CN110993059B - 一种最大剂量点优化方法、装置、电子设备及存储介质 - Google Patents
一种最大剂量点优化方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110993059B CN110993059B CN201911265880.4A CN201911265880A CN110993059B CN 110993059 B CN110993059 B CN 110993059B CN 201911265880 A CN201911265880 A CN 201911265880A CN 110993059 B CN110993059 B CN 110993059B
- Authority
- CN
- China
- Prior art keywords
- area
- region
- maximum dose
- ratio
- target
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Urology & Nephrology (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Radiation-Therapy Devices (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例公开了一种最大剂量点优化方法、装置、电子设备及存储介质。通过获取初始最大剂量区域,确定至少一个保护区域与初始最大剂量区域重叠的第一区域,以及确定初始最大剂量区域中除第一区域以外的第二区域,根据初始最大剂量区域、第一区域以及第二区域,确定目标区域,实现自动确定目标区域,然后获取目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于第一最大剂量值的第二最大剂量值对应的体素点进行剂量调节,解决了现有技术中需要医生有较多的经验对最大剂量点进行优化的问题,达到通过自动确定目标区域并自动对最大剂量点进行优化的目的,实现提高最大剂量点优化的效率和准确性的效果。
Description
技术领域
本发明实施例涉及放疗技术,尤其涉及一种最大剂量点优化方法、装置、电子设备及存储介质。
背景技术
近年来,放射治疗是恶性肿瘤的主要治疗手段之一,医生采用放疗计划系统(Radiotherapy Treatment Planning System,简称TPS)对放疗计划进行检查和批准时,通常都会对计划中的最大剂量点的位置进行检查和确认。一般地,可允许的最大剂量点的位置应当位于最大处方剂量靶区的体积内,且该位置应当不在危及器官体积内,若出现最大剂量点位置位于最大处方剂量靶区外,或者位于某个关键的危及器官(Organ Art Risk,简称OAR)内,该计划通常不会允许被执行照射,因为这样会对病人产生较大的伤害。
对此,现有技术中对TPS最大剂量点的位置进行优化时,医生需要调整TPS内的优化约束条件,或者手动绘制辅助结构并结合优化约束条件,对最大剂量点所在的OAR设置最大剂量进行约束,并给予较高的权重来调整最大剂量点的位置,满足放疗过程中对最大剂量点位置。
但是,现有技术中的最大剂量点位置调整方法需要医生多次尝试调整约束条件和添加多个辅助结构,无法自动对最大剂量点进行优化,并且需要医生有较多的经验,适用范围有限。
发明内容
本发明实施例提供了一种最大剂量点优化方法、装置、电子设备及存储介质,以实现自动确定最大剂量点,并提高最大剂量点优化的效率和准确性的效果。
第一方面,本发明实施例提供了一种最大剂量优化方法,其中,包括:
获取初始最大剂量区域;
确定至少一个保护区域与所述初始最大剂量区域重叠的第一区域,以及确定所述初始最大剂量区域中除所述第一区域以外的第二区域,其中,所述第一区域包括至少一个子区域,所述子区域为任一保护区域与所述初始最大剂量区域重叠的区域;
根据所述初始最大剂量区域、所述第一区域以及所述第二区域,确定目标区域;
获取所述目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于所述第一最大剂量值的所述第二最大剂量值对应的体素点进行剂量调节。
第二方面,本发明实施例还提供了一种最大剂量点优化装置,其中,包括:
获取模块,用于获取初始最大剂量区域;
第一确定模块,用于确定至少一个保护区域与所述初始最大剂量区域重叠的第一区域,以及确定所述初始最大剂量区域中除所述第一区域以外的第二区域;
第二确定模块,用于根据所述初始最大剂量区域、所述第一区域以及所述第二区域,确定目标区域;
剂量调节模块,用于获取所述目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于所述第一最大剂量值的所述第二最大剂量值对应的体素点进行剂量调节。
第三方面,本发明实施例还提供了一种电子设备,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,其中,所述处理器执行所述计算机程序时实现如第一方面中任一项所述的最大剂量优化方法。
第四方面,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,其中,所述计算机可执行指令在由计算机处理器执行时实现如第一方面中任一项所述的最大剂量点优化方法。
本发明实施例提供的技术方案,通过获取初始最大剂量区域,确定至少一个保护区域与初始最大剂量区域重叠的第一区域,以及确定初始最大剂量区域中除第一区域以外的第二区域,根据初始最大剂量区域、第一区域以及第二区域,确定目标区域,可以实现自动确定目标区域,然后获取目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于第一最大剂量值的第二最大剂量值对应的体素点进行剂量调节,解决了现有技术中需要医生有较多的经验对最大剂量点进行优化的问题,达到通过自动确定目标区域并自动对最大剂量点进行优化的目的,实现提高最大剂量点优化的效率和准确性的效果。
附图说明
图1为本发明实施例一提供的一种最大剂量优化方法的流程示意图;
图2为本发明实施例一提供的一种最大剂量点优化方法的逻辑示意图;
图3为本发明实施例二提供的一种最大剂量优化方法的流程示意图;
图4为本发明实施例二提供的一种目标区域确定方法的逻辑示意图;
图5为本发明实施例三提供的一种最大剂量优化方法的流程示意图;
图6为本发明实施例三提供的一种最大剂量点优化方法的逻辑示意图;
图7为本发明实施例四提供的一种最大剂量点优化装置的结构示意图;
图8为本发明实施例五提供的一种电子设备的结构示意图。
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1为本发明实施例一提供的一种最大剂量优化方法的流程示意图,本实施例可适用于自动确定最大剂量区域,并在确定最大剂量区域的基础上对不属于目标区域的最大剂量值进行自动调节的情况,该方法可以由最大剂量优化装置来执行,其中该装置可由软件和/或硬件实现,并一般集成在终端中。具体参见图1所示,该方法可以包括如下步骤:
S110,获取初始最大剂量区域。
其中,初始最大剂量区域可以理解为在放疗计划中,未优化前的最大处方剂量所在的区域,即未优化放疗靶区。可以理解的是,初始最大剂量区域可以是医生根据放疗项目手动确定的,也可以是终端通过分析待放疗对象的诊断图像自动确定的。示例性地,如果待放疗对象的左叶肺的上叶前段部位需要进行放疗,终端通过分析肺部扫描图像大致确定放疗靶区为左页肺的上叶位置,即确定初始最大剂量区域,以便于后续根据初始最大剂量区域确定目标区域。
S120,确定至少一个保护区域与初始最大剂量区域重叠的第一区域,以及确定初始最大剂量区域中除第一区域以外的第二区域。
其中,保护区域可以理解为危及器官。需要说明的是,可允许的最大剂量点位置应当位于最大剂量靶区的体积内,且该位置应当不在危及器官体积内,若出现最大剂量点位置位于最大剂量靶区外,或位于某个危及器官(Organ At Risk,简称OAR)内,该计划通常不会允许被执行照射,因为这样会对病人产生较大的伤害。
示例性地,医生想要对左页肺的上叶进行放射治疗,初始最大剂量区域确定为左页肺区域,并且,左页肺区域可能与动脉血管以及其他危及器官存在重叠的体素点,将动脉血管以及其他危及器官所属的区域确定为保护区域,这样,危及器官可以避免被高剂量射线照射。
其中,第一区域包括至少一个子区域,子区域为任一保护区域与初始最大剂量区域重叠的区域。示例性地,初始最大剂量区域记为P,至少一个保护区域均记为Q1、Q2、Q3和Q4,第一区域记为O,每个子区域分别记为O1、O2、O3和O4,第二区域记为M,其中,M=P-O。
S130,根据初始最大剂量区域、第一区域以及第二区域,确定目标区域。
其中,目标区域可以理解为目标靶区,即允许最大剂量点出现的区域。可选地,在确定目标区域时,可以通过计算第一区域与初始最大剂量区域的比值,或者,通过计算第二区域与初始最大剂量区域的比值,以及不断更新第一区域和第二区域以更新上述比值,通过上述比值自动确定目标区域。
S140,获取目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于第一最大剂量值的第二最大剂量值对应的体素点进行剂量调节。
其中,目标区域的第一最大剂量值可以对应目标靶区的最大剂量点。非目标区域可以理解为非目标靶区,即不允许最大剂量点出现的位置,第二最大剂量值可以对应非目标靶区内的最大剂量点。
可以理解的是,由于非目标靶区内的第二最大剂量值不允许超过第一剂量值,因此,需要按照预设剂量调节规则对大于第一最大剂量值的第二最大剂量值对应的体素点进行剂量调节,以降低非目标靶区内的第二最大剂量值,减少待放疗对象接受的辐射量。
可选地,可以通过以下方式对第二最大剂量值对应的体素点进行剂量调节:
调节第二最大剂量值对应的体素点的权重;
根据调节后的第二最大剂量值对应的体素点的权重、第二最大剂量值以及第一最大剂量值,按照预设目标函数对第二最大剂量值对应的体素点进行剂量调节;
可选地,本实施中,还可以获取对超过第一最大剂量值的第二最大剂量值对应体素点进行权重调整的当前调整次数,如果当前调整次数达到预设调整次数,将对超过第一最大剂量值的体素点的当前剂量作为优化结果输出。这样,通过上述方式可以实现对超过第一最大剂量值的第二最大剂量值对应体素点进行迭代调节,直至非目标区域内所有的第二最大剂量值均小于第一最大剂量值,完成剂量的自动优化。
可选地,还可以预先设置可配置项,用于可由医生手动选择最大剂量点的可允许区域以及禁止区域在,即手动选择目标区域和非目标区域,达到自动和手动结合进行最大剂量点优化的目的。
如图2所示为一种最大剂量点优化方法的逻辑示意图,结合图2解释上述优化过程:首先,获取最高处方剂量靶区内的所有体素点,判断最高处方剂量靶区内是否为允许最大剂量点出现的位置,其中,最高处方剂量靶区为待放疗区域,如果最高处方剂量靶区内允许最大剂量点出现,将最高处方剂量靶区划分为计划靶区区域(Planning Target Volume,简称PTV),即划分为初始最大剂量区域,如果最高处方剂量靶区内不允许最大剂量点出现,将最高处方剂量靶区划分为危及器官区域,即划分为保护区域;接着,对于划分的初始最大剂量区域,查找该区域内的最大剂量点并确定位置,判断该最大剂量点是否在允许区域内或者达到约定的调整次数,即判定最大剂量点位置是否位于保护区域或者达到预设调整次数,如果最大剂量点不在允许区域内且未达到约定的调整次数,统计PTV区域内的最大剂量点对应的体素点和最大剂量值,采用预设目标函数对不在允许区域内的超过最大剂量对应的体素点的剂量值进行剂量调节,并不断更新预设目标函数对目标函数进行迭代,直至不在允许区域内的最大剂量值小于允许区域内的最大剂量值或者达到预设调整次数,完成的最大剂量点的优化。
本发明实施例提供的技术方案,通过获取初始最大剂量区域,确定至少一个保护区域与初始最大剂量区域重叠的第一区域,以及确定初始最大剂量区域中除第一区域以外的第二区域,根据初始最大剂量区域、第一区域以及第二区域,确定目标区域,可以实现自动确定目标区域,然后获取目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于第一最大剂量值的第二最大剂量值对应的体素点进行剂量调节,解决了现有技术中需要医生有较多的经验对最大剂量点进行优化的问题,达到通过自动确定目标区域并自动对最大剂量点进行优化的目的,实现提高最大剂量点优化的效率和准确性的效果。
实施例二
图3为本发明实施例二提供的一种最大剂量优化方法的流程示意图。本实施例的技术方案对上述实施例进行了细化。可选地,所述根据所述初始最大剂量区域、所述第一区域以及所述第二区域,确定所述目标区域,包括:计算所述第二区域的体积占所述初始最大剂量区域的体积的第一比值;如果所述第一比值超过设定阈值,将所述第二区域作为所述目标区域。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图3所示,该方法可以包括如下步骤:
S310,获取初始最大剂量区域。
S320,确定至少一个保护区域与初始最大剂量区域重叠的第一区域,以及确定初始最大剂量区域中除第一区域以外的第二区域。
S330,计算第二区域的体积占初始最大剂量区域的体积的第一比值。
其中,第二区域的体积可以理解为第二区域包括的体素点所占的体积,最大剂量区域的体积可以理解为该区域包括的体素点所占的体积。示例性地,第二区域的体积为M,初始最大剂量区域的体积为P,第一比值B1=M/P。
S340,如果第一比值超过设定阈值,将第二区域作为目标区域。
其中,设定阈值可以理解为临界比值,用X%表示。可以理解的是,如果第一比值超过X%,可以说明初始最大剂量区域与保护区域重叠的体素点较少,也就是说,最大剂量点出现在第一区域的概率较低,可以直接将第二区域作为目标区域。
示例性地,医生想要对胃大弯部位进行放射治疗,将初始最大剂量区域(记为P)确定为胃中下部,初始最大剂量区域还可能与危及器官如脾(记为A)、胃下部(记为B)、胃小弯部位(记为C)以及动脉血管(记为D)存在重合的体素点,将每个危及器官与初始最大剂量区域重合的体素点分别记为O1、O2、O3和O4,即M=P-O1-O2-O3-O4。如果M与P的第二比值均超过设定阈值,则说明最大剂量点出现在第一区域的概率较低,将M即第二区域直接作为目标区域即可。
S350,如果第一比值未超过设定阈值,将第一区域中体积最大的子区域作为临时目标区域,更新第一区域和第二区域,并基于更新后的第二区域重复确定第一比值,直至第一比值超过设定阈值时,将更新后的第二区域和临时目标区域作为目标区域。
其中,临时目标区域为唯一子区域与初始最大剂量区域的共有区域。可以理解的是,如果第一比值未超过设定阈值,可以说明最大剂量点可能出现在第一区域,例如出现在第一区域中体积最大的子区域,则将第一区域中体积最大的子区域作为临时目标区域,也就是说,该子区域不进行后续迭代,采用其他子区域的体素点进行迭代,重新确定第一比值,如果重新确定的第一比值依然未超过设定阈值,重复执行更新第一区域和第二区域,并基于更新后的第二区域重复确定第一比值,直至第一比值超过设定阈值,将更新后的第二区域和所有临时目标区域作为目标区域。
如图4所示为本实施例提供的一种目标区域确定方法的逻辑示意图,结合图4解释上述S310-S350。首先,找到最大处方靶区,即找到初始最大剂量区域,然后查找并找出最大处方靶区内的体素点集P和保护区域重叠的点集O,计算M=P-O,并将M确定为可允许最大剂量出现的区域,即将M作为第二区域,然后判断M/P>X%是否成立,如果成立,直接将第二区域作为目标区域,并结束,如果不成立,找到对O贡献最大的保护区域,将O内唯一属于该保护区域的体素点删除,以及第一区域中体积最大的子区域作为临时目标区域,重新确定点击O,重复确定M,并重复执行判断M/P>X%是否成立,如果不成立,按照上述方式重复进行迭代,直至M/P>X%成立,将第二区域和临时目标区域作为目标区域。
S360,获取目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于第一最大剂量值的第二最大剂量值对应的体素点进行剂量调节。
本发明实施例提高的技术方案,通过计算第二区域的体积占初始最大剂量区域的体积的第一比值,如果第一比值超过设定阈值,将第二区域作为目标区域,如果第一比值未超过设定阈值,将第一区域中体积最大的子区域作为临时目标区域,更新第一区域和第二区域,并基于更新后的第二区域重复确定第一比值,直至第一比值超过设定阈值时,将更新后的第二区域和临时目标区域作为目标区域,可以达到快速准确的自动确定目标区域的目的,提高后续对最大剂量点进行优化的效率和效果。
实施例三
图5为本发明实施例三提供的一种最大剂量优化方法的流程示意图。本实施例的技术方案对上述实施例进行了细化。可选地,所述根据所述初始最大剂量区域、所述第一区域以及所述第二区域,确定所述目标区域,包括:计算任一子区域占所述初始最大剂量区域的第二比值;如果任一所述子区域的第二比值均未超过所述设定阈值,确定所述第一区域占所述初始最大剂量区域的第三比值;如果所述第三比值未超过所述设定阈值,将所述第二区域作为所述目标区域。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图5所示,上述S130可以包括如下步骤:
S1301,计算任一子区域占初始最大剂量区域的第二比值。
S1302,判断任一子区域的第二比值是否未均超过设定阈值,如果是,执行S1303,如果否,执行S1304。
S1303,确定第一区域占初始最大剂量区域的第三比值,并判断第三比值是否未超过设定阈值,如果是,执行S1305,如果否,执行S1306。
S1304,将第二比值超过设定阈值的子区域作为临时目标区域,并将第二比值未超过设定阈值的子区域之和作为当前第一区域,计算当前第一区域与初始最大剂量区域的第四比值,直至任一子区域的第二比值均未超过设定阈值,跳转到S1307。
采用与上述实施例中S340相同的举例对该步骤进行解释,将每个危及器官与初始最大剂量区域重合的体素点分别记为O1、O2、O3和O4,如果O2与P的第二比值超过设定阈值,可以将O2的区域作为临时目标区域,将O1+O3+O4作为当前第一区域,并计算O1+O3+O4与P的第四比值,以根据第四比值再次确定目标区域。
S1305,将第二区域作为目标区域。
可以理解的是,如果任一子区域的第二比值均未超过设定阈值,且第一区域与初始最大剂量区域的第三比值也未超过设定阈值,说明最大剂量点出现在第一区域的概率较低,直接将第二区域作为目标区域即可。
采用与上述实施例中S1304相同的举例对该步骤进行解释,如果O1、O2、O3和O4与P的第二比值均未超过设定阈值,且O1+O2+O3+O4与P的第三比值也未超过设定阈值,将P-O1-O2-O3-O4的区域即第二区域作为目标区域,以免危及器官被最大剂量的射线照射。
S1306,将第一区域中的体积最大的子区域排除并作为临时目标区域,更新当前第一区域,并基于更新后的当前第一区域重复确定第三比值,直至第三比值未超过设定阈值,将临时目标区域与第二区域作为目标区域。
采用与上述实施例中S1304相同的举例对该步骤进行解释,如果第三比值超过设定阈值,即O1+O2+O3+O4与P的第三比值超过设定阈值,则说明可能存在某一危及器官可以允许出现最大剂量,提取第一区域中的体积最大的子区域,例如胃下部B,将胃下部B作为临时目标区域,将胃下部B从当前第一区域中删除,将A+C+D作为更新后的当前第一区域,根据A+C+D重复确定第三比值,如果重新确定的第三比值未超过设定阈值,将胃下部B与第二区域即P-O1-O2-O3-O4与O2作为目标区域;如果重新确定的第三比值超过设定阈值,重复执行将第一区域中的体积最大的子区域排除并作为临时目标区域,更新当前第一区域,并基于更新后的当前第一区域重复确定第三比值,直至第三比值未超过设定阈值,并将所有确定的子区域与第二区域作为目标区域。这样,可以实现最大剂量区域的自动调整和自动确定。
S1307,判断第四比值是否未超过设定阈值,如果是,执行S1308,如果否,执行S1309。
S1308,将临时目标区域与第二区域作为目标区域。
可以理解的是,如果第四比值未超过设定阈值,说明最大剂量点出现在当前第一区域的概率较低,也就是说,当前第一区域不允许出现最大剂量点,将上述S1304确定的临时目标区域与第二区域作为目标区域即可。
S1309,将当前第一区域中的体积最大的子区域排除并作为临时目标区域,更新当前第一区域,并基于更新后的当前第一区域重复确定第四比值,直至第四比值未超过设定阈值,将临时目标区域与第二区域作为目标区域。
可以理解的是,如果第四比值超过设定阈值,说明当前第一区域存在可以允许出现最大剂量点的区域,例如体积最大的子区域,将该体积最大的子区域确定为临时目标区域,并将体积最大的子区域从当前第一区域中删除以重新确定当前第一区域并进行循环,直至第四比值未超过设定阈值,将所有确定的临时区域和第二区域确定为目标区域。
如图6所示为本发明实施例提供的一种最大剂量点优化方法的逻辑示意图,结合图6解释该实施例和上述实施例中的步骤。S1,找出最大处方靶区即初始最大剂量区域;S2,检查并找出最大处方靶区内的体素点集P中与OAR重叠的点集O;S3,记录点集O中每个体素点的归属OAR,即子区域;S4,分别计算每个归属OAR的重叠体积占最大处方靶区的百分比,即计算第二比值;S5,对每个归属OAR,判断第二比值是否大于设定X%,即判定任一子区域的第二比值是否未超过设定阈值,如果否,执行S6,如果是,执行S9;S6,计算点集O占P的百分比,即计算第三比值;S7,判断点集O占P的百分比是否大于设定值X%,即判断第三比值是否未超过设定阈值,如果否,执行S8,如果是,执行S10;S8,将最大处方靶区P减去重叠点集O后的点集为该最大处方靶区可允许最大剂量点出现的位置,即将第二区域确定为目标区域;S9,该归属OAR不计入该算法调整范围,更新点集O,并返回执行S4;S10,找出对O贡献最大的归属OAR,并更新点集O,即将该归属OAR作为临时目标区域,更新点集O,根据更新后的点集O重新O占P的百分比,即计算第四比值,返回执行S6。
本发明实施例提供的技术方案,通过计算任一子区域占初始最大剂量区域的第二比值,如果任一子区域的第二比值均未超过设定阈值,确定第一区域占初始最大剂量区域的第三比值,如果第三比值未超过设定阈值,将第二区域作为目标区域,如果存在某一子区域的第二比值超过设定阈值,或者,第三比值超过设定阈值,采用不断迭代方式确定目标区域,可以达到自动的确定目标区域的目的,实现最大剂量点的位置满足放疗的需求的目的。
实施例四
图7为本发明实施例四提供的一种最大剂量优化装置的结构示意图。参见图7所示,该装置包括:获取模块71、第一确定模块72、第二确定模块73以及剂量调节模块74。
其中,获取模块71,用于获取初始最大剂量区域;
第一确定模块72,用于确定至少一个保护区域与初始最大剂量区域重叠的第一区域,以及确定初始最大剂量区域中除第一区域以外的第二区域;
第二确定模块73,用于根据初始最大剂量区域、第一区域以及第二区域,确定目标区域;
剂量调节模块74,用于获取目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于第一最大剂量值的第二最大剂量值对应的体素点进行剂量调节。
在上述各技术方案的基础上,第二确定模块73还用于,计算第二区域的体积占初始最大剂量区域的体积的第一比值;
如果第一比值超过设定阈值,将第二区域作为目标区域。
在上述各技术方案的基础上,第二确定模块73还用于,如果第一比值未超过设定阈值,将第一区域中体积最大的子区域作为临时目标区域,更新第一区域和第二区域,并基于更新后的第二区域重复确定第一比值,直至第一比值超过设定阈值时,将更新后的第二区域和临时目标区域作为目标区域,其中,临时目标区域为唯一子区域与初始最大剂量区域的共有区域。
在上述各技术方案的基础上,第二确定模块73还用于,计算任一子区域占初始最大剂量区域的第二比值;
如果任一子区域的第二比值均未超过设定阈值,确定第一区域占初始最大剂量区域的第三比值;
如果第三比值未超过设定阈值,将第二区域作为目标区域。
在上述各技术方案的基础上,第二确定模块73还用于,如果任一子区域的第二比值超过设定阈值,将第二比值超过设定阈值的子区域作为临时目标区域,并将第二比值未超过设定阈值的子区域之和作为当前第一区域;
计算当前第一区域与初始最大剂量区域的第四比值;
当第四比值未超过设定阈值时,将临时目标区域与第二区域作为目标区域;
当第四比值超过设定阈值时,将当前第一区域中的体积最大的子区域排除并作为临时目标区域,更新当前第一区域,并基于更新后的当前第一区域重复确定第四比值,直至第四比值未超过设定阈值,将临时目标区域与第二区域作为目标区域。
在上述各技术方案的基础上,第二确定模块73还用于,如果第三比值超过设定阈值,将第一区域中的体积最大的子区域排除并作为临时目标区域,更新当前第一区域,并基于更新后的当前第一区域重复确定第三比值,直至第三比值未超过设定阈值,将临时目标区域与第二区域作为目标区域。
在上述各技术方案的基础上,剂量调节模块74还用于,调节第二最大剂量值对应的体素点的权重;
根据调节后的第二最大剂量值对应的体素点的权重、第二最大剂量值以及第一最大剂量值,按照预设目标函数对第二最大剂量值对应的体素点进行剂量调节;
在上述各技术方案的基础上,剂量调节模块74还用于,获取对超过第一最大剂量值的第二最大剂量值对应体素点进行权重调整的当前调整次数;
如果当前调整次数达到预设调整次数,将对超过第一最大剂量值的体素点的当前剂量作为优化结果输出。
本发明实施例提供的技术方案,通过获取初始最大剂量区域,确定至少一个保护区域与初始最大剂量区域重叠的第一区域,以及确定初始最大剂量区域中除第一区域以外的第二区域,根据初始最大剂量区域、第一区域以及第二区域,确定目标区域,可以实现自动确定目标区域,然后获取目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于第一最大剂量值的第二最大剂量值对应的体素点进行剂量调节,解决了现有技术中需要医生有较多的经验对最大剂量点进行优化的问题,达到通过自动确定目标区域并自动对最大剂量点进行优化的目的,实现提高最大剂量点优化的效率和准确性的效果。
实施例五
图8为本发明实施例五提供的一种电子设备的结构示意图。图8示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图8显示的电子设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图8未显示,通常称为“硬盘驱动器”)。尽管图8中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如最大剂量点优化装置的获取模块71、第一确定模块72、第二确定模块73以及剂量调节模块74)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(例如最大剂量点优化装置的获取模块71、第一确定模块72、第二确定模块73以及剂量调节模块74)程序模块46的程序/实用工具44,可以存储在例如存储器28中,这样的程序模块46包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块46通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种最大剂量优化方法,该方法包括:
获取初始最大剂量区域;
确定至少一个保护区域与初始最大剂量区域重叠的第一区域,以及确定初始最大剂量区域中除第一区域以外的第二区域,其中,第一区域包括至少一个子区域,子区域为任一保护区域与初始最大剂量区域重叠的区域;
根据初始最大剂量区域、第一区域以及第二区域,确定目标区域;
获取目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于第一最大剂量值的第二最大剂量值对应的体素点进行剂量调节。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种最大剂量优化方法。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的一种最大剂量优化方法的技术方案。
实施例六
本发明实施例六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,该程序被处理器执行时实现如本发明实施例所提供的一种最大剂量优化方法,该方法包括:
获取初始最大剂量区域;
确定至少一个保护区域与初始最大剂量区域重叠的第一区域,以及确定初始最大剂量区域中除第一区域以外的第二区域,其中,第一区域包括至少一个子区域,子区域为任一保护区域与初始最大剂量区域重叠的区域;
根据初始最大剂量区域、第一区域以及第二区域,确定目标区域;
获取目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于第一最大剂量值的第二最大剂量值对应的体素点进行剂量调节。
当然,本发明实施例所提供的一种计算机可读存储介质,其上存储的计算机程序不限于如上的方法操作,还可以执行本发明任意实施例所提供的一种最大剂量优化方法中的相关操作。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在初始最大剂量区域、第一区域、第二区域等,其中承载了计算机可读的程序代码。这种传播的初始最大剂量区域、第一区域、第二区域等形式。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
值得注意的是,上述最大剂量优化装置的实施例中,所包括的各个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 (7)
1.一种最大剂量点优化装置,其特征在于,包括:
获取模块,用于获取初始最大剂量区域;
第一确定模块,用于确定至少一个保护区域与所述初始最大剂量区域重叠的第一区域,以及确定所述初始最大剂量区域中除所述第一区域以外的第二区域;
第二确定模块,用于根据所述初始最大剂量区域、所述第一区域以及所述第二区域之间的比值,确定目标区域;所述目标区域为目标靶区,所述目标靶区为允许最大剂量点出现的区域;
剂量调节模块,用于获取所述目标区域的第一最大剂量值和非目标区域的第二最大剂量值,并基于预设剂量调节规则对大于所述第一最大剂量值的所述第二最大剂量值对应的体素点进行剂量调节;所述非目标区域为非目标靶区,所述非目标靶区为不允许最大剂量点出现的位置。
2.根据权利要求1所述的装置,其特征在于,所述第二确定模块还用于:
计算第二区域的体积占初始最大剂量区域的体积的第一比值;
如果第一比值超过设定阈值,将第二区域作为目标区域。
3.根据权利要求2所述的装置,其特征在于,第二确定模块还用于:
如果第一比值未超过设定阈值,将第一区域中体积最大的子区域作为临时目标区域,更新第一区域和第二区域,并基于更新后的第二区域重复确定第一比值,直至第一比值超过设定阈值时,将更新后的第二区域和临时目标区域作为目标区域,其中,临时目标区域为唯一子区域与初始最大剂量区域的共有区域。
4.根据权利要求1所述的装置,其特征在于,第二确定模块还用于:
计算任一子区域占初始最大剂量区域的第二比值;
如果任一子区域的第二比值均未超过设定阈值,确定第一区域占初始最大剂量区域的第三比值;
如果第三比值未超过设定阈值,将第二区域作为目标区域。
5.根据权利要求4所述的装置,其特征在于,第二确定模块还用于:
如果任一子区域的第二比值超过设定阈值,将第二比值超过设定阈值的子区域作为临时目标区域,并将第二比值未超过设定阈值的子区域之和作为当前第一区域;
计算当前第一区域与初始最大剂量区域的第四比值;
当第四比值未超过设定阈值时,将临时目标区域与第二区域作为目标区域;
当第四比值超过设定阈值时,将当前第一区域中的体积最大的子区域排除并作为临时目标区域,更新当前第一区域,并基于更新后的当前第一区域重复确定第四比值,直至第四比值未超过设定阈值,将临时目标区域与第二区域作为目标区域。
6.根据权利要求4所述的装置,其特征在于,第二确定模块还用于:
如果第三比值超过设定阈值,将第一区域中的体积最大的子区域排除并作为临时目标区域,更新当前第一区域,并基于更新后的当前第一区域重复确定第三比值,直至第三比值未超过设定阈值,将临时目标区域与第二区域作为目标区域。
7.根据权利要求1所述的装置,其特征在于,剂量调节模块还用于,调节第二最大剂量值对应的体素点的权重;
获取对超过第一最大剂量值的第二最大剂量值对应体素点进行权重调整的当前调整次数;
如果当前调整次数达到预设调整次数,将对超过第一最大剂量值的体素点的当前剂量作为优化结果输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911265880.4A CN110993059B (zh) | 2019-12-11 | 2019-12-11 | 一种最大剂量点优化方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911265880.4A CN110993059B (zh) | 2019-12-11 | 2019-12-11 | 一种最大剂量点优化方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110993059A CN110993059A (zh) | 2020-04-10 |
CN110993059B true CN110993059B (zh) | 2023-06-09 |
Family
ID=70092343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911265880.4A Active CN110993059B (zh) | 2019-12-11 | 2019-12-11 | 一种最大剂量点优化方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110993059B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113539420B (zh) * | 2021-06-30 | 2023-07-25 | 上海联影医疗科技股份有限公司 | 剂量控制系统、装置和存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030212325A1 (en) * | 2002-03-12 | 2003-11-13 | Cristian Cotrutz | Method for determining a dose distribution in radiation therapy |
AU2003228757A1 (en) * | 2002-04-29 | 2003-11-17 | University Of Miami | Intensity modulated radiotherapy inverse planning algorithm |
US7529339B2 (en) * | 2003-12-12 | 2009-05-05 | University Of Western Ontario | Method and system for optimizing dose delivery of radiation |
WO2016198979A1 (en) * | 2015-06-08 | 2016-12-15 | Koninklijke Philips N.V. | Radiation therapy optimization unit with global considerations |
US20180099151A1 (en) * | 2016-10-11 | 2018-04-12 | Mitsubishi Electric Research Laboratories, Inc. | Method of Visualizing and Setting Dose Constraints for Radiation Therapy |
US10828509B2 (en) * | 2018-02-13 | 2020-11-10 | Varian Medical Systems International Ag | Optimizing radiation dose to overlapping structures |
EP3530318A1 (en) * | 2018-02-21 | 2019-08-28 | Elekta Limited | Methods for inverse planning |
EP3551287B1 (en) * | 2018-03-02 | 2020-04-15 | Brainlab AG | Irradiation treatment planning based on target coverage reduction |
CN108711447B (zh) * | 2018-05-23 | 2022-05-03 | 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 |
CN110548231B (zh) * | 2019-09-12 | 2021-11-05 | 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 |
-
2019
- 2019-12-11 CN CN201911265880.4A patent/CN110993059B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110993059A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hwang et al. | Clinical implementation of deep learning in thoracic radiology: potential applications and challenges | |
MacGregor et al. | Identifying institutional diagnostic reference levels for CT with radiation dose index monitoring software | |
CA3047564C (en) | Method and system for determining tumor burden in medical images | |
US10460441B2 (en) | Trachea marking | |
Fletcher et al. | Observer performance in the detection and classification of malignant hepatic nodules and masses with CT image-space denoising and iterative reconstruction | |
Fletcher et al. | Observer performance with varying radiation dose and reconstruction methods for detection of hepatic metastases | |
CN107451995B (zh) | 在cta图像中提取心血管方法、装置、设备及存储介质 | |
CN111062963B (zh) | 一种血管提取方法、系统、设备及存储介质 | |
CN112116615A (zh) | 根据血管中心线获取血管轮廓线的方法和装置 | |
Kim et al. | Effect of CT reconstruction algorithm on the diagnostic performance of radiomics models: a task-based approach for pulmonary subsolid nodules | |
KR102612400B1 (ko) | 종양 이미지를 분석하여 암 예후에 대한 예측이 가능한 예측 모델의 학습 방법, 장치 및 프로그램 | |
CN110993059B (zh) | 一种最大剂量点优化方法、装置、电子设备及存储介质 | |
CN111445550B (zh) | Pet图像的迭代重建方法、装置和计算机可读存储介质 | |
US20080075345A1 (en) | Method and System For Lymph Node Segmentation In Computed Tomography Images | |
CN110223761B (zh) | 一种勾勒数据导入方法、装置、电子设备及存储介质 | |
Lee et al. | Deep learning to optimize candidate selection for lung cancer CT screening: advancing the 2021 USPSTF recommendations | |
US20190198159A1 (en) | Method and system for validating parameters in a medical study | |
WO2023169578A1 (zh) | 一种用于介入手术的图像处理方法、系统和装置 | |
CN113888566B (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
CN109754472B (zh) | 一种组织轮廓编辑方法、装置、计算机设备及存储介质 | |
CN116777887A (zh) | 血管中心线树的提取方法、装置、设备、介质及程序产品 | |
US20220383491A1 (en) | Tissue boundary determination apparatus and method | |
US20200043583A1 (en) | System and method for workflow-sensitive structured finding object (sfo) recommendation for clinical care continuum | |
US20180121813A1 (en) | Non-leading computer aided detection of features of interest in imagery | |
CN112116608B (zh) | 一种导丝分割方法、装置、电子设备及存储介质 |
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 | ||
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 |