CN112149669A - 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
- CN112149669A CN112149669A CN202011008481.2A CN202011008481A CN112149669A CN 112149669 A CN112149669 A CN 112149669A CN 202011008481 A CN202011008481 A CN 202011008481A CN 112149669 A CN112149669 A CN 112149669A
- Authority
- CN
- China
- Prior art keywords
- dose
- target
- region
- organ
- sampling point
- 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
Links
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Urology & Nephrology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Multimedia (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (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:获取感兴趣区域对应的初始剂量分布,以及设置感兴趣区域内的采样点的第一目标剂量和第一权重因子;基于采样点的第一目标剂量和第一权重因子,对初始剂量分布进行优化,得到中间剂量分布;从采样点中确定当前待优化的目标采样点,对目标采样点的第一权重因子进行调整,并基于调整后的权重因子对中间剂量分布进行迭代优化生成放疗计划,能够快速便捷地生成高质量放疗计划。
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、装置及存储介质。
背景技术
放疗是利用放射线治疗肿瘤的一种局部治疗方法。在生成放疗计划时,通常旨在提高肿瘤组织区域(可称为靶区)剂量,同时尽可能地保护正常器官,降低正常器官的受照剂量。
现有技术中,放疗计划的生成系统常基于下述方法生成放疗计划:1.基于历史数据的剂量体积直方图(Dose Volume Histogram,DVH)预测方法,该方法根据历史数据进行预测模型训练,并通过训练完成的预测模型进行剂量分布预测;2.基于给定目标条件的自动优化剂量分布方法,该方法根据物理师输入的给定信息生成放疗计划。
现有技术的不足之处至少包括:1.基于历史数据的DVH预测方法,其预测模型对训练数据非常敏感,导致对优质的历史放疗计划的整合、筛选及检查耗时较长,并且完成预测模型的训练时间周期也较长;2.基于给定目标条件的自动优化剂量分布方法,物理师需要输入大量的信息,且优化时间也较长。
发明内容
本发明实施例提供了一种放疗计划生成系统、装置及存储介质,能够快速便捷地生成高质量放疗计划。
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:
获取感兴趣区域对应的初始剂量分布,以及设置所述感兴趣区域内的采样点的第一目标剂量和第一权重因子;
基于所述采样点的第一目标剂量和第一权重因子,对所述初始剂量分布进行优化,得到中间剂量分布;
从所述采样点中确定当前待优化的目标采样点,对所述目标采样点的第一权重因子进行调整,并基于调整后的权重因子对所述中间剂量分布进行迭代优化生成放疗计划。
第二方面,本发明实施例还提供了一种放疗计划的生成装置,包括:
第一分布生成模块,用以获取感兴趣区域对应的初始剂量分布,以及设置所述感兴趣区域内的采样点的第一目标剂量和第一权重因子;
第二分布生成模块,用以基于所述采样点的第一目标剂量和第一权重因子,对所述初始剂量分布进行优化,得到中间剂量分布;
优化模块,用于从所述采样点中确定当前待优化的目标采样点,对所述目标采样点的第一权重因子进行调整,并基于调整后的权重因子对所述中间剂量分布进行迭代优化生成放疗计划。
第三方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,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步骤:
获取感兴趣区域对应的初始剂量分布,以及设置所述感兴趣区域内的采样点的第一目标剂量和第一权重因子;
基于所述采样点的第一目标剂量和第一权重因子,对所述初始剂量分布进行优化,得到中间剂量分布;
从所述采样点中确定当前待优化的目标采样点,对所述目标采样点的第一权重因子进行调整,并基于调整后的权重因子对所述中间剂量分布进行迭代优化生成放疗计划。
本发明实施例提供的放疗计划生成系统的技术方案,在获取感兴趣区域对应的初始剂量分布之后,针对感兴趣区域中的目标采样点,可进行剂量分布的迭代优化,具体可以是:首先,可设置各采样点的第一目标剂量和第一权重因子,并根据采样点的第一目标剂量和第一权重因子,对初始剂量分布进行优化,得到中间剂量分布;然后,可从采样点中确定当前待优化的目标采样点,对目标采样点的第一权重因子进行调整,并基于调整后的权重因子对中间剂量分布进行迭代优化;最后,可根据优化完毕的剂量分布生成放疗计划。通过针对放疗区域内每个采样点,自动调整权重因子,并进行剂量优化,无需经过模型的前期准备及训练过程,也无需物理师输入大量信息,能够实现快速便捷地生成高质量放疗计划。
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的生成系统的结构示意图;
图2是本发明实施例一提供的另一种放疗计划的生成系统的结构示意图;
图3是本发明实施例一提供的处理器在执行程序时实现的步骤流程图;
图4是本发明实施例一提供的放疗计划的生成系统中靶区与危及器官区域示意图;
图5是本发明实施例二提供的处理器在执行程序时实现的获取感兴趣区域对应的初始剂量分布的流程图;
图6是本发明实施例二提供的处理器在执行程序时实现的另一种获取感兴趣区域对应的初始剂量分布的流程图;
图7是本发明实施例五提供的处理器在执行程序时实现的步骤流程图;
图8是本发明实施例六提供的放疗计划的生成装置的结构示意图。
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。下述各实施例中,每个实施例中同时提供了可选特征和示例,实施例中记载的各个特征可进行组合,形成多个可选方案,不应将每个编号的实施例仅视为一个技术方案。
实施例一
图1是本发明实施例一提供的放疗计划的生成系统的结构示意图。本实施例的技术方案适用于放疗计划的生成情况,尤其适用于通过优化感兴趣区域各采样点的剂量,以优化放疗计划的剂量分布的情况。
如图1所示,本发明实施提供的放疗计划的生成系统(下文可简称为生成系统),可以采用软件和/或硬件的方式实现,可包括存储器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,可实现本发明任意一个实施例提供的放疗计划的生成步骤。
此外,生成系统还可以包括其他组件,示例性的,图2是本发明实施例一提供的另一种放疗计划的生成系统的结构示意图。
如图2所示,生成系统10以通用计算设备的形式表现,该设备是承担放疗计划生成功能的生成系统。生成系统10的组件可以包括但不限于:存储器11,一个或者多个处理器12,连接不同组件(包括存储器11和处理器12)的总线13。
总线13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(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
生成系统10典型地包括多种计算机可读介质。这些介质可以是任何能够被生成系统10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。存储器11可以包括易失性介质,例如随机存取存储器(Random Access Memory,RAM)111和/或高速缓存存储器112。仅作为举例,存储系统113可以用于读写不可移动的、非易失性磁介质(图2未显示,通常称为“硬盘驱动器”)。尽管图2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(例如只读光盘(CompactDisc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,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13相连。存储器11可以包括至少一个程序产品114,该程序产品114具有一组程序模块1141,这些程序模块被配置以执行本发明各实施例的功能。程序产品114,可以存储在例如存储器11中,这样的程序模块1141包括但不限于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1141通常执行本发明所描述的实施例中的功能和/或方法步骤。
生成系统10也可以与一个或多个外部设备14(例如键盘、鼠标、摄像头等和显示器)通信,还可与一个或者多个使得用户能与该生成系统10交互的设备通信,和/或与使得该生成系统10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15进行。并且,生成系统10还可以通过网络适配器16与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网WideArea Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器16通过总线13与生成系统10的其它模块通信。应当明白,尽管图中未示出,可以结合生成系统10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、磁盘阵列(Redundant Arrays of Independent Disks,RAID)装置、磁带驱动器以及数据备份存储装置等。
可以理解的是,图2显示的生成系统10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。
图3是本发明实施例一提供的处理器在执行程序时实现的步骤流程图。如图3所示,生成系统的处理器执行程序时,可实现放疗计划的生成步骤包括:
S100、获取感兴趣区域对应的初始剂量分布,以及设置感兴趣区域内的采样点的第一目标剂量和第一权重因子。
本发明实施例中,感兴趣区域为预先采集的医学图像中组织器官的区域,包括但不限于肿瘤组织所属器官的区域,且可将肿瘤组织所属器官的区域称为靶区(PlanningTarget Volume,PTV)。在对靶区进行放疗时可能危及到正常器官,可将危及到的正常器官称为危及器官,且危及器官对应的区域同样可以包含于感兴趣区域内。
其中,基于初始条件可计算出靶区剂量分布和危及器官区域剂量分布,以获取到感兴趣区域对应的初始剂量分布。其中,初始条件例如可以是靶区的处方剂量和危及器官的剂量要求,又如可以是靶区和危及器官区域的区域勾画结果,且其他可用于计算初始剂量分布的条件可皆包含于初始条件范围内,在此不做穷举。
其中,设置感兴趣区域的采样点的第一目标剂量和第一权重因子的步骤,例如可以是:针对计算初始剂量分布过程中感兴趣区域的采样点,或者生成初始剂量分布后,对感兴趣区域中靶区和各危及器官区域重新采样的采样点,按区域分别对采样点进行第一目标剂量和第一权重因子的设置。其中,各采样点的第一目标剂量即为剂量分布优化过程中,各采样点的剂量的优化目标,同一感兴趣区域内采样点的第一目标剂量相同,不同感兴趣区域内采样点的第一目标剂量可相同,也可不同。通常设置靶区内的采样点的第一目标剂量大于危及器官区域的采样点的第一目标剂量,旨在提高靶区剂量,同时尽可能降低正常器官的受照剂量;并且,设置靶区内的采样点的第一权重因子大于危及器官区域的采样点的权重因子,旨在优先满足靶区内的剂量约束条件。
示例性的,图4是本发明实施例一提供的放疗计划的生成系统中靶区与危及器官区域示意图。如图4所示,“PTV”可表示靶区,“or_1”可表示危及器官or_1对应的区域(即危及器官区域),靶区和危及器官区域内的点可表示采样点。其中,采样点可以经过均匀采样得到,也可以根据靶区或危及器官区域的形状等特征,经过不均匀采样得到。例如,当靶区或危及器官的形状比较规则时,可以用均匀网格对区域进行划分,每个划分后的网格代表一个采样点;再例如,当靶区或危及器官区域的边缘形状越不规范时,经不均匀采样后,得到的采样点越多,有利于剂量分布优化。可以理解的是,图4显示的靶区、危及器官区域以及采样点仅仅是一个示例,不应对本发明实施例中靶区形状、危及器官个数、各危及器官区域形状以及采样点的形式等带来任何限制。
S200、基于采样点的第一目标剂量和第一权重因子,对初始剂量分布进行优化,得到中间剂量分布。
在根据初始条件生成初步剂量分布之后,可根据靶区和各危及器官区域的各采样点的剂量约束条件,即各采样点的第一目标剂量和第一权重因子,在初始剂量分布基础上进一步优化,得到中间剂量分布。
在优化得到中间剂量分布之后,进而可确定中间剂量分布与初始剂量分布的差异程度,该差异程度可以用于指导目标采样点的第一权重因子的调整策略。例如,当中间剂量分布与初始剂量分布差异较大时,可将目标采样点的第一权重因子的调整幅度增大,当中间剂量分布与初始剂量分布差异较小时,可将目标采样点的第一权重因子的调整幅度减小,从而使得剂量分布优化更加准确合理。
S300、从采样点中确定当前待优化的目标采样点,对目标采样点的第一权重因子进行调整,并基于调整后的权重因子对中间剂量分布进行迭代优化生成放疗计划。
根据各采样点的第一目标剂量和第一权重因子优化得到的中间剂量分布,通常只能满足靶区和各危及区域中的采样点部分满足剂量要求。通过依次确定当前待优化的目标采样点,对目标采样点进行第一权重因子调整,并根据调整后的各采样点的权重因子,以各采样点满足对应的第一目标剂量为优化目标,进一步优化剂量分布,能够实现精度更高的剂量分布优化,从而可大大提高剂量分布质量。
本实施例中,从采样点中确定当前待优化的目标采样点,可以按区域选取目标采样点,并且可以于当前待优化区域的采样点在预设比例上满足了当前待优化区域的优化截止条件时,进行下一待优化区域的目标采样点确定。其中,当前待优化区域的采样点在预设比例上满足当前待优化区域的优化截止条件,例如可以是靶区内全部采样点满足了第一目标剂量,或者可以是危及器官区域内95%的采样点满足了当前剂量限定类型的剂量要求。其中,预设比例可根据实际应用场景进行设置,在此不对其进行限制。
其中,对目标采样点的第一权重因子进行调整,并基于调整后的权重因子对中间剂量分布进行迭代优化生成放疗计划,具体例如是:对当前确定的目标采样点的第一权重因子进行调整;在调整完第一权重因子后,可基于调整后的第一权重因子,对前一次优化完毕的剂量分布基础上,再次进行优化;在优化完毕后,可判断当前待优化区域的采样点是否在预设比例上满足了当前待优化区域的优化截止条件,若是则可进行下一区域的目标采样点确定,若否则可继续在当前待优化区域选取目标采样点,以实现中间剂量分布的迭代优化。通过自动调整靶区和危及器官区域的目标采样点的第一权重因子,能够帮助物理师节省大量的时间和精力去反复调整参数及优化。
在各待优化区域的优化次数达到预设次数,或者各待优化区域的采样点在预设比例上满足了当前待优化区域的优化截止条件时,可以认为对中间剂量分布优化完毕,进而可以根据优化完毕的剂量分布生成放疗计划。
本发明实施例提供的放疗计划生成系统的技术方案,在获取感兴趣区域对应的初始剂量分布之后,针对感兴趣区域中的目标采样点,可进行剂量分布的迭代优化,具体可以是:首先,可设置各采样点的第一目标剂量和第一权重因子,并根据采样点的第一目标剂量和第一权重因子,对初始剂量分布进行优化,得到中间剂量分布;然后,可从采样点中确定当前待优化的目标采样点,对目标采样点的第一权重因子进行调整,并基于调整后的权重因子对中间剂量分布进行迭代优化;最后,可根据优化完毕的剂量分布生成放疗计划。通过针对放疗区域内每个采样点,自动调整权重因子,并进行剂量优化,无需经过模型的前期准备及训练过程,也无需物理师输入大量信息,能够实现快速便捷地生成高质量放疗计划。
实施例二
本实施例提供的生成系统,能够与上述实施例中所提供的生成系统中各个可选方案相结合。本实施例提供的生成系统,对上述步骤S100进行了详细阐述,能够实现通过神经网络预测模型,或者剂量约束条件生成初始剂量分布,以及实现为靶区和危及器官区域的采样点分别设置第一目标剂量和第一权重因子。
图5是本发明实施例二提供的处理器在执行程序时实现的获取感兴趣区域对应的初始剂量分布的流程图。如图5所示,在一种可选的实施方式中,获取感兴趣区域对应的初始剂量分布,包括:
S111、在预采集的图像上进行勾画确定感兴趣区域,感兴趣区域包含靶区以及危及器官区域。
其中,在预采集的图像上进行感兴趣区域的勾画,可以是利用图像处理方式进行自动勾画,且自动勾画完毕后可根据接收的用户操作进行勾画修改和确认等。其中,用于自动勾画的图像处理方法,包括但不限于:基于区域的分割方法、基于边缘的分割方法和基于几何变形模型的分割方法等。此外,在预采集的图像上进行感兴趣区域的勾画,也可以是人为手动勾画,在此不做具体限定。
S112、获取靶区的处方剂量以及危及器官区域的剂量要求。
本实施例中,可根据用户操作确定感兴趣区域中的靶区,以及可接收用户输入的靶区的处方剂量。其中,可预先设置靶区、靶区的处方剂量,与危及器官区域、危及器官区域的剂量要求之间对应关系,进而根据该预设的对应关系,可获取用户输入的靶区、靶区的处方剂量对应的危及器官区域、危及器官区域的剂量要求。此外,获取危及器官的剂量要求也可以是,根据用户操作,确定危及器官、危及器官区域的剂量要求。
其中,危及器官区域的剂量要求可用于生成本次初始剂量分布,也可用于确定各危及器官区域的优化截至条件,有利于根据用户意愿生成初始剂量分布,以及进行剂量分布优化,以使生成的放疗计划可符合用户意愿,满足用户需求。
S113、根据靶区的处方剂量和危及器官区域的剂量要求,生成剂量约束条件。
其中,剂量约束条件可以包括靶区的剂量约束条件和危及器官区域的约束条件,且靶区和各危及器官区域的约束条件可以分别为至少一条。其中,危及器官的剂量限定类型可以为多种,可根据靶区的处方剂量,和危及器官的其中一种类型的剂量要求(例如优选期望要求的剂量要求,可选最低要求的剂量要求)生成剂量约束条件,且剂量约束条件可采用约束列表的形式进行存储。
S114、根据勾画的靶区和危及器官区域,以及剂量约束条件,生成初始剂量分布。
其中,根据勾画的靶区和危及器官区域,以及剂量约束条件,生成初始剂量分布的步骤可以包括:为勾画的靶区和各危及器官区域的设置约束权重;利用剂量约束条件,根据设置的约束权重进行一次或几次常规优化,得到优化结果并将靶区采样点的剂量归一至处方剂量,即可得到初始剂量分布。
其中,靶区的约束权重可以设置为最大值,各危及器官区域的约束权重可按照危及器官优先级依次降低。例如,靶区的约束权重可以为5000,最高优先级的危及器官的约束权重可以为500,并可按照优先级降低的顺序依次减少约束权重。通过设置靶区的约束权重远远大于危及器官区域的约束权重,可生成首先满足靶区内的剂量约束条件的初步剂量分布。
图6是本发明实施例二提供的处理器在执行程序时实现的另一种获取感兴趣区域对应的初始剂量分布的流程图。如图6所示,在一种可选的实施方式中,获取感兴趣区域对应的初始剂量分布,包括:
S121、在预采集的图像上进行勾画确定感兴趣区域。
其中,在预采集的图像上进行感兴趣区域的勾画的方法,可参考S111步骤中的勾画方法,在此不做赘述。此外,勾画的感兴趣区域同样包括靶区和危及器官区域。
S122、将勾画后的图像输入神经网络预测模型,并基于神经网络预测模型输出感兴趣区域对应的初始剂量分布。
其中,神经网络预测模型通过样本勾画图像和样本目标剂量分布训练获得。其中,样本勾画图像中可将靶区和危及器官区域分别勾画出来,样本目标剂量分布可以为针对每个样本勾画图像,生成的优化后的剂量分布。通常情况下,样本勾画图像和样本目标剂量分布的样本数量越大,通过根据样本勾画图像和样本目标剂量分布训练得到的神经网络预测模型的生成剂量分布的效果越佳。
通过将将勾画靶区和危及器官区域的图像,输入训练完毕的神经网络预测模型,能够基于该神经网络预测模型输出感兴趣区域对应的初始剂量分布。
在一些可选的的实施方式中,在获取感兴趣区域对应的初始剂量分布之后,设置感兴趣区域内的采样点的第一目标剂量和第一权重因子,包括:对感兴趣区域中的靶区和危及器官区域的采样点,分别设置第一权重因子;根据靶区的处方剂量为靶区的采样点设置第一目标剂量,以及根据初始剂量分布为危及器官区域的采样点设置第一目标剂量。
其中,在得到初步剂量分布之后,可采用点约束的方式对剂量分布进行进一步优化。其中,靶区和危及器官区域的第一目标剂量可以分别包括至少一种剂量,且可以对每一种剂量设置第一权重因子。
示例性的,为靶区内的采样点设置第一目标剂量和第一权重因子,例如可以是,针对靶区内的采样点,设置最小目标剂量为处方剂量值,最大目标剂量为1.06倍的处方剂量值,并设置其最小目标剂量和最大目标剂量的第一权重因子为1000。其中,为各危及器官区域设置第一目标剂量和第一权重因子,例如可以是,针对危及器官内的采样点,不对其设置最小目标剂量,设置最大目标剂量为,0.99倍采样点对应的初始剂量分布的剂量,并设置其最大目标剂量的第一权重因子为500。可以理解为,上述第一目标剂量和第一权重因子设置过程中所需的参数具体仅为示例性举例,并不对靶区和各危及器官的第一目标剂量和第一权重因子的设置过程带来限制。
本发明实施例提供的生成系统,能够实现通过神经网络预测模型,或者剂量约束条件生成初始剂量分布,以及实现为靶区和危及器官区域的采样点分别设置第一目标剂量和第一权重因子。此外,本实施例提供的生成系统与上述实施例提供的生成系统属于同一技术构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且相同的技术特征在本实施例与上述实施例中具有相同的有益效果。
实施例三
本实施例提供的生成系统,能够与上述实施例中所提供的生成系统中各个可选方案相结合。本实施例提供的生成系统,对危及器官区域的剂量要求的配置步骤,以及剂量约束条件的生成步骤进行了优化,能够实现通过配置界面配置表征用户生成放疗计划的需求的各危及器官的剂量要求,以及生成用于生成初始剂量分布的约束条件。
在一些可选的实施方式中,危及器官区域的剂量要求可以以危及器官限量表的形式进行管理,且危及器官限量表的配置步骤,可以是:生成系统可提供一配置界面,并根据作用于该配置界面上的用户操作,选择感兴趣区域内的靶区、输入靶区的处方剂量,以及编辑与感兴趣区域内的危及器官的各种剂量限定类型的剂量要求,以实现危及器官限量表的编辑;于编辑完成时,可存储危及器官限量表,以及建立危及器官限量表与靶区、靶区的处方剂量之间的对应关系。
示例性的,配置界面所编辑的危及器官限量表可以如表1所示。表1中,危及器官限量表包括,关联病种的名称(即宫颈癌)、危及器官序号、名称、生物学角色、剂量限定类型(即期望要求和最低要求)、各剂量限定类型对应的剂量要求、要求类型和危及器官的优先级等信息。
表1
其中,序号“1-5”,为危及器官序号;关联病种可以表征感兴趣区域内的靶区对应的组织种类,例如关联病种“宫颈癌”可以表征感兴趣区域内的靶区对应的组织种类“宫颈”;生物学角色,为危及器官对应的生物学角色;期望要求,可表示用户期望生成的治疗计划对该危及器官的照射剂量不能超过该要求;最低要求,可表示用户可以接受生成的治疗计划对该危及器官的照射剂量最多不能超过该要求;要求类型,可分为越低越好和达到即可,越低越好表示用户期望在满足最低要求的基础上还能够尽量低,达到即可表示满足最低要求即可,用户不关心剂量是否还可以再低一些;优先级,可表示生成的治疗计划中危及器官的剂量优化的优先级。
其中,期望要求、最低要求对应的剂量要求,可以根据用户操作进行编辑,也可以为“/”(即不对剂量要求进行编辑),并且当剂量要求为“/”时,可表示用户没有期望要求或最低要求的剂量要求。其中,期望要求和最低要求可设置至少一个,且最低要求默认比期望要求的要求低,当最低要求比期望要求的要求高时,可提示用户进行重新编辑。其中,优先级数值可根据用户操作进行编辑,当用户未对危及器官设置优先级时,默认设置其为最低优先级。
以膀胱的期望要求V30<60%为例,其中V可表示体积,30可表示剂量为30Gy,相应的V30<60%可以理解为,膀胱内30Gy的照射体积期望小于百分之60,其他相同格式的剂量要求可同样按照上述方式理解;以股骨头(左)的最低要求Dmax<50Gy为例,其中Dmax可表示最大剂量,相应的Dmax<50Gy可以理解为,股骨头(左)的最低要求为最大剂量应小于50Gy,其他相同格式的剂量要求可同样按照上述方式理解。其中,期望要求和最低要求的剂量要求的约束条件的类型,包括但不限于最大剂量、最小剂量、最大平均剂量、最小平均剂量、最大DVH和最小DVH等。
不同关联病种和不同靶区的处方剂量,所对应的危及器官限量表的条目信息可以不同。可以理解的是,表1公开的危及器官限量表仅仅为一个示例,不应对危及器官限量表所包含的条目,以及各条目包含的信息带来任何限制。
在一些可选的实施方式中,根据靶区的处方剂量和危及器官区域的剂量要求,生成剂量约束条件,可以是:根据靶区处方剂量,和危及器官的期望要求(未设置期望要求剂量的用最低要求)的剂量要求,生成剂量约束列表中的各约束条件。
示例性的,靶区(PTV)的剂量约束列表可以如表2所示,表2中靶区的约束条件的类型包括最小剂量(MinDose)、最小DVH(MinDVH)和最大剂量(MaxDose)。其中,MinDose可以是靶区的处方剂量,MinDVH可以是受照剂量大于处方剂量加50cGy的最小体积,MaxDose可以是处方剂量的1.06倍。其中,确定MinDVH时,处方剂量所增加的剂量值,以及确定MaxDose时,处方剂量的倍数值可以根据经验值或实验值进行设置。此外,约束条件的类型还可以为最大平均剂量、最小平均剂量和最大DVH等,且约束类型为最小DVH和最大DVH时,可以设置约束体积数值。
表2
本发明实施例提供的生成系统,对危及器官区域的剂量要求的配置步骤,以及剂量约束条件的生成步骤进行了优化,能够实现通过配置界面配置表征用户生成放疗计划的需求的各危及器官的剂量要求,以及生成用于生成初始剂量分布的约束条件,为生成满足用户需求的放疗计划奠定基础。此外,本实施例提供的生成系统与上述实施例提供的生成系统属于同一技术构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且相同的技术特征在本实施例与上述实施例中具有相同的有益效果。
实施例四
本实施例提供的生成系统,能够与上述实施例中所提供的生成系统中各个可选方案相结合。本实施例提供的生成系统,对上述步骤S300进行了详细阐述,能够实现目标采样点的确定,以及根据不同区域、不同剂量约束条件的类型,和/或危及器官优先级等因素,采取相对应的权重调整策略对目标采样点的第一权重进行调整,从而能够针对各采样点进行特异性地剂量分布优化。
在一些可选的实施方式中,感兴趣区域中的危及器官区域对应至少一种剂量限定类型;相应的,从采样点中确定当前待优化的目标采样点,包括:按照从靶区到危及器官区域,以及优先级由高到低的剂量限定类型对应的危及器官区域的确定顺序,确定当前待优化区域;将当前待优化区域内未满足对应的第一目标剂量的采样点,作为当前待优化的目标采样点。
其中,剂量限定类型包括但不限于期望要求和最低要求。其中,最低要求默认比期望要求的要求低,在剂量分布优化过程中,通常需满足最低要求并接近期望要求,故可以设置最低要求的优先级高于期望要求的优先级。
其中,从靶区到危及器官区域,以及优先级由高到低的剂量限定类型对应的危及器官区域的确定顺序,可以理解为,确定顺序需满足两项原则:1.先靶区,后危及器官区域的原则;2.先优先级高的剂量限定类型对应的危及器官区域,后优先级低的剂量限定类型对应的危及器官区域的原则。其中,不同优先级对应的危及器官区域可以为重复区域,例如可以先对某危及器官区域的剂量分布优化至满足最低要求,再对该危及器官区域的剂量分布优化至满足期望要求。
其中,若当前待优化区域为靶区,则目标采样点为未满足靶区内采样点的第一目标剂量的采样点;若当前待优化区域为危及器官区域,则目标采样点为未满足危及器官区域内采样点的第一目标剂量的采样点。通过选取出未满足第一目标剂量的采样点,有利于针对性的调整采样点权重,以优化剂量分布。
在这些可选的实施方式中,通过基于确定顺序确定当前待优化的目标采样点,能够实现剂量分布优化过程中,越重要的约束条件可优先满足,提高了放疗计划的质量。通过确定的目标采样点,有利于针对性地调整采样点的权重因子,以优化剂量分布。
根据不同区域、不同剂量限定的类型、不同约束条件的类型和/或不同器官优先级,其对应的权重调整策略可以不同。在一些可选的实施例中,若当前待优化区域为靶区,则对目标采样点的第一权重因子进行调整,并基于调整后的权重因子对中间剂量分布进行迭代优化,包括:根据与靶区对应的权重调整策略,对目标采样点的第一权重因子进行调整;基于调整后的权重因子对中间剂量分布进行迭代优化,直至靶区内采样点的剂量满足第一目标剂量为止。
其中,与靶区对应的权重调整策略,例如可以是:若靶区内的目标采样点的剂量值小于靶区第一目标剂量中的最小目标剂量,则将该点的最小目标剂量对应的权重因子调整为原来的两倍;若靶区内的目标采样点的剂量值大于靶区第一目标剂量中的最大目标剂量,则将该点的最大目标剂量对应的权重因子调整为原来的两倍。在靶区的优化次数达到预设次数,或者靶区的采样点均满足了第一目标剂量时,可以认为对靶区剂量分布优化完毕,然后针对下一区域进行迭代剂量分布优化。
在一些可选的实施例中,若当前待优化区域为危及器官区域,则对目标采样点的第一权重因子进行调整,并基于调整后的权重因子对中间剂量分布进行迭代优化,包括:根据与当前剂量限定类型的剂量约束条件的类型对应的权重调整策略,和/或危及器官区域的优先级对应的权重调整策略,对目标采样点的第一权重因子进行调整;基于调整后的权重因子对中间剂量分布进行迭代优化,直至危及器官区域内采样点的剂量,满足当前剂量限定类型对应的剂量要求为止。
其中,当目标采样点为危及器官区域内的采样点,剂量限定类型为最低要求时,与剂量约束条件的类型对应的权重调整策略,例如可以是:
若危及器官区域的剂量约束条件的类型为最大剂量(例如,表1中左股骨头的最低要求为最大剂量不超过50Gy),则可首先,统计该危及器官内所有点的实际剂量值,得到最大剂量值Dr;然后,可将Dr与设置的最大剂量值Ds进行比较;最后,可根据比较结果调整权重因子。例如,若比较结果为Dr>Ds,则可基于下述公式调整该危及器官内实际剂量值大于Ds的采样点的第一权重因子:w’=w*[2.0-(Dr-Di)/(Dr-Ds)],i=1,2,…,n;其中,w’表示调整后的第一权重因子;w表示调整前的第一权重因子;n表示该危及器官内实际剂量值大于Ds的采样点的个数;Di表示第i个实际剂量值大于Ds的采样点的实际剂量值。
若危及器官区域的剂量约束条件的类型为最大DVH,则可首先,统计该危及器官内所有点的实际剂量值;然后,可进行排序得到设置最大DVH条件该体积下对应的实际剂量值Dr(例如,统计膀胱的D65的剂量可能为35Gy);接着,可将该值与设置的最大DVH值Ds进行比较;最后,可根据比较结果调整权重因子。例如,若比较结果为Dr>Ds,则可基于下述公式调整该危及器官内剂量值大于Ds的采样点的第一权重因子:w’=w*(1.0+Di/Ds),i=1,2,…,n;其中,w’表示调整后的第一权重因子;w表示调整前的第一权重因子;n表示该危及器官内实际剂量值大于Ds的采样点的个数;Di表示第i个实际剂量值大于Ds的采样点的实际剂量值。
若危及器官区域的剂量约束条件的类型为最大平均剂量(例如,表1中直肠的最低要求为最大平均剂量不超过30Gy),则可首先,统计该危及器官内所有点的实际剂量值计算得到平均剂量值Dr;然后,可将Dr与设置的最大平均剂量值Ds进行比较;最后,可根据比较结果调整第一权重因子。例如,若比较结果为Dr>Ds,则可基于下述公式调整该危及器官内所有采样点的第一权重因子:w’=w*(1.0+Di/Dmax),i=1,2,…,n;其中,w’表示调整后的第一权重因子;w表示调整前的第一权重因子;n表示该危及器官内所有采样点的个数;Di表示第i个采样点的实际剂量值;Dmax为该危及器官内所有点的最大剂量值。
其中,当目标采样点为危及器官区域内的采样点,剂量限定类型为期望要求时,与危及器官区域的优先级对应的权重调整策略,例如可以是:
首先,将各危及器官区域按照危及器官限量表中危及器官优先级排序,其中优先级越高可表征用户关注的程度更高;然后,优先对优先级高的器官权重进行微调。
示例性的,假设共设有p(p>=1)个优先级,则p个优先级分别对应的优先级因子为n/p,其中n=1,2,…,p,可基于下述公式对每个危及器官区域采样点的第一权重因子调整:w’=w*[1.0+0.5*(1-n/p)*Di/Dmax];其中,w’表示调整后的第一权重因子,w表示调整前的第一权重因子;Di表示第i个采样点的实际剂量值;Dmax为该危及器官内所有点的最大剂量值。
在当前剂量限定类型对应的危及器官区域的优化次数,达到预设次数;或者,当前剂量限定类型对应的危及器官区域的采样点在预设比例上,满足了当前剂量限定类型对应的剂量要求时,可以认为对当前剂量限定类型对应的危及器官区域剂量分布优化完毕,然后针对下一区域进行迭代剂量分布优化。
在一些可选的实施方式中,若当前剂量限定类型为最低要求,则还包括:于迭代优化的次数达到预设次数,危及器官区域内采样点的剂量,仍未满足最低要求对应的剂量要求时,对最低要求对应的剂量要求进行修改。
其中,当危及器官区域的优化次数达到预设次数时,危及器官区域内预设比例的的采样点的剂量要求,还未满足最低要求对应的剂量要求,此时可以认为按照用户意愿生成的最低要求的剂量要求不合理。此时,可进行修改最低要求的剂量要求的提示,以提示用户修改剂量要求;还可以响应于接收的修改指令,对最低要求对应的剂量要求进行修改,以重新确定优化的截至条件。
其中,可通过文字、图像、声音和/或震动等形式,进行修改最低要求的剂量要求的提示。在一种实施方式中,用户在接收到该提示消息时,可进入生成系统的配置界面,并对危及器官限量表中该危及器官区域的最低要求对应的剂量要求进行重新修改配置。
并且,当初始剂量分布基于剂量约束条件生成时,还可以根据重新配置后的危及器官限量表重新生成初始剂量分布,重复设置采样点第一目标剂量和第一权重因子,生成中间剂量分布并迭代优化等步骤,以继续生成放疗计划。
在这些可选的实施方式中,通过对最低要求对应的剂量要求进行修改,可实现重新确定迭代优化过程中的危及器官区域的优化截至条件,还可以根据修改后的剂量要求重新生成初始剂量分布,以重新生成放疗计划。有利于根据迭代优化情况指导物理师,确定更为合理的优化截至条件,从而实现在尽量考虑物理师意图的基础上,生成更为合理的放疗计划。
可以理解为,上述根据不同区域、不同约束类型或者不同器官优先级,其对应的权重调整策略仅为示例性举例,并不对各权重调整策略带来限制。能够应用于本领域的其他权重调整策略也可应用于此,在此不做穷举。
本发明实施例提供的生成系统,对上述步骤S300进行了详细阐述,能够实现目标采样点的确定,以及根据不同区域、不同剂量约束条件的类型,和/或危及器官优先级等因素,采取相对应的权重调整策略对目标采样点的第一权重进行调整,从而能够针对各采样点进行特异性地剂量分布优化。此外,本实施例提供的生成系统与上述实施例提供的生成系统属于同一技术构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且相同的技术特征在本实施例与上述实施例中具有相同的有益效果。
实施例五
本实施例提供的生成系统,能够与上述实施例中所提供的生成系统中各个可选方案相结合。本实施例提供的生成系统,对处理器在执行程序时实现的放疗计划的生成步骤进行了优化,通过在生成放疗计划的过程中增加对靶区采样点进行归一化的步骤,以及增加在生成放疗计划后进行去热点的步骤,有利于进一步提高放疗计划的生成质量。
图7是本发明实施例五提供的生成系统中的处理器,在执行程序时实现的步骤流程图。如图7所示,处理器执行程序时,可实现放疗计划的生成步骤包括:
S701、获取感兴趣区域对应的初始剂量分布,以及设置感兴趣区域内的采样点的第一目标剂量和第一权重因子。
S702、基于采样点的第一目标剂量和第一权重因子,对初始剂量分布进行优化,得到中间剂量分布。
S703、将靶区作为当前待优化区域,将当前待优化区域内未满足对应的第一目标剂量的采样点,作为当前待优化的目标采样点。
S704、根据与靶区对应的权重调整策略,对目标采样点的第一权重因子进行调整;基于调整后的权重因子对中间剂量分布进行迭代优化,直至靶区内采样点的剂量满足第一目标剂量为止。
其中,若经S702步骤生成的中间剂量分布中,靶区的各采样点皆可满足对应的第一目标剂量的采样点,则可以直接跳转至S705步骤,若否,则可以执行S703-S704步骤,直至优化次数达到预设次数,或所有靶区的采用点均满足第一目标剂量为止,完成针对靶区内采样点的剂量分布优化。
其中,在针对靶区内采样点的剂量分布优化完毕时,可将感兴趣区域中靶区内采样点的剂量归一至靶区的处方剂量。
通常在生成放疗计划过程中,感兴趣区域中靶区的预设体积达到处方剂量时,即可认为满足了放疗要求。示例性的,当给定的靶区的处方剂量为5000cGy时,可以牺牲5%的靶区体积,使得靶区95%的预设体积达到处方剂量5000cGy就可认为已满足要求,即通常说的D95达到处方剂量。在实际剂量分布迭代优化时,通常优化的结果不会刚好使靶区D95的值等于处方剂量,例如D95可能是4990cGy,也可能是5010cGy。此时,需要将靶区内采样点的剂量做一个处方的归一,即将靶区内采样点的剂量归一至靶区的处方剂量,以使归一后靶区的D95能够达到5000cGy。
其中,将感兴趣区域中靶区内采样点的剂量归一至靶区的处方剂量,可以是确定一个剂量映射范围,例如由靶区内采样点的第一目标剂量中最小目标剂量和最大目标剂量构成的范围;将靶区内大于最大目标剂量和小于最小目标剂量的采样点,按某概率(例如95%的概率)将剂量映射至最小目标剂量和最大目标剂量之间,以实现靶区内采样点的剂量归一至靶区的处方剂量,从而进一步优化靶区的剂量分布。
S705、将剂量限定类型为最低要求对应的危及器官区域作为当前待优化区域,将当前待优化区域内未满足对应的第一目标剂量的采样点,作为当前待优化的目标采样点。
S706、根据与剂量约束条件的类型对应的权重调整策略,对目标采样点的第一权重因子进行调整;基于调整后的权重因子对中间剂量分布进行迭代优化,直至危及器官区域内采样点的剂量,满足最低要求对应的剂量要求为止。
其中,若当前剂量限定类型为最低要求,则还包括:于迭代优化的次数达到预设次数,危及器官区域内采样点的剂量,仍未满足最低要求对应的剂量要求时,对最低要求对应的剂量要求进行修改,以重新确定最低要求对应的危及器官区域的优化截至条件。并且,当初始剂量分布基于剂量约束条件生成时,还可以根据重新配置后的危及器官限量表重新生成初始剂量分布,重复设置采样点第一目标剂量和第一权重因子,生成中间剂量分布并迭代优化等步骤,以继续生成放疗计划。
在步骤S705中,可首先判断经过步骤S704后的剂量分布中,最低要求对应的危及器官区域中是否预设比例的采样点的剂量满足最低要求的剂量要求,若是则直接跳转至步骤S707,若否则可以执行S705-S706步骤,直至优化次数达到预设次数,或所有最低要求对应的危及器官区域中,预设比例的采样点的剂量满足最低要求的剂量要求为止,完成针对最低要求对应的危及器官区域的剂量分布优化。
S707、将剂量限定类型为期望要求对应的危及器官区域作为当前待优化区域,将当前待优化区域内未满足对应的第一目标剂量的采样点,作为当前待优化的目标采样点。
S708、根据危及器官区域的优先级对应的权重调整策略,对目标采样点的第一权重因子进行调整;基于调整后的权重因子对中间剂量分布进行迭代优化,直至危及器官区域内采样点的剂量,满足期望要求对应的剂量要求为止。
同样,在步骤S707中,可首先判断经过步骤S706后的剂量分布中,期望要求对应的危及器官区域中是否预设比例的采样点的剂量满足期望要求的剂量要求,若是则直接跳转至步骤S709,若否则可以执行S707-S708步骤,直至优化次数达到预设次数,或所有期望要求对应的危及器官区域中,预设比例的采样点的剂量满足期望要求的剂量要求为止,完成针对期望要求对应的危及器官区域的剂量分布优化。由于此步骤中靶区均已达到处方剂量、危及器官均已满足设置的最低要求,只是期望可以得到更好的计划效果,所以调整目标采样点的第一权重因子可以均为微调。
其中,在针对最低要求或期望要求对应的危及器官区域,进行剂量分布迭代优化过程中,可以在每次根据调整后的权重因子对中间剂量分布进行迭代优化之后,将感兴趣区域中靶区内采样点的剂量归一至靶区的处方剂量。
可以理解为,在针对最低要求或期望要求对应的危及器官区域,进行剂量分布迭代优化过程中,每次基于调整后的权重因子对中间剂量分布进行迭代优化之后,靶区内采样点的剂量分布可能会受到一定影响。通过在每次基于调整后的权重因子对中间剂量分布进行迭代优化过程中,将靶区内采样点的剂量归一至靶区的处方剂量,从而在保证危及器官区域的剂量分布进行优化的同时,保证靶区内的剂量分布仍满足需求。其中,将感兴趣区域中靶区内采样点的剂量归一至靶区的处方剂量的技术细节可参见上文,在此不做赘述。
S709、遍历优化完毕的剂量分布中的采样点,判断当前遍历的采样点的剂量是否大于预设剂量。
其中,预设剂量可根据经验值或实验值进行设置,例如可以是1.06倍的靶区最大处方剂量。
S710、若是,则将采用点当前的权重因子提高预设比例,并根据提高预设比例的权重因子对优化完毕的剂量分布进行去热点优化。
其中,预设比例可根据经验值或实验值进行设置,例如可以是10倍。通过遍历所有采用点的剂量分布,并将大于预设剂量的采样点的权重因子提高至预设比例,可实现对优化完毕的剂量分布进行去热点优化,进一步提高了放疗计划的生成质量。
S711、当遍历结束时,根据去热点优化完毕的剂量分布生成放疗计划。
其中,在生成放疗计划之后,生成系统可将生成的放疗计划进行展示,并可以显示用户是否满意的控件。当用户操作为触发不满意控件的操作时,可以认为接收到放疗计划的评估未通过消息。此时,还可以进行修改最低要求的剂量要求的提示,以提示用户增加或修改危及器官限量表中的剂量要求,从而能够重新确定各类剂量限定类型对应的危及器官区域的优化截至条件。并且,当初始剂量分布基于剂量约束条件生成时,还可以根据重新配置后的危及器官限量表重新生成初始剂量分布,重复设置采样点第一目标剂量和第一权重因子,生成中间剂量分布并迭代优化等步骤,以继续生成放疗计划。
本发明实施例提供的生成系统,对处理器在执行程序时实现的放疗计划的生成步骤进行了优化,通过在生成放疗计划的过程中增加对靶区采样点进行归一化的步骤,以及增加在生成放疗计划后进行去热点的步骤,有利于进一步提高放疗计划的生成质量。此外,本实施例提供的生成系统与上述实施例提供的生成系统属于同一技术构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且相同的技术特征在本实施例与上述实施例中具有相同的有益效果。
实施例六
图8是本发明实施例六提供的放疗计划的生成装置的结构示意图。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步骤,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:
第一分布生成模块810,用以获取感兴趣区域对应的初始剂量分布,以及设置感兴趣区域内的采样点的第一目标剂量和第一权重因子;
第二分布生成模块820,用以基于采样点的第一目标剂量和第一权重因子,对初始剂量分布进行优化,得到中间剂量分布;
优化模块830,用于从采样点中确定当前待优化的目标采样点,对目标采样点的第一权重因子进行调整,并基于调整后的权重因子对中间剂量分布进行迭代优化生成放疗计划。
可选的,第一分布生成模块,包括:
初始剂量分布生成子模块,用于在预采集的图像上进行勾画确定感兴趣区域,感兴趣区域包含靶区以及危及器官区域;获取靶区的处方剂量以及危及器官区域的剂量要求;根据靶区的处方剂量和危及器官区域的剂量要求,生成剂量约束条件;根据勾画的靶区和危及器官区域,以及剂量约束条件,生成初始剂量分布。
可选的,初始剂量分布生成子模块,还可以用于在预采集的图像上进行勾画确定感兴趣区域;将勾画后的图像输入神经网络预测模型,并基于神经网络预测模型输出感兴趣区域对应的初始剂量分布;其中,神经网络预测模型通过样本勾画图像和样本目标剂量分布训练获得。
可选的,第一分布生成模块,包括:
参数设置子模块,用于对感兴趣区域中的靶区和危及器官区域的采样点,分别设置第一权重因子;根据靶区的处方剂量为靶区的采样点设置第一目标剂量,以及根据初始剂量分布为危及器官区域的采样点设置第一目标剂量。
可选的,感兴趣区域中的危及器官区域对应至少一种剂量限定类型;
相应的,优化模块,包括:
目标采样点确定子模块,用于按照从靶区到危及器官区域,以及优先级由高到低的剂量限定类型对应的危及器官区域的确定顺序,确定当前待优化区域;将当前待优化区域内未满足对应的第一目标剂量的采样点,作为当前待优化的目标采样点。
可选的,优化模块,包括:
迭代优化子模块,用于若当前待优化区域为靶区,则根据与靶区对应的权重调整策略,对目标采样点的第一权重因子进行调整;基于调整后的权重因子对中间剂量分布进行迭代优化,直至靶区内采样点的剂量满足第一目标剂量为止。
可选的,迭代优化子模块,还用于若当前待优化区域为危及器官区域,则根据与当前剂量限定类型的剂量约束条件的类型对应的权重调整策略,和/或危及器官区域的优先级对应的权重调整策略,对目标采样点的第一权重因子进行调整;基于调整后的权重因子对中间剂量分布进行迭代优化,直至危及器官区域内采样点的剂量,满足当前剂量限定类型对应的剂量要求为止。
可选的,优化模块,还包括:
剂量要求修改子模块,用于若当前剂量限定类型为最低要求,则于迭代优化的次数达到预设次数,危及器官区域内采样点的剂量,仍未满足最低要求对应的剂量要求时,对最低要求对应的剂量要求进行修改。
可选的,优化模块,还包括:
剂量归一子模块,用于在基于调整后的权重因子对中间剂量分布进行迭代过程中,将感兴趣区域中靶区内的采样点的剂量归一至靶区的处方剂量。
可选的,优化模块,还包括:
去热点子模块,用于遍历优化完毕的剂量分布中的采样点,判断当前遍历的采样点的剂量是否大于预设剂量;若是,则将采用点当前的权重因子提高预设比例,并根据提高预设比例的权重因子对优化完毕的剂量分布进行去热点优化;
相应的,优化模块还用于当遍历结束时,根据去热点优化完毕的剂量分布生成放疗计划。
本发明实施例提供的放疗计划生成系统的技术方案,在获取感兴趣区域对应的初始剂量分布之后,针对感兴趣区域中的目标采样点,可进行剂量分布的迭代优化,具体可以是:首先,可设置各采样点的第一目标剂量和第一权重因子,并根据采样点的第一目标剂量和第一权重因子,对初始剂量分布进行优化,得到中间剂量分布;然后,可从采样点中确定当前待优化的目标采样点,对目标采样点的第一权重因子进行调整,并基于调整后的权重因子对中间剂量分布进行迭代优化;最后,可根据优化完毕的剂量分布生成放疗计划。通过针对放疗区域内每个采样点,自动调整权重因子,并进行剂量优化,无需经过模型的前期准备及训练过程,也无需物理师输入大量信息,能够实现快速便捷地生成高质量放疗计划。
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,具备执行放疗计划生成步骤相应的功能模块和有益效果。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。
实施例七
本发明实施例七还提供了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步骤,该步骤包括:
获取感兴趣区域对应的初始剂量分布,以及设置感兴趣区域内的采样点的第一目标剂量和第一权重因子;
基于采样点的第一目标剂量和第一权重因子,对初始剂量分布进行优化,得到中间剂量分布;
从采样点中确定当前待优化的目标采样点,对目标采样点的第一权重因子进行调整,并基于调整后的权重因子对中间剂量分布进行迭代优化生成放疗计划。
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的步骤操作,还可以执行本发明任意实施例所提供的放疗计划生成步骤中的相关操作。
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的放疗计划生成步骤。
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 (12)
1.一种放疗计划的生成系统,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:
获取感兴趣区域对应的初始剂量分布,以及设置所述感兴趣区域内的采样点的第一目标剂量和第一权重因子;
基于所述采样点的第一目标剂量和第一权重因子,对所述初始剂量分布进行优化,得到中间剂量分布;
从所述采样点中确定当前待优化的目标采样点,对所述目标采样点的第一权重因子进行调整,并基于调整后的权重因子对所述中间剂量分布进行迭代优化生成放疗计划。
2.根据权利要求1所述的系统,其特征在于,所述获取感兴趣区域对应的初始剂量分布,包括:
在预采集的图像上进行勾画确定感兴趣区域,所述感兴趣区域包含靶区以及危及器官区域;
获取所述靶区的处方剂量以及所述危及器官区域的剂量要求;
根据所述靶区的处方剂量和所述危及器官区域的剂量要求,生成剂量约束条件;
根据勾画的靶区和危及器官区域,以及所述剂量约束条件,生成初始剂量分布。
3.根据权利要求1所述的系统,其特征在于,所述获取感兴趣区域对应的初始剂量分布,包括:
在预采集的图像上进行勾画确定感兴趣区域;
将勾画后的图像输入神经网络预测模型,并基于所述神经网络预测模型输出所述感兴趣区域对应的初始剂量分布;
其中,所述神经网络预测模型通过样本勾画图像和样本目标剂量分布训练获得。
4.根据权利要求1所述的系统,其特征在于,所述设置所述感兴趣区域内的采样点的第一目标剂量和第一权重因子,包括:
对所述感兴趣区域中的靶区和危及器官区域的采样点,分别设置第一权重因子;
根据所述靶区的处方剂量为所述靶区的采样点设置第一目标剂量,以及根据所述初始剂量分布为所述危及器官区域的采样点设置第一目标剂量。
5.根据权利要求1所述的系统,其特征在于,所述感兴趣区域中的危及器官区域对应至少一种剂量限定类型;
相应的,所述从所述采样点中确定当前待优化的目标采样点,包括:
按照从靶区到危及器官区域,以及优先级由高到低的剂量限定类型对应的危及器官区域的确定顺序,确定当前待优化区域;
将所述当前待优化区域内未满足对应的第一目标剂量的采样点,作为当前待优化的目标采样点。
6.根据权利要求5所述的系统,其特征在于,若所述当前待优化区域为靶区,则所述对所述目标采样点的第一权重因子进行调整,并基于调整后的权重因子对所述中间剂量分布进行迭代优化,包括:
根据与所述靶区对应的权重调整策略,对所述目标采样点的第一权重因子进行调整;
基于调整后的权重因子对所述中间剂量分布进行迭代优化,直至所述靶区内采样点的剂量满足第一目标剂量为止。
7.根据权利要求5所述的系统,其特征在于,若所述当前待优化区域为危及器官区域,则所述对所述目标采样点的第一权重因子进行调整,并基于调整后的权重因子对所述中间剂量分布进行迭代优化,包括:
根据与当前剂量限定类型的剂量约束条件的类型对应的权重调整策略,和/或所述危及器官区域的优先级对应的权重调整策略,对所述目标采样点的第一权重因子进行调整;
基于调整后的权重因子对所述中间剂量分布进行迭代优化,直至所述危及器官区域内采样点的剂量,满足当前剂量限定类型对应的剂量要求为止。
8.根据权利要求7所述的系统,其特征在于,若所述当前剂量限定类型为最低要求,则还包括:
于所述迭代优化的次数达到预设次数,所述危及器官区域内采样点的剂量,仍未满足最低要求对应的剂量要求时,对所述最低要求对应的剂量要求进行修改。
9.根据权利要求1所述的系统,其特征在于,所述基于调整后的权重因子对所述中间剂量分布进行迭代优化生成放疗计划,包括:
在基于调整后的权重因子对所述中间剂量分布进行迭代过程中,将所述感兴趣区域中靶区内采样点的剂量归一至靶区的处方剂量。
10.根据权利要求1所述的系统,其特征在于,所述基于调整后的权重因子对所述中间剂量分布进行迭代优化生成放疗计划,包括:
遍历优化完毕的剂量分布中的采样点,判断当前遍历的采样点的剂量是否大于预设剂量;
若是,则将所述采用点当前的权重因子提高预设比例,并根据提高预设比例的权重因子对优化完毕的剂量分布进行去热点优化;
当遍历结束时,根据去热点优化完毕的剂量分布生成放疗计划。
11.一种放疗计划的生成装置,其特征在于,包括:
第一分布生成模块,用以获取感兴趣区域对应的初始剂量分布,以及设置所述感兴趣区域内的采样点的第一目标剂量和第一权重因子;
第二分布生成模块,用以基于所述采样点的第一目标剂量和第一权重因子,对所述初始剂量分布进行优化,得到中间剂量分布;
优化模块,用于从所述采样点中确定当前待优化的目标采样点,对所述目标采样点的第一权重因子进行调整,并基于调整后的权重因子对所述中间剂量分布进行迭代优化生成放疗计划。
12.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行以下步骤:
获取感兴趣区域对应的初始剂量分布,以及设置所述感兴趣区域内的采样点的第一目标剂量和第一权重因子;
基于所述采样点的第一目标剂量和第一权重因子,对所述初始剂量分布进行优化,得到中间剂量分布;
从所述采样点中确定当前待优化的目标采样点,对所述目标采样点的第一权重因子进行调整,并基于调整后的权重因子对所述中间剂量分布进行迭代优化生成放疗计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011008481.2A CN112149669B (zh) | 2020-09-23 | 2020-09-23 | 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 |
---|---|---|---|
CN202011008481.2A CN112149669B (zh) | 2020-09-23 | 2020-09-23 | 放疗计划生成系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112149669A true CN112149669A (zh) | 2020-12-29 |
CN112149669B CN112149669B (zh) | 2023-05-23 |
Family
ID=73897801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011008481.2A Active CN112149669B (zh) | 2020-09-23 | 2020-09-23 | 放疗计划生成系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149669B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116130056A (zh) * | 2023-04-17 | 2023-05-16 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 放疗计划的确定装置和电子设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160166855A1 (en) * | 2013-07-31 | 2016-06-16 | Koninklijke Philips N.V. | Automation of therapy planning |
US20170014642A1 (en) * | 2015-07-13 | 2017-01-19 | Yu An | System and method for novel chance-constrained optimization in intensity-modulated proton therapy planning to account for range and patient setup uncertainties |
CN106503429A (zh) * | 2016-10-12 | 2017-03-15 | 上海联影医疗科技有限公司 | 一种采样方法及放射治疗计划优化方法 |
CN106682409A (zh) * | 2016-12-20 | 2017-05-17 | 上海联影医疗科技有限公司 | 采样方法及放射治疗计划优化方法、剂量计算方法 |
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 |
CN107545137A (zh) * | 2017-08-16 | 2018-01-05 | 强深智能医疗科技(昆山)有限公司 | 肿瘤放射治疗计划智能优化方法 |
CN107708805A (zh) * | 2015-04-14 | 2018-02-16 | 光线搜索实验室公司 | 一种用于放疗治疗计划的优化的方法、计算机程序产品和系统 |
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 |
US20190015683A1 (en) * | 2017-07-11 | 2019-01-17 | Vincent Vinh-Hung | Calibration of radiation therapy treatment plans for a system |
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 |
CN110021399A (zh) * | 2017-09-18 | 2019-07-16 | 复旦大学附属肿瘤医院 | 一种放射治疗计划的自动设计方法 |
CN110420396A (zh) * | 2019-07-11 | 2019-11-08 | 上海联影医疗科技有限公司 | 一种放射治疗计划优化系统、装置及存储介质 |
CN110548231A (zh) * | 2019-09-12 | 2019-12-10 | 上海联影医疗科技有限公司 | 放疗计划生成系统、装置及存储介质 |
CN110706780A (zh) * | 2019-10-16 | 2020-01-17 | 上海联影医疗科技有限公司 | 放疗计划生成系统及存储介质 |
CN110889848A (zh) * | 2019-12-11 | 2020-03-17 | 上海联影医疗科技有限公司 | 对感兴趣区域的重叠区域进行处理的系统及装置 |
-
2020
- 2020-09-23 CN CN202011008481.2A patent/CN112149669B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160166855A1 (en) * | 2013-07-31 | 2016-06-16 | Koninklijke Philips N.V. | Automation of therapy planning |
CN107708805A (zh) * | 2015-04-14 | 2018-02-16 | 光线搜索实验室公司 | 一种用于放疗治疗计划的优化的方法、计算机程序产品和系统 |
US20170014642A1 (en) * | 2015-07-13 | 2017-01-19 | Yu An | System and method for novel chance-constrained optimization in intensity-modulated proton therapy planning to account for range and patient setup uncertainties |
CN106503429A (zh) * | 2016-10-12 | 2017-03-15 | 上海联影医疗科技有限公司 | 一种采样方法及放射治疗计划优化方法 |
CN106682409A (zh) * | 2016-12-20 | 2017-05-17 | 上海联影医疗科技有限公司 | 采样方法及放射治疗计划优化方法、剂量计算方法 |
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 |
US20190015683A1 (en) * | 2017-07-11 | 2019-01-17 | Vincent Vinh-Hung | Calibration of radiation therapy treatment plans for a system |
CN107545137A (zh) * | 2017-08-16 | 2018-01-05 | 强深智能医疗科技(昆山)有限公司 | 肿瘤放射治疗计划智能优化方法 |
CN110021399A (zh) * | 2017-09-18 | 2019-07-16 | 复旦大学附属肿瘤医院 | 一种放射治疗计划的自动设计方法 |
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 |
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 |
CN110420396A (zh) * | 2019-07-11 | 2019-11-08 | 上海联影医疗科技有限公司 | 一种放射治疗计划优化系统、装置及存储介质 |
CN110548231A (zh) * | 2019-09-12 | 2019-12-10 | 上海联影医疗科技有限公司 | 放疗计划生成系统、装置及存储介质 |
CN110706780A (zh) * | 2019-10-16 | 2020-01-17 | 上海联影医疗科技有限公司 | 放疗计划生成系统及存储介质 |
CN110889848A (zh) * | 2019-12-11 | 2020-03-17 | 上海联影医疗科技有限公司 | 对感兴趣区域的重叠区域进行处理的系统及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116130056A (zh) * | 2023-04-17 | 2023-05-16 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 放疗计划的确定装置和电子设备 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112149669B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210031054A1 (en) | Decision support tool for adaptive radiotherapy in ct/linac console | |
CN110211664B (zh) | 一种基于机器学习自动设计放射治疗方案的系统 | |
US11964170B2 (en) | Standardized artificial intelligence automatic radiation therapy planning method and system | |
CN110420396B (zh) | 一种放射治疗计划优化系统、装置及存储介质 | |
EP3388108B1 (en) | Systems and methods for dose calculation in generating radiation treatment plans | |
US20240029847A1 (en) | Clinical goal treatment planning and optimization | |
US10076673B2 (en) | Interactive dose gradient based optimization technique to control IMRT delivery complexity | |
EP3342461B1 (en) | Selecting a dose prediction model based on clinical goals | |
CN110548231B (zh) | 放疗计划生成系统、装置及存储介质 | |
WO2011153639A2 (en) | Multi-objective radiation therapy optimization method | |
US10864382B2 (en) | System and method for radiation therapy treatment planning | |
CN106682409B (zh) | 采样方法及放射治疗计划优化方法、剂量计算方法 | |
EP3642843B1 (en) | Optimizing a treatment plan based on a score function depending on a quality function | |
US10512790B2 (en) | Systems and methods for generating radiation treatment plans | |
CN112149669B (zh) | 放疗计划生成系统、装置及存储介质 | |
US20140378736A1 (en) | Methods, systems and computer readable storage media storing instructions for generating a radiation therapy treatment plan | |
CN115083567A (zh) | 基于规则的自动放射治疗计划获得方法及装置 | |
CN117116421B (zh) | 放疗计划的确定方法和装置 | |
US11651847B2 (en) | Dose volume histogram and dose distribution based autoplanning | |
CN117244181A (zh) | 基于放疗风险器官轮廓的剂量分析方法及装置 | |
CN114588561B (zh) | 射野强度分布优化方法、装置及放射治疗设备 | |
CN113658168B (zh) | 指定剂量区的获取方法、系统、终端及存储介质 | |
CN115662578A (zh) | 一种基于深度学习的宫颈癌放疗剂量预测方法 | |
CN113453752A (zh) | 调制电弧治疗(mat)计划中最优分割电弧的方法 | |
CN116188377B (zh) | 一种锥形束ct图像配准结果评价方法及系统 |
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 |