点对应的多组约束条件进行不断地更新与筛选，并最终确定最优约束条件以生成可执行放疗计划，避免了放疗计划优化过程中物理师反复人工调整约束条件的过程，也无需制定计划的先验知识和患者计划数据库的支持，达到了一键制定放疗计划的效果，提高了放疗计划的优化效率。
实施例二
本实施例在上述实施例一的基础上，增加了优化理想放疗计划以获得可执行放疗计划的相关步骤。在此基础上，还可以进一步增加优化可执行放疗计划的相关步骤。其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图3，本实施例提供的放疗计划生成系统中处理器的执行过程包括：
S210、依据计划前图像和放疗处方，确定多个当前约束点。
S220、若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第一预设收敛条件。
示例性地，基于当前候选约束点完成各当前约束点的移动包括：
A、依据包含当前候选约束点在内的各当前约束点的聚集程度，确定各当前约束点的当前移动步长。
根据上述说明，移动各当前约束点的目的是为了使得各当前约束点更加聚集，故可以根据当前约束点的聚集程度来确定当前移动步长，具体是当前移动步长与聚集程度成反比，即聚集程度越高，移动步长则越小。这也说明，随着迭代次数增加，当前移动步长会越来越小。另外，所有当前约束点的聚集程度一致，故每个当前约束点的当前移动步长也一致。
示例性地，步骤A包括：基于预设形状，确定覆盖各当前约束点在内的最小图形；依据最小图形的属性信息确定各当前约束点的当前移动步长。
具体实施时，可以通过所有当前约束点的最小外接图形来确定点的聚集程度。例如，可以利用预设形状(如圆形或者矩形等)，圈定各当前约束点，当恰好把所有当前约束点包含在形状范围内时，便可确定最小图形。之后，可以利用该最小形状的属性信息，如周长、面积、圆形的直径或矩形的边长等的倒数，来确定当前移动步长，以保证聚集程度和移动步长的反比关系。这样设置的好处在于，能够更加简捷地确定当前移动步长，从而提高迭代效率，帮助迭代收敛。
示例性地，依据最小图形的属性信息确定各当前约束点的当前移动步长包括：当预设形状为圆形时，依据最小图形的直径和第一预设长度倍数，确定各当前约束点的当前移动步长；当预设形状为矩形时，依据最小图形的长边边长和第二预设长度倍数，确定各当前约束点的当前移动步长。当预设形状为圆形时，可根据(圆形的直径/第一预设长度倍数m)来确定当前移动步长。当预设形状为矩形时，可根据(矩形长边边长/第二预设长度倍数n)来确定当前移动步长。这里的第一预设长度倍数m和第二预设长度倍数n均是大于1的正整数，且m与n的大小关系不限定。
B、依据各当前约束点与当前候选约束点之间的方向矢量确定每个当前约束点的当前移动方向。
各当前约束点需要向着当前候选约束点的方向移动，故可以根据每个当前约束点与当前候选约束点之间的方向矢量来确定每个当前约束点的当前移动方向，具体可以通过如下公式来确定：
ej＝arg[pjpi]+η*ξj
其中，ej为第j个当前约束点的当前移动方向；arg[pjpi]为第j个当前约束点pj与第i次迭代中的当前候选约束点pi之间的方向矢量pjpi的角度值；η*ξj为第j个当前约束点pj对应的当前噪声，η为噪声强度，取值范围[0，1]，ξj为服从[-π，π]范围内均匀分布的白噪声。
本实施例中在方向矢量中引入了噪声，目的是避免迭代陷入局部，同时为当前候选约束点确定当前移动方向。
C、依据每个当前约束点对应的当前移动步长和当前移动方向移动相应当前约束点。
根据每个当前约束点的当前移动步长μ及当前移动方向ej确定相应当前约束点的当前移动矢量，即μ*ej。然后，按照每个当前移动矢量移动相应的当前约束点。
S230、以更新后的当前候选约束点为中心，重新确定多个当前约束点。
S220中所确定的当前候选约束点对应的约束条件可以用于生成理想放疗计划的剂量分布，但是其并不是可执行放疗计划，不适用于临床。故本实施例在其基础上，按照S210～S220的流程进一步自动优化理想放疗计划。具体实施时，以当前候选约束点对应的约束条件基础，以约束条件对应的约束点均匀分布为前提，随机生成其他的多组约束条件。此时，需要以当前候选约束点为中心重新确定约束空间边界，并将边界内包含当前候选约束点在内的各约束点均作为各当前约束点。
S240、若各当前约束点未满足第二预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第二预设收敛条件。
其中，第二预设收敛条件是指用于生成可执行放疗计划过程中的预设收敛条件。同第一预设收敛条件，当预设收敛条件为第二预设收敛条件时，满足预设收敛条件包括：多次迭代更新各当前约束点时，利用预设评价函数对各当前约束点对应的放疗计划进行计划评价所得的最高评分之间的差值小于或等于预设差值阈值；或当前移动步长小于或等于预设步长阈值；或迭代次数达到预设次数。第一预设收敛条件和第二预设收敛条件可以相同，也可以不同。
该步骤的阐述可参见S120和S220中的相关说明。只是迭代过程中确定当前候选约束点的操作略有不同。S120中是将当前约束点对应的当前约束条件输入FMO算法中以获得放疗计划，进而进行计划评价。但是本实施例中，需要将当前约束点对应的当前约束条件输入直接机器参数优化算法DMPO，以获得该当前约束点对应的可执行放疗计划，进而获得该当前约束点对应的计划评分。
当该步骤中的迭代过程结束后，便完成了对S120中理想放疗计划的自动优化。而后执行S240或S270。
S250、以更新后的当前候选约束点为中心，重新确定多个当前约束点。
S240中所确定的当前候选约束点对应的约束条件可以用于生成可执行放疗计划，但是其可能还不是最优的放疗计划。故本实施例在其基础上，按照S230～S240的流程进一步自动优化可执行放疗计划。具体实施时，以当前候选约束点对应的约束条件基础，以约束条件对应的约束点均匀分布为前提，随机生成其他的多组约束条件。此时，需要以当前候选约束点为中心重新确定约束空间边界，并将边界内包含当前候选约束点在内的各约束点均作为各当前约束点。
S260、若各当前约束点未满足第三预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第三预设收敛条件。
其中，第三预设收敛条件是指用于优化可执行放疗计划过程中的预设收敛条件。同第一预设收敛条件，当预设收敛条件为第三预设收敛条件时，满足预设收敛条件包括：多次迭代更新各当前约束点时，利用预设评价函数对各当前约束点对应的放疗计划进行计划评价所得的最高评分之间的差值小于或等于预设差值阈值；或当前移动步长小于或等于预设步长阈值；或迭代次数达到预设次数。第一预设收敛条件、第二预设收敛条件和第三预设收敛条件可以相同，也可以不同。
该步骤的说明可参见S240。其中确定当前候选约束点的操作中，同样是将当前约束点对应的当前约束条件输入直接机器参数优化算法DMPO，以获得该当前约束点对应的可执行放疗计划，进而获得该当前约束点对应的计划评分。当该步骤中的迭代过程结束后，便完成了对S240中可执行放疗计划的进一步优化。而后执行S270。
S270、将更新后的当前候选约束点作为目标约束点，并依据目标约束点生成目标放疗计划。
在S240之后，将最后一次迭代过程中确定的当前候选约束点作为目标约束点。然后，将该目标约束点对应的约束条件输入直接机器参数优化算法DMPO中，便可获得该当前候选约束点对应的可执行放疗计划，作为目标放疗计划。
在S260之后，将最后一次迭代过程中确定的当前候选约束点作为目标约束点。然后，将该目标约束点对应的约束条件输入直接机器参数优化算法DMPO中，便可获得该当前候选约束点对应的优化后的可执行放疗计划，作为目标放疗计划。
在获得了(优化后的)可执行放疗计划之后，还可以根据医疗处方再次对放疗计划进行验证，以确保所得的放疗计划符合临床需求和医疗处方要求。
本实施例的技术方案，通过在若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第一预设收敛条件之后，以更新后的当前候选约束点为中心，重新确定多个当前约束点；若各当前约束点未满足第二预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第二预设收敛条件。实现了基于类似粒子群优化的算法，自动优化理想放疗计划，获得可执行放疗计划，进一步提高了放疗计划的优化效率和放疗计划质量。通过在若各当前约束点未满足第二预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第二预设收敛条件之后，以更新后的当前候选约束点为中心，重新确定多个当前约束点；若各当前约束点未满足第三预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第三预设收敛条件。实现了基于类似粒子群优化的算法，进一步自动优化可执行放疗计划，获得更加符合临床需求且质量更高的可执行放疗计划，更进一步提高了放疗计划的优化效率和放疗计划质量。
实施例三
本实施例提供一种放疗计划生成装置，配置在处理器中，参见图5，该装置具体包括：
当前约束点确定模块510，用于依据计划前图像和放疗处方，确定多个当前约束点，其中，每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点；
当前约束点更新模块520，用于若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第一预设收敛条件；
放疗计划生成模块530，用于将更新后的当前候选约束点作为目标约束点，并依据目标约束点生成目标放疗计划。
可选地，在上述装置的基础上，该装置还包括第一计划优化模块，用于：
在若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第一预设收敛条件之后，以更新后的当前候选约束点为中心，重新确定多个当前约束点；
若各当前约束点未满足第二预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第二预设收敛条件。
可选地，在上述装置的基础上，该装置还包括第二计划优化模块，用于：
在若各当前约束点未满足第二预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第二预设收敛条件之后，以更新后的当前候选约束点为中心，重新确定多个当前约束点；
若各当前约束点未满足第三预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第三预设收敛条件。
可选地，当前约束点确定模块510具体用于：
依据计划前图像中的感兴趣区域对应的临床最大剂量值确定约束空间边界，并将约束空间边界中的各约束点作为各当前约束点。
可选地，当前约束点更新模块520具体用于：
利用预设评价函数对各当前约束点对应的放疗计划进行计划评价，确定评分最高的当前约束点，作为目标约束点对应的当前候选约束点。
可选地，当前约束点更新模块520包括：
当前移动步长确定子模块，用于依据包含当前候选约束点在内的各当前约束点的聚集程度，确定各当前约束点的当前移动步长；
当前移动方向确定子模块，用于依据各当前约束点与当前候选约束点之间的方向矢量确定每个当前约束点的当前移动方向；
当前约束点移动子模块，用于依据每个当前约束点对应的当前移动步长和当前移动方向移动相应当前约束点。
进一步地，当前移动步长确定子模块具体用于：
基于预设形状，确定覆盖各当前约束点在内的最小图形；
依据最小图形的属性信息确定各当前约束点的当前移动步长。
进一步地，当前移动步长确定子模块具体用于：
当预设形状为圆形时，依据最小图形的直径和第一预设长度倍数，确定各当前约束点的当前移动步长；
当预设形状为矩形时，依据最小图形的长边边长和第二预设长度倍数，确定各当前约束点的当前移动步长。
可选地，满足预设收敛条件包括：
多次迭代更新各当前约束点时，利用预设评价函数对各当前约束点对应的放疗计划进行计划评价所得的最高评分之间的差值小于或等于预设差值阈值；或
当前移动步长小于或等于预设步长阈值；或
迭代次数达到预设次数；
其中，预设收敛条件包括第一预设收敛条件、第二预设收敛条件或第三预设收敛条件。
通过本发明实施例三的一种放疗计划生成装置，实现了基于约束条件所在解空间的分布特征，对多个当前约束点对应的多组约束条件进行不断地更新与筛选，并最终确定最优约束条件以生成可执行放疗计划，避免了放疗计划优化过程中物理师反复人工调整约束条件的过程，达到了一键制定放疗计划的效果，提高了放疗计划的优化效率。
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。
实施例四
本实施例提供一种包含计算机可执行指令的存储介质，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：
依据计划前图像和放疗处方，确定多个当前约束点，其中，每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点；
若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第一预设收敛条件；
将更新后的当前候选约束点作为目标约束点，并依据目标约束点生成目标放疗计划。
可选地，在若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第一预设收敛条件之后，还包括：
以更新后的当前候选约束点为中心，重新确定多个当前约束点；
若各当前约束点未满足第二预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第二预设收敛条件。
可选地，在若各当前约束点未满足第二预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第二预设收敛条件之后，还包括：
以更新后的当前候选约束点为中心，重新确定多个当前约束点；
若各当前约束点未满足第三预设收敛条件，则从各当前约束点中确定目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足第三预设收敛条件。
可选地，确定多个当前约束点包括：
依据计划前图像中的感兴趣区域对应的临床剂量要求确定约束空间边界，并将约束空间边界对应的各约束点作为各当前约束点。
可选地，从各当前约束点中确定目标约束点对应的当前候选约束点包括：
利用预设评价函数对各当前约束点对应的放疗计划进行计划评价，确定评分最高的当前约束点，作为目标约束点对应的当前候选约束点。
可选地，基于当前候选约束点完成各当前约束点的移动包括：
依据包含当前候选约束点在内的各当前约束点的聚集程度，确定各当前约束点的当前移动步长；
依据各当前约束点与当前候选约束点之间的方向矢量确定每个当前约束点的当前移动方向；
依据每个当前约束点对应的当前移动步长和当前移动方向移动相应当前约束点。
进一步地，依据包含当前候选约束点在内的各当前约束点的聚集程度，确定各当前约束点的当前移动步长包括：
基于预设形状，确定覆盖各当前约束点在内的最小图形；
依据最小图形的属性信息确定各当前约束点的当前移动步长。
进一步地，依据最小图形的属性信息确定各当前约束点的当前移动步长包括：
当预设形状为圆形时，依据最小图形的直径和第一预设长度倍数，确定各当前约束点的当前移动步长；
当预设形状为矩形时，依据最小图形的长边边长和第二预设长度倍数，确定各当前约束点的当前移动步长。
可选地，满足预设收敛条件包括：
多次迭代更新各当前约束点时，利用预设评价函数对各当前约束点对应的放疗计划进行计划评价所得的最高评分之间的差值小于或等于预设差值阈值；或
当前移动步长小于或等于预设步长阈值；或
迭代次数达到预设次数；
其中，预设收敛条件包括第一预设收敛条件、第二预设收敛条件或第三预设收敛条件。
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提供的放疗计划生成方法。
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 (11)
1.一种放疗计划生成系统，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，所述处理器执行所述程序时实现以下步骤：
依据计划前图像和放疗处方，确定多个当前约束点，其中，每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点；
若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定所述目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足所述第一预设收敛条件；
将更新后的当前候选约束点作为所述目标约束点，并依据所述目标约束点生成所述目标放疗计划；
其中，所述从各当前约束点中确定所述目标约束点对应的当前候选约束点包括：
利用预设评价函数对各当前约束点对应的放疗计划进行计划评价，确定评分最高的当前约束点，作为所述目标约束点对应的当前候选约束点。
2.根据权利要求1所述的系统，其特征在于，在若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定所述目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足所述第一预设收敛条件之后，还包括：
以更新后的当前候选约束点为中心，重新确定多个当前约束点；
若各当前约束点未满足第二预设收敛条件，则从各当前约束点中确定所述目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足所述第二预设收敛条件。
3.根据权利要求2所述的系统，其特征在于，在若各当前约束点未满足第二预设收敛条件，则从各当前约束点中确定所述目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足所述第二预设收敛条件之后，还包括：
以更新后的当前候选约束点为中心，重新确定多个当前约束点；
若各当前约束点未满足第三预设收敛条件，则从各当前约束点中确定所述目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足所述第三预设收敛条件。
4.根据权利要求1所述的系统，其特征在于，确定多个当前约束点包括：
依据所述计划前图像中的感兴趣区域对应的临床剂量要求确定约束空间边界，并将所述约束空间边界对应的各约束点作为各当前约束点。
5.根据权利要求1或2所述的系统，其特征在于，基于当前候选约束点完成各当前约束点的移动包括：
依据包含当前候选约束点在内的各当前约束点的聚集程度，确定各当前约束点的当前移动步长；
依据各当前约束点与当前候选约束点之间的方向矢量确定每个当前约束点的当前移动方向；
依据每个当前约束点对应的当前移动步长和当前移动方向移动相应当前约束点。
6.根据权利要求3所述的系统，其特征在于，基于当前候选约束点完成各当前约束点的移动包括：
依据包含当前候选约束点在内的各当前约束点的聚集程度，确定各当前约束点的当前移动步长；
依据各当前约束点与当前候选约束点之间的方向矢量确定每个当前约束点的当前移动方向；
依据每个当前约束点对应的当前移动步长和当前移动方向移动相应当前约束点。
7.根据权利要求5所述的系统，其特征在于，依据包含当前候选约束点在内的各当前约束点的聚集程度，确定各当前约束点的当前移动步长包括：
基于预设形状，确定覆盖各当前约束点在内的最小图形；
依据所述最小图形的属性信息确定各当前约束点的当前移动步长。
8.根据权利要求7所述的系统，其特征在于，依据所述最小图形的属性信息确定各当前约束点的当前移动步长包括：
当所述预设形状为圆形时，依据所述最小图形的直径和第一预设长度倍数，确定各当前约束点的当前移动步长；
当所述预设形状为矩形时，依据所述最小图形的长边边长和第二预设长度倍数，确定各当前约束点的当前移动步长。
9.根据权利要求6所述的系统，其特征在于，满足预设收敛条件包括：
多次迭代更新各当前约束点时，利用预设评价函数对各当前约束点对应的放疗计划进行计划评价所得的最高评分之间的差值小于或等于预设差值阈值；或
当前移动步长小于或等于预设步长阈值；或
迭代次数达到预设次数；
其中，所述预设收敛条件包括所述第一预设收敛条件、所述第二预设收敛条件或所述第三预设收敛条件。
10.一种放疗计划生成装置，其特征在于，所述装置配置在处理器中，所述装置包括：
当前约束点确定模块，用于依据计划前图像和放疗处方，确定多个当前约束点，其中，每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点；
当前约束点更新模块，用于若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定所述目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足所述第一预设收敛条件；
放疗计划生成模块，用于将更新后的当前候选约束点作为所述目标约束点，并依据所述目标约束点生成所述目标放疗计划；
其中，当前约束点更新模块具体用于：利用预设评价函数对各当前约束点对应的放疗计划进行计划评价，确定评分最高的当前约束点，作为目标约束点对应的当前候选约束点。
11.一种计算机可读存储介质，其上存储有计算机程序，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如下方法，包括：
依据计划前图像和放疗处方，确定多个当前约束点，其中，每个当前约束点对应一组约束条件，且各当前约束点用于确定目标放疗计划对应的目标约束点；
若各当前约束点未满足第一预设收敛条件，则从各当前约束点中确定所述目标约束点对应的当前候选约束点，并基于当前候选约束点完成各当前约束点的移动，以迭代更新各当前约束点，直至更新后的各当前约束点满足所述第一预设收敛条件；
将更新后的当前候选约束点作为所述目标约束点，并依据所述目标约束点生成所述目标放疗计划；
其中，所述从各当前约束点中确定所述目标约束点对应的当前候选约束点包括：
利用预设评价函数对各当前约束点对应的放疗计划进行计划评价，确定评分最高的当前约束点，作为所述目标约束点对应的当前候选约束点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911156365.2A CN110931107B (zh) | 2019-11-22 | 2019-11-22 | 放疗计划生成系统、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911156365.2A CN110931107B (zh) | 2019-11-22 | 2019-11-22 | 放疗计划生成系统、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110931107A CN110931107A (zh) | 2020-03-27 |
| CN110931107B true CN110931107B (zh) | 2023-08-29 |
Family
ID=69850703
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911156365.2A Active CN110931107B (zh) | 2019-11-22 | 2019-11-22 | 放疗计划生成系统、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110931107B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037885B (zh) * | 2020-09-07 | 2022-05-17 | 平安科技（深圳）有限公司 | 放疗计划中的剂量预测方法、装置、计算机设备及存储介质 |
| WO2022187378A1 (en) * | 2021-03-03 | 2022-09-09 | Memorial Sloan-Kettering Cancer Center | Methods and systems for assigning radiotherapy plans to radiotherapy planning resources |
| 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 |
| CN117116421B (zh) * | 2023-10-24 | 2024-01-16 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 放疗计划的确定方法和装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1926552A (zh) * | 2003-12-12 | 2007-03-07 | 西安大略大学 | 用于对放射剂量输送进行优化的方法和系统 |
| CN101065742A (zh) * | 2004-10-28 | 2007-10-31 | 奈特普软体有限公司 | 最优化问题的求解方法及其系统 |
| WO2014170491A1 (fr) * | 2013-04-18 | 2014-10-23 | Universite De Rennes I | Procédé de production de données représentatives de contraintes de traitement de radiothérapie, dispositifs et programme correspondant |
| 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 |
| CN108066902A (zh) * | 2016-11-14 | 2018-05-25 | 上海东软医疗科技有限公司 | 一种子野信息确定方法和装置 |
| 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 |
| CN109248385A (zh) * | 2018-08-20 | 2019-01-22 | 北京东方瑞云科技有限公司 | 基于蒙特卡洛树搜索的放射治疗计划优化系统及方法 |
| CN109453473A (zh) * | 2018-12-30 | 2019-03-12 | 上海联影医疗科技有限公司 | 放射治疗计划系统、确定装置及存储介质 |
| CN110114117A (zh) * | 2016-12-30 | 2019-08-09 | 瓦里安医疗系统国际股份公司 | 使用优先化约束的交互式剂量操纵 |
| WO2019185378A1 (en) * | 2018-03-26 | 2019-10-03 | Koninklijke Philips N.V. | Decision support tool for adaptive radiotherapy in ct/linac console |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007509644A (ja) * | 2003-10-07 | 2007-04-19 | ノモス・コーポレーシヨン | 等角放射線治療のための計画システム、方法及び装置 |
| 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 |
| US20150202464A1 (en) * | 2014-01-23 | 2015-07-23 | Mitsubis | Multi-Criteria Optimization in Particle Beam Dose Optimization |
| US10279197B2 (en) * | 2016-03-30 | 2019-05-07 | Varian Medical Systems International Ag | Method and apparatus pertaining to radiation-treatment plan optimization |
-
2019
- 2019-11-22 CN CN201911156365.2A patent/CN110931107B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1926552A (zh) * | 2003-12-12 | 2007-03-07 | 西安大略大学 | 用于对放射剂量输送进行优化的方法和系统 |
| CN101065742A (zh) * | 2004-10-28 | 2007-10-31 | 奈特普软体有限公司 | 最优化问题的求解方法及其系统 |
| WO2014170491A1 (fr) * | 2013-04-18 | 2014-10-23 | Universite De Rennes I | Procédé de production de données représentatives de contraintes de traitement de radiothérapie, dispositifs et programme correspondant |
| CN108066902A (zh) * | 2016-11-14 | 2018-05-25 | 上海东软医疗科技有限公司 | 一种子野信息确定方法和装置 |
| 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 |
| CN110114117A (zh) * | 2016-12-30 | 2019-08-09 | 瓦里安医疗系统国际股份公司 | 使用优先化约束的交互式剂量操纵 |
| WO2019185378A1 (en) * | 2018-03-26 | 2019-10-03 | Koninklijke Philips N.V. | Decision support tool for adaptive radiotherapy in ct/linac console |
| 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 |
| CN109248385A (zh) * | 2018-08-20 | 2019-01-22 | 北京东方瑞云科技有限公司 | 基于蒙特卡洛树搜索的放射治疗计划优化系统及方法 |
| CN109453473A (zh) * | 2018-12-30 | 2019-03-12 | 上海联影医疗科技有限公司 | 放射治疗计划系统、确定装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于约束优先级列表的调强放疗自动多目标优化方法;麦燕华等;南方医科大学学报;第38卷(第06期);第691-696页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110931107A (zh) | 2020-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110931107B (zh) | 放疗计划生成系统、装置及存储介质 | |
| US11615873B2 (en) | Deep learning based dosed prediction for treatment planning and quality assurance in radiation therapy | |
| US10384080B2 (en) | Incremental treatment planning | |
| US20190299024A1 (en) | Physician directed radiation treatment planning | |
| CN110548231B (zh) | 放疗计划生成系统、装置及存储介质 | |
| JP2015532869A (ja) | 自動的な最適ｉｍｒｔ／ｖｍａｔ処置計画の生成 | |
| JP2017520319A (ja) | 放射線治療計画システム及び方法 | |
| JP7057754B2 (ja) | 反復治療計画における最適化方針の自動選択 | |
| JP6018327B2 (ja) | Ｉｍｒｔのための照射分布を決定するデバイス | |
| Van Haveren et al. | Lexicographic extension of the reference point method applied in radiation therapy treatment planning | |
| CN113226460B (zh) | 在放射疗法治疗规划的轨迹优化时并入多靶 | |
| CN111128340A (zh) | 放射治疗计划生成设备、装置和存储介质 | |
| CN110706780B (zh) | 放疗计划生成系统及存储介质 | |
| 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 | |
| Tomczyk et al. | On the elicitation of indirect preferences in interactive evolutionary multiple objective optimization | |
| CN110001066B (zh) | 一种三维打印最少分区填充方向确定方法 | |
| Filatovas et al. | A reference point-based evolutionary algorithm for approximating regions of interest in multiobjective problems | |
| CN112465371B (zh) | 一种资源数据分配方法、装置及设备 | |
| CN117521788A (zh) | 一种具有双参考向量引导的多模态多目标进化方法 | |
| Ziegenhein et al. | Interactive dose shaping part 1: a new paradigm for IMRT treatment planning | |
| Sudeng et al. | Adaptive geometric angle-based algorithm with independent objective biasing for pruning Pareto-optimal solutions | |
| CN112149669B (zh) | 放疗计划生成系统、装置及存储介质 | |
| US11651847B2 (en) | Dose volume histogram and dose distribution based autoplanning | |
| CN113440249A (zh) | 电极针消融数据的确定方法、装置、电子设备和存储介质 | |
| CN115966281B (zh) | 一种弧形放疗计划的生成方法、装置、设备及存储介质 |
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 |