CN112151146A - 通量图优化系统、装置和存储介质 - Google Patents

通量图优化系统、装置和存储介质 Download PDF

Info

Publication number
CN112151146A
CN112151146A CN202011031951.7A CN202011031951A CN112151146A CN 112151146 A CN112151146 A CN 112151146A CN 202011031951 A CN202011031951 A CN 202011031951A CN 112151146 A CN112151146 A CN 112151146A
Authority
CN
China
Prior art keywords
grid
distribution
flux
dose
preset
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011031951.7A
Other languages
English (en)
Other versions
CN112151146B (zh
Inventor
陈佶欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN202011031951.7A priority Critical patent/CN112151146B/zh
Publication of CN112151146A publication Critical patent/CN112151146A/zh
Application granted granted Critical
Publication of CN112151146B publication Critical patent/CN112151146B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • A61N5/1048—Monitoring, verifying, controlling systems and methods
    • 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
    • A61N2005/1034—Monte Carlo type methods; particle tracking

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Urology & Nephrology (AREA)
  • Surgery (AREA)
  • Traffic Control Systems (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

本申请涉及一种通量图优化系统、装置和存储介质。包括：建立第一通量网格，并基于第一通量网格进行通量图优化，得到第一通量图；基于第一通量图确定感兴趣区域内的第一剂量分布，并将第一剂量分布作为当前剂量分布，将第一通量网格作为当前通量网格；比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格；对待优化网格进行加密处理得到多个加密网格，并更新当前通量网格；各加密网格的面积均小于待优化网格的面积；基于当前通量网格进行通量图优化，以得到目标通量图。采用本方法能够得到不同尺寸的通量网格，为后续算法比如叶片序列化算法提供一个合理的初始解。

Description

通量图优化系统、装置和存储介质
技术领域
本申请涉及放射治疗技术领域，特别是涉及一种通量图优化系统、装置和存储介质。
背景技术
放射治疗是利用放射线治疗肿瘤的一种局部治疗方法。放射线包括放射性同位素产生的α、β、γ射线，各类x射线治疗机或加速器产生的x射线、电子线、质子束及其他粒子束等。在放射治疗过程中，期望能杀死肿瘤细胞，但尽可能减小对正常器官组织的损害。
相关技术中，通量图建立了放射线与人体剂量分布之间的关系。其中，如何优化通量图成为了放射治疗领域亟待解决的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够获得较优的通量图的通量图优化系统、装置和存储介质。
一种通量图优化系统，该系统包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如下过程：
建立第一通量网格，并基于第一通量网格进行通量图优化，得到第一通量图；
基于第一通量图确定感兴趣区域内的第一剂量分布，并将第一剂量分布作为当前剂量分布，将第一通量网格作为当前通量网格；
比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格；
对待优化网格进行加密处理得到多个加密网格，并更新所述当前通量网格；各加密网格的面积均小于待优化网格的面积；
基于当前通量网格进行通量图优化，以得到目标通量图。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
以预设剂量分布为优化目标，对当前通量网格对应的通量参数进行调整，并根据调整得到感兴趣区域内的第二剂量分布；
根据第二剂量分布进行剂量分布的迭代优化，以得到目标通量图。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
在第二剂量分布与预设剂量分布的第二分布差异符合第一预设条件的情况下，将第二剂量分布对应的第二通量图确定为目标通量图。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
在第二剂量分布与预设剂量分布的第二分布差异不符合第一预设条件的情况下，将第二剂量分布更新为当前剂量分布，并重复执行比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是第二分布差异符合第一预设条件。
在其中一个实施例中，第一预设条件包括：对第一预设函数进行求解得到的第一函数值小于第一预设值；第一预设函数用于表征计算出的剂量分布和预设剂量分布之间的关系；第一函数值为计算出的剂量分布与预设剂量分布之间的接近程度。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
以第一分布差异为优化目标，对当前通量网格对应的通量参数进行调整得到通量增量分布，并基于通量增量分布得到感兴趣区域内的剂量增量分布；
根据剂量增量分布进行剂量分布的迭代优化，以得到目标通量图。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
在剂量增量分布与第一分布差异之间的关系符合第二预设条件的情况下，将第一通量图和通量增量分布之和确定为目标通量图。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
在剂量增量分布与第一分布差异之间的关系不符合第二预设条件的情况下，基于剂量增量分布与第一分布差异更新第一分布差异，并重新执行根据第一分布差异从当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是剂量增量分布与第一分布差异之间的关系符合第二预设条件。
在其中一个实施例中，第二预设条件包括：对第二预设函数进行求解得到的第二函数值小于第二预设值；第二预设函数用于表征计算出的剂量增量分布与前一个分布差异之间的关系；第二函数值为计算出的剂量增量分布与前一个分布差异之间的接近程度。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
按照预设外扩宽度对待优化网格进行外扩处理，得到外扩网格；外扩网格的面积大于待优化网格的面积；
按照预设加密宽度对外扩网格进行加密处理，得到多个候选网格；
将多个候选网格中与待优化网格对应的候选网格确定为加密网格。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
在基于所述当前通量网格进行通量图优化的过程中，基于所述待优化网格范围内的加密网格和当前通量网格中的其它网格计算所述感兴趣区域内的剂量分布。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
根据第一分布差异从感兴趣区域中选取出待优化体素；
将待优化体素向第一通量网格进行投影，并根据待优化体素在第一通量网格上的投影位置选取出待优化网格。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
根据第一分布差异确定感兴趣区域中各体素对应的剂量差异值；
将感兴趣区域中的各体素按照剂量差异值从大到小的顺序进行排列，并将排列在前的预设数量的体素选取为待优化体素。
在其中一个实施例中，处理器执行计算机程序时还实现如下过程：
根据第一分布差异确定感兴趣区域中各体素对应的剂量差异值；
将感兴趣区域中各体素对应的剂量差异值与预设剂量差异值进行比较，并将剂量差异值大于预设剂量差异值的体素选取为待优化体素。
一种通量图优化装置，该装置包括：
第一通量图获得模块，用于建立第一通量网格，并基于第一通量网格进行通量图优化，得到第一通量图；
剂量分布确定模块，用于基于第一通量图确定感兴趣区域内的第一剂量分布，并将第一剂量分布作为当前剂量分布，将第一通量网格作为当前通量网格；
网格选取模块，用于比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从第一通量网格中选取至少一个待优化网格；
加密处理模块，用于对待优化网格进行加密处理得到多个加密网格，并更新当前通量网格；各加密网格的面积均小于待优化网格的面积；
目标通量图获得模块，用于基于当前通量网格进行通量图优化，以得到目标通量图。
在其中一个实施例中，上述目标通量图获得模块，具体用于以预设剂量分布为优化目标，对当前通量网格对应的通量参数进行调整，并根据调整得到感兴趣区域内的第二剂量分布；根据第二剂量分布进行剂量分布的迭代优化，以得到目标通量图。
在其中一个实施例中，上述目标通量图获得模块，具体用于在第二剂量分布与预设剂量分布的第二分布差异符合第一预设条件的情况下，将第二剂量分布对应的第二通量图确定为目标通量图。
在其中一个实施例中，上述目标通量图获得模块，还用于在第二剂量分布与预设剂量分布的第二分布差异不符合第一预设条件的情况下，将第二剂量分布更新为当前剂量分布，并重复执行比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是第二分布差异符合第一预设条件。
在其中一个实施例中，第一预设条件包括：对第一预设函数进行求解得到的第一函数值小于第一预设值；第一预设函数用于表征计算出的剂量分布和预设剂量分布之间的关系；第一函数值为计算出的剂量分布与预设剂量分布之间的接近程度。
在其中一个实施例中，上述目标通量图获得模块，具体用于以第一分布差异为优化目标，对当前通量网格对应的通量参数进行调整得到通量增量分布，并基于通量增量分布得到感兴趣区域内的剂量增量分布；根据剂量增量分布进行剂量分布的迭代优化，以得到目标通量图。
在其中一个实施例中，上述目标通量图获得模块，具体用于在剂量增量分布与第一分布差异之间的关系符合第二预设条件的情况下，将第一通量图和通量增量分布之和确定为目标通量图。
在其中一个实施例中，上述目标通量图获得模块，具体用于在剂量增量分布与第一分布差异之间的关系不符合第二预设条件的情况下，基于剂量增量分布与第一分布差异更新第一分布差异，并重新执行根据第一分布差异从当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是剂量增量分布与第一分布差异之间的关系符合第二预设条件。
在其中一个实施例中，第二预设条件包括：对第二预设函数进行求解得到的第二函数值小于第二预设值；第二预设函数用于表征计算出的剂量增量分布与前一个分布差异之间的关系；第二函数值为计算出的剂量增量分布与前一个分布差异之间的接近程度。
在其中一个实施例中，加密处理模块，具体用于按照预设外扩宽度对待优化网格进行外扩处理，得到外扩网格；外扩网格的面积大于待优化网格的面积；按照预设加密宽度对外扩网格进行加密处理，得到多个候选网格；将多个候选网格中与待优化网格对应的候选网格确定为加密网格。
在其中一个实施例中，上述目标通量图获得模块，具体用于在基于当前通量网格进行通量图优化的过程中，基于待优化网格范围内的加密网格和当前通量网格中的其它网格计算感兴趣区域内的剂量分布。
在其中一个实施例中，网格选取模块，具体用于根据第一分布差异从感兴趣区域中选取出待优化体素；将待优化体素向第一通量网格进行投影，并根据待优化体素在第一通量网格上的投影位置选取出待优化网格。
在其中一个实施例中，网格选取模块，具体用于根据第一分布差异确定感兴趣区域中各体素对应的剂量差异值；将感兴趣区域中的各体素按照剂量差异值从大到小的顺序进行排列，并将排列在前的预设数量的体素选取为待优化体素。
在其中一个实施例中，网格选取模块，具体用于根据第一分布差异确定感兴趣区域中各体素对应的剂量差异值；将感兴趣区域中各体素对应的剂量差异值与预设剂量差异值进行比较，并将剂量差异值大于预设剂量差异值的体素选取为待优化体素。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
建立第一通量网格，并基于第一通量网格进行通量图优化，得到第一通量图；
基于第一通量图确定感兴趣区域内的第一剂量分布，并将第一剂量分布作为当前剂量分布，将第一通量网格作为当前通量网格；
比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格；
对待优化网格进行加密处理得到多个加密网格，并更新当前通量网格；各加密网格的面积均小于待优化网格的面积；
基于当前通量网格进行通量图优化，以得到目标通量图。
上述通量图优化系统、装置和存储介质，处理器建立第一通量网格，并基于第一通量网格进行通量图优化，得到第一通量图；基于第一通量图确定感兴趣区域内的第一剂量分布，并将第一剂量分布作为当前剂量分布，将第一通量网格作为当前通量网格；比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格；对待优化网格进行加密处理得到多个加密网格，并更新当前通量网格；各加密网格的面积均小于待优化网格的面积；基于当前通量网格进行通量图优化，以得到目标通量图。通过本公开实施例，可以根据剂量分布对部分通量网格进行加密处理，得到不同尺寸的通量网格，从而对通量图进行进一步优化，直至优化后的通量图分布接近理想通量图分布，缩小了通量图的误差，为后续算法比如叶片序列化算法提供一个合理的初始解；而且，在上述优化的过程中，只需要对待优化体素影响较大的部分通量网格进行加密处理，并基于加密后的网格进行进一步优化，一方面可以提高放射治疗计划的优化精度，另一方面不需要对所有网格进行加密处理从而减少放射治疗计划的优化时间。
附图说明
图1为一个实施例中通量图优化方法的应用环境图；
图2为一个实施例中获得目标通量图的流程示意图；
图3为一个实施例中得到目标通量图的流程示意图之一；
图4为一个实施例中得到目标通量图的流程示意图之二；
图5为一个实施例中得到加密网格的流程示意图；
图6为一个实施例中选取待优化网格的流程示意图；
图7为一个实施例中通量图优化装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供了一种通量图优化系统，如图1所示，该系统包括通过系统总线连接的处理器、存储器、网络接口、数据库、显示屏和输入装置。其中，该系统的处理器用于提供计算和控制能力。该系统的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该系统的数据库用于存储下述实施例中的各种实体模型以及实体模型的相关信息，有关各种实体模型以及实体模型的相关信息的具体描述参见下述实施例中的具体描述。该系统的网络接口可以用于与外部的其他设备通过网络连接通信。可选的，该系统可以是服务器，可以是台式机，可以是个人数字助理，还可以是其他的终端设备，例如平板电脑、手机等等，还可以是云端或者远程服务器，本申请实施例对系统的具体形式并不做限定。该系统的显示屏可以是液晶显示屏或者电子墨水显示屏，该系统的输入装置可以是显示屏上覆盖的触摸层，也可以是系统外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。当然，输入装置和显示屏也可以不属于系统的一部分，可以是系统的外接设备。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的系统的限定，具体的系统可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，如图2所示，提供了一种通量图优化系统，该系统包括存储器和处理器，存储器存储有计算机程序，处理器在执行计算机程序时可以实现如下步骤：
步骤101，建立第一通量网格，并基于第一通量网格进行通量图优化，得到第一通量图。
处理器可以根据用户设置的网格信息，在垂直于射束方向的平面上建立第一通量网格；其中，网格信息可以包括网格长度、网格宽度、网格面积和网格数量中的至少一种。
例如，用户设置的网格信息包括：网格面积为1cm2，网格数量为10个；处理器在垂直与射束方向的平面上将1cm2大小的区域分为10个网格，得到第一通量网格。
上述第一通量网格可以是均匀网格，也可以是不均匀网格。网格信息也可以是预存的或系统默认的网格信息。本公开实施例对此不做限定。
建立第一通量网格后，根据第一通量网格和用户设置的目标剂量进行通量图优化，得到第一通量图。例如，将目标剂量分配到10个网格中。
步骤102，基于第一通量图确定感兴趣区域内的第一剂量分布，并将第一剂量分布作为当前剂量分布，将第一通量网格作为当前通量网格。
在得到第一通量图之后，处理器根据预设算法和第一通量图，计算出目标剂量在感兴趣区域中的第一剂量分布。其中，预设算法包括蒙特卡洛算法、笔形束算法、快速蒙特卡洛算法和神经网络中的至少一种。
得到第一剂量分布之后，将第一剂量分布作为当前剂量分布，将第一通量网格作为当前通量网格。
步骤103，比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从第一通量网格中选取至少一个待优化网格。
处理器获取预设剂量分布，将当前剂量分布与预设剂量分布进行比较，得到当前剂量分布与预设剂量分布之间的第一分布差异。接着，处理器根据第一分布差异从感兴趣区域中选取出待优化体素，将待优化体素向第一通量图进行投影，并根据待优化体素在第一通量图上的投影位置选取出待优化网格。在一个实施例中，第一分布差异可以是每个体素对应的当前剂量与预设剂量之间的差值构成的分布。
例如，可以将待优化体素沿辐射束方向，向第一通量网格进行反投影从而确定待优化网格，此时确定的待优化网格是对该待优化体素上的剂量沉积影响较大的网格。在本实施例中，一个待优化体素可以对应一个待优化网格；在其它实施例中，一个待优化体素可以对应多个待优化网格。在本发明中不做限制。
步骤104，对待优化网格进行加密处理得到多个加密网格，并更新当前通量网格。
其中，各加密网格的面积均小于待优化网格的面积。
选取出待优化网格后，处理器对待优化网格进行加密处理，得到多个加密网格。之后，根据加密网格更新当前通量网格。
例如，加密处理可以是处理器将一个待优化网格一分为二得到两个加密网格，也可以是处理器将相邻的两个待优化网格重新划分为三个加密网格。本公开实施例对加密处理不做限定。
步骤105，基于当前通量网格进行通量图优化，以得到目标通量图。
在得到当前通量网格后，根据当前通量网格和目标剂量进行通量图优化，如果优化后的通量图符合预期，则得到目标通量图；如果优化后的通量图不符合预期，则继续对通量图进行优化，直至优化后的通量图符合预期的，得到目标通量图。
上述获得目标通量图的过程中，处理器建立第一通量网格，并基于第一通量网格进行通量图优化，得到第一通量图；基于第一通量图确定感兴趣区域内的第一剂量分布，并将第一剂量分布作为当前剂量分布，将第一通量网格作为当前通量网格；比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格；对待优化网格进行加密处理得到多个加密网格，并更新当前通量网格；各加密网格的面积均小于待优化网格的面积；基于当前通量网格进行通量图优化，以得到目标通量图。通过本公开实施例，通过对较粗的通量图网格进行优化确定通量图的总体分布，根据剂量分布对部分通量网格进行加密处理，得到不同尺寸的通量网格，并基于不同尺寸的通量网格进行进一步优化确定通量图的细节部分，直至优化后的通量图分布接近理想通量图分布，缩小了通量图的误差，为后续算法比如叶片序列化算法提供一个合理的初始解。而且在上述优化的过程中，只需要对待优化体素影响较大的部分通量网格进行加密处理，并基于加密后的网格进行进一步优化，一方面可以提高放射治疗计划的优化精度，另一方面不需要对所有网格进行加密处理从而减少放射治疗计划的优化时间。
在一个实施例中，如图3所示，处理器在执行步骤105时可以实现如下过程：
步骤201，以预设剂量分布为优化目标，对当前通量网格对应的通量参数进行调整，并根据调整得到感兴趣区域内的第二剂量分布。
由于当前通量网格中包含已经加密处理过的加密网格，因此在当前通量网格中，通量参数可以调整的网格数量比加密之前可以调整的网格数量更多，可以对剂量分布做更为细致的调整。处理器对当前通量网格对应的通量参数进行调整后得到第二通量图，基于第二通量图即可得到感兴趣区域内的第二剂量分布。
步骤202，根据第二剂量分布进行剂量分布的迭代优化，以得到目标通量图。
在得到第二剂量分布之后，可以根据第二剂量分布和预设剂量分布进行迭代优化。处理器在执行步骤202时可以实现以下过程：
步骤2021，在第二剂量分布与预设剂量分布的第二分布差异符合第一预设条件的情况下，将第二剂量分布对应的第二通量图确定为目标通量图。
处理器将第二剂量分布与预设剂量分布进行比较，得到第二分布差异；之后，处理器判断第二分布差异是否符合第一预设条件，如果第二分布差异符合第一预设条件，则将第二剂量分布对应的第二通量图确定为目标通量图。在一个实施例中，第二分布差异可以是第二剂量分布与预设剂量分布之间的标准差、方差等等，其代表了第二剂量分布与预设剂量分布之间的偏离程度(或接近程度)。
在其中一个实施例中，第一预设条件包括：对第一预设函数进行求解得到的第一函数值小于第一预设值；第一预设函数用于表征计算出的剂量分布和预设剂量分布之间的关系；第一函数值为计算出的剂量分布与预设剂量分布之间的接近程度。
在实际应用中，可以在处理器中设置计算出的剂量分布与预设剂量分布之间的关系，即第一预设函数。在得到第二剂量分布后，将第二剂量分布与第一剂量分布分别输入到第一预设函数中，然后对第一预设函数进行求解得到第一函数值。如果第一函数值小于第一预设值，表明第二剂量分布与预设剂量分布之间很接近，符合第一预设条件，因此，将第二剂量分布对应的第二通量图确定为目标通量图。
上述第一预设函数可以表示为公式(1)：
M＝min f(D(F))----------------------------------------(1)
其中，F∈K，M为求解出的第一函数值，F为通量值，K为通量所在的函数空间，D为剂量分布，f为与预设剂量分布之间的接近程度。
处理器在执行步骤202时还可以实现如下过程：
步骤2022，在第二剂量分布与预设剂量分布的第二分布差异不符合第一预设条件的情况下，将第二剂量分布更新为当前剂量分布，并重复执行比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是第二分布差异符合第一预设条件。
如果处理器确定第二分布差异不符合第一预设条件，则将第二剂量分布更新为当前剂量分布。之后，比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格，对待优化网格进行加密处理得到多个加密网格，并更新当前通量网格。可以理解地，经过多次加密，当前通量网格可以包含多种尺寸的网格。
接着，基于当前通量网格进行通量图优化，直至重复执行次数达到预设执行次数或是第二分布差异符合第一预设条件，得到目标通量图。本公开实施例对预设执行次数不做限定。
上述得到目标通量图像的过程中，处理器以预设剂量分布为优化目标，对当前通量网格对应的通量参数进行调整，并根据调整得到感兴趣区域内的第二剂量分布；根据第二剂量分布进行剂量分布的迭代优化，以得到目标通量图。通过本公开实施例，进行剂量分布优化的迭代处理，直到优化后的通量图对应的剂量分布与预设剂量分布接近。迭代处理中通过剂量分布对部分通量网格进行加密处理，得到不同尺寸的通量网格，可以为后续算法比如叶片序列化算法提供一个合理的初始解。
在一个实施例中，如图4所示，处理器在执行步骤105时可以实现如下过程：
步骤301，以第一分布差异为优化目标，对当前通量网格对应的通量参数进行调整得到通量增量分布，并基于通量增量分布得到感兴趣区域内的剂量增量分布。
处理器对当前通量网格对应的通量参数进行调整，调整后根据通量的变化得到通量增量分布，根据通量增量分布进行剂量计算，可以得到感兴趣区域的剂量增量分布。
步骤302，根据剂量增量分布进行剂量分布的迭代优化，以得到目标通量图。
在得到剂量增量分布之后，可以根据剂量增量分布与第一分布差异进行迭代优化。处理器在执行步骤302时可以实现以下过程：
步骤3021，在剂量增量分布与第一分布差异之间的关系符合第二预设条件的情况下，将第一通量图和通量增量分布之和确定为目标通量图。
处理器将剂量增量分布与第一分布差异进行比较，如果剂量增量分布与第一分布差异之间的关系符合第二预设条件，则计算第一通量图和通量增量分布之和，并将计算出的通量和确定为目标通量图。
在其中一个实施例中，第二预设条件包括：对第二预设函数进行求解得到的第二函数值小于第二预设值；第二预设函数用于表征计算出的剂量增量分布与前一个分布差异之间的关系；第二函数值为计算出的剂量增量分布与前一个分布差异之间的接近程度。
在实际应用中，可以在处理器中设置计算出的剂量增量分布与前一个分布差异之间的关系，即第二预设函数。在得到第二剂量分布后，将剂量增量分布与第一分布差异分别输入到第二预设函数中，然后对第二预设函数进行求解得到第二函数值。如果第二函数值小于第二预设值，表明剂量增量分布与第一分布差异之间很接近，符合第二预设条件，因此，将第二剂量分布对应的第二通量图确定为目标通量图。
处理器在对当前通量网格进行通量参数调整时，可以用公式(2)表示：
M＝min f(D(F(S)))--------------------------------(2)
其中，F∈K，M为求解出的第一函数值，S为通量网格，F为通量网格对应的通量值，K为通量所在的函数空间，D为剂量分布，f为与预设剂量分布之间的接近程度。基于上述公式(2)，可以计算出本次优化后的剂量增量与目标差异(即，上述的第一剂量分布)之间的接近程度。如果不符合第二预设条件，则利用本次优化后的剂量增量与目标差异之间的差值更新上述目标差异，并进行下一轮的优化直至优化结果满足第二预设条件。
处理器在执行步骤302时还可以实现如下过程：
步骤3022，在剂量增量分布与第一分布差异之间的关系不符合第二预设条件的情况下，基于剂量增量分布与第一分布差异更新第一分布差异，并重新执行根据第一分布差异从当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是剂量增量分布与第一分布差异之间的关系符合第二预设条件。
如果处理器确定剂量增量分布与第一分布差异之间的关系不符合第二预设条件，则计算剂量增量分布与第一分布差异之间的差值，将差值更新为第一分布差异。之后，根据更新后的第一分布差异从当前通量网格中选取出至少一个待优化网格，对待优化网格进行加密处理得到多个加密网格，并更新当前通量网格。接着，以更新后的第一分布差异为优化目标，对当前通量网格对应的通量参数进行调整，直至重复执行次数达到预设执行次数或是剂量增量分布与第一分布差异之间的关系符合第二预设条件，将历次优化后的通量图进行叠加(即，将第一通量图和历次通量增量分布进行叠加)得到目标通量图。
上述得到目标通量图像的过程中，处理器以第一分布差异为优化目标，对当前通量网格对应的通量参数进行调整得到通量增量分布，并基于通量增量分布得到感兴趣区域内的剂量增量分布；根据剂量增量分布进行剂量分布的迭代优化，以得到目标通量图。通过本公开实施例，进行通量图优化处理，直到优化后的通量图对应的剂量增量分布与前一个分布差异接近。迭代处理中通过剂量分布对部分通量网格进行加密处理，得到不同尺寸的通量网格，可以为后续算法比如叶片序列化算法提供一个合理的初始解。
在一个实施例中，如图5所示，处理器在执行步骤104时可以实现如下过程：
步骤401，按照预设外扩宽度对待优化网格进行外扩处理，得到外扩网格。
其中，外扩网格的面积大于待优化网格的面积。
处理器在对待优化网格进行加密处理之前，还可以对待优化网格进行外扩处理。例如，预设外扩宽度为一个叶片的宽度，则将待优化网格向外扩展一个叶片的宽度，得到外扩网格；预设外扩宽度为两个叶片的宽度，则将待优化网格向外扩展两个叶片宽度，得到外扩网格。本公开实施例对预设外扩宽度不做限定。
可以理解地，外扩处理可以使待优化网格内的通量参数调整更加准确。
步骤402，按照预设加密宽度对外扩网格进行加密处理，得到多个候选网格。
外扩处理后，处理器对外扩网格进行加密处理。例如，预设加密宽度为L，则将外扩网格按照预设加密宽度L进行划分，得到多个候选网格。
步骤403，将多个候选网格中与待优化网格对应的候选网格确定为加密网格。
与待优化网格对应的候选网格，可以是包括外扩部分的全部候选网格，也可以去除外扩部分、只保留待优化网格内的候选网格。
在本实施例中，将待优化网格进行外扩处理后进行加密得到加密网格，并更新当前通量网格。在基于当前通量网格进行通量图优化的过程中，基于所述待优化网格范围内的加密网格和当前通量网格中的其它网格计算所述感兴趣区域内的剂量分布。
也就是说，将图5实施例的内容与上述图3或图4的实施例进行结合的时候，可以利用与所述待优化网格对应的加密网格进行优化，之后利用待优化网格范围内的加密网格以及当前通量图中除待优化网格之外的其他网格计算所述感兴趣区域内的剂量分布。与所述待优化网格对应的加密网格与上述的与待优化网格对应的候选网格相同。
上述得到加密网格的过程中，处理器按照预设外扩宽度对待优化网格进行外扩处理，得到外扩网格；按照预设加密宽度对外扩网格进行加密处理，得到多个候选网格；将多个候选网格中与待优化网格对应的候选网格确定为加密网格。通过本公开实施例，先对待优化网格进行外扩，加密之后得到加密网格，这样，可以使待优化网格内的通量参数调整更加准确，进而使得到的剂量分布更接近预设剂量分布。
在一个实施例中，如图6所示，处理器在执行步骤103时可以实现如下过程：
步骤501，根据第一分布差异从感兴趣区域中选取出待优化体素。
处理器根据第一分布差异选取待优化体素可以采用多种方式。其中一个方式包括：处理器根据第一分布差异确定感兴趣区域中各体素对应的剂量差异值；将感兴趣区域中的各体素按照剂量差异值从大到小的顺序进行排列，并将排列在前的预设数量的体素选取为待优化体素。
例如，处理器根据第一分布差异确定感兴趣区域中体素1对应的剂量差异值为a1、体素2对应的剂量差异值为a2……体素n对应的剂量差异值为an；将a1、a2……an按照从大到小的顺序进行排列，即得到对应的体素的排列顺序。预设数量为10，则将排列在前的10个体素选取为待优化体素。预设数量可以是预先设置，也可以是按照预设比例计算出的。例如，感兴趣区域共270个体素，预设比例为10％，则预设数量为27。本公开实施例对预设数量不做限定。
另一种方式包括：处理器根据第一分布差异确定感兴趣区域中各体素对应的剂量差异值；将感兴趣区域中各体素对应的剂量差异值与预设剂量差异值进行比较，并将剂量差异值大于预设剂量差异值的体素选取为待优化体素。
例如，处理器根据第一分布差异确定感兴趣区域中体素1对应的剂量差异值为a1、体素2对应的剂量差异值为a2……体素n对应的剂量差异值为an；预设剂量差异值为A，则将a1、a2……an分别与A进行比较，并将剂量差异值大于A的体素选取为待优化网格。
步骤502，将待优化体素向第一通量网格进行投影，并根据待优化体素在第一通量网格上的投影位置选取出待优化网格。
选取出待优化体素后，处理器将待优化体素向第一通量网格投影，得到待优化体素在第一通量网格上的投影位置；之后，将该投影位置对应的网格确定为待优化网格。
上述选取待优化网格的过程中，处理器根据第一分布差异从感兴趣区域中选取出待优化体素；将待优化体素向第一通量网格进行投影，并根据待优化体素在第一通量网格上的投影位置选取出待优化网格。通过本公开实施例，根据剂量分布情况选取出待优化网格，可以使优化后的通量图所对应的剂量分布与预设剂量分布更加接近。
应该理解的是，虽然图2-图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-图6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种通量图优化装置，该装置包括：
第一通量图获得模块601，用于建立第一通量网格，并基于第一通量网格进行通量图优化，得到第一通量图；
剂量分布确定模块602，用于基于第一通量图确定感兴趣区域内的第一剂量分布，并将第一剂量分布作为当前剂量分布，将第一通量网格作为当前通量网格；
网格选取模块603，用于比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从第一通量网格中选取至少一个待优化网格；
加密处理模块604，用于对待优化网格进行加密处理得到多个加密网格，并由加密网格和未加密网格组成当前通量网格；各加密网格的面积均小于待优化网格的面积；
目标通量图获得模块605，用于基于当前通量网格进行通量图优化，以得到目标通量图。
在其中一个实施例中，上述目标通量图获得模块605，具体用于以预设剂量分布为优化目标，对当前通量网格对应的通量参数进行调整，并根据调整得到感兴趣区域内的第二剂量分布；根据第二剂量分布进行剂量分布的迭代优化，以得到目标通量图。
在其中一个实施例中，上述目标通量图获得模块605，具体用于在第二剂量分布与预设剂量分布的第二分布差异符合第一预设条件的情况下，将第二剂量分布对应的第二通量图确定为目标通量图。
在其中一个实施例中，上述目标通量图获得模块605，还用于在第二剂量分布与预设剂量分布第二分布差异不符合第一预设条件的情况下，将第二剂量分布更新为当前剂量分布，并重复执行比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是第二分布差异符合第一预设条件。
在其中一个实施例中，第一预设条件包括：对第一预设函数进行求解得到的第一函数值小于第一预设值；第一预设函数用于表征计算出的剂量分布和预设剂量分布之间的关系；第一函数值为计算出的剂量分布与预设剂量分布之间的接近程度。
在其中一个实施例中，上述目标通量图获得模块605，具体用于以第一分布差异为优化目标，对当前通量网格对应的通量参数进行调整得到通量增量分布，并基于通量增量分布得到感兴趣区域内的剂量增量分布；根据剂量增量分布进行剂量分布的迭代优化，以得到目标通量图。
在其中一个实施例中，上述目标通量图获得模块605，具体用于在剂量增量分布与第一分布差异之间的关系符合第二预设条件的情况下，将第一通量图和通量增量分布之和确定为目标通量图。
在其中一个实施例中，上述目标通量图获得模块605，具体用于在剂量增量分布与第一分布差异之间的关系不符合第二预设条件的情况下，基于剂量增量分布与第一分布差异更新第一分布差异，并重新执行根据第一分布差异从当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是剂量增量分布与第一分布差异之间的关系符合第二预设条件。
在其中一个实施例中，第二预设条件包括：对第二预设函数进行求解得到的第二函数值小于第二预设值；第二预设函数用于表征计算出的剂量增量分布与前一个分布差异之间的关系；第二函数值为计算出的剂量增量分布与前一个分布差异之间的接近程度。
在其中一个实施例中，加密处理模块604，具体用于按照预设外扩宽度对待优化网格进行外扩处理，得到外扩网格；外扩网格的面积大于待优化网格的面积；按照预设加密宽度对外扩网格进行加密处理，得到多个候选网格；将多个候选网格中与待优化网格对应的候选网格确定为加密网格。
在本实施例中，将待优化网格进行外扩处理后进行加密得到加密网格，并更新当前通量网格。在基于当前通量网格进行通量图优化的过程中，基于所述待优化网格范围内的加密网格和当前通量网格中的其它网格计算所述感兴趣区域内的剂量分布。具体细节描述可以参考本发明的其他实施例的内容。
在其中一个实施例中，网格选取模块603，具体用于根据第一分布差异从感兴趣区域中选取出待优化体素；将待优化体素向第一通量网格进行投影，并根据待优化体素在第一通量网格上的投影位置选取出待优化网格。
在其中一个实施例中，网格选取模块603，具体用于根据第一分布差异确定感兴趣区域中各体素对应的剂量差异值；将感兴趣区域中的各体素按照剂量差异值从大到小的顺序进行排列，并将排列在前的预设数量的体素选取为待优化体素。
在其中一个实施例中，网格选取模块603，具体用于根据第一分布差异确定感兴趣区域中各体素对应的剂量差异值；将感兴趣区域中各体素对应的剂量差异值与预设剂量差异值进行比较，并将剂量差异值大于预设剂量差异值的体素选取为待优化体素。
关于通量图优化装置的具体限定可以参见上文中对于通量图优化方法的限定，在此不再赘述。上述通量图优化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
建立第一通量网格，并基于第一通量网格进行通量图优化，得到第一通量图；
基于第一通量图确定感兴趣区域内的第一剂量分布，并将第一剂量分布作为当前剂量分布，将第一通量网格作为当前通量网格；
比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格；
对待优化网格进行加密处理得到多个加密网格，并更新当前通量网格；各加密网格的面积均小于待优化网格的面积；
基于当前通量网格进行通量图迭代优化，以得到目标通量图。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
以预设剂量分布为优化目标，对当前通量网格对应的通量参数进行调整，并根据调整得到感兴趣区域内的第二剂量分布；
根据第二剂量分布进行剂量分布的迭代优化，以得到目标通量图。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在第二剂量分布与预设剂量分布的第二分布差异符合第一预设条件的情况下，将第二剂量分布对应的第二通量图确定为目标通量图。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在第二剂量分布与预设剂量分布的第二分布差异不符合第一预设条件的情况下，将第二剂量分布更新为当前剂量分布，并重复执行比较当前剂量分布与预设剂量分布的第一分布差异，根据第一分布差异从当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是第二分布差异符合第一预设条件。
在其中一个实施例中，第一预设条件包括：对第一预设函数进行求解得到的第一函数值小于第一预设值；第一预设函数用于表征计算出的剂量分布和预设剂量分布之间的关系；第一函数值为计算出的剂量分布与预设剂量分布之间的接近程度。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
以第一分布差异为优化目标，对当前通量网格对应的通量参数进行调整得到通量增量分布，并基于通量增量分布得到感兴趣区域内的剂量增量分布；
根据剂量增量分布进行剂量分布的迭代优化，以得到目标通量图。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在剂量增量分布与第一分布差异之间的关系符合第二预设条件的情况下，将第一通量图和通量增量分布之和确定为目标通量图。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在剂量增量分布与第一分布差异之间的关系不符合第二预设条件的情况下，基于剂量增量分布与第一分布差异更新第一分布差异，并重新执行根据第一分布差异从当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是剂量增量分布与第一分布差异之间的关系符合第二预设条件。
在其中一个实施例中，第二预设条件包括：对第二预设函数进行求解得到的第二函数值小于第二预设值；第二预设函数用于表征计算出的剂量增量分布与前一个分布差异之间的关系；第二函数值为计算出的剂量增量分布与前一个分布差异之间的接近程度。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
按照预设外扩宽度对待优化网格进行外扩处理，得到外扩网格；外扩网格的面积大于待优化网格的面积；
按照预设加密宽度对外扩网格进行加密处理，得到多个候选网格；
将多个候选网格中与待优化网格对应的候选网格确定为加密网格。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据第一分布差异从感兴趣区域中选取出待优化体素；
将待优化体素向第一通量网格进行投影，并根据待优化体素在第一通量网格上的投影位置选取出待优化网格。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据第一分布差异确定感兴趣区域中各体素对应的剂量差异值；
将感兴趣区域中的各体素按照剂量差异值从大到小的顺序进行排列，并将排列在前的预设数量的体素选取为待优化体素。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据第一分布差异确定感兴趣区域中各体素对应的剂量差异值；
将感兴趣区域中各体素对应的剂量差异值与预设剂量差异值进行比较，并将剂量差异值大于预设剂量差异值的体素选取为待优化体素。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (16)

1.一种通量图优化系统，所述系统包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下过程：
建立第一通量网格，并基于所述第一通量网格进行通量图优化，得到第一通量图；
基于所述第一通量图确定感兴趣区域内的第一剂量分布，并将所述第一剂量分布作为当前剂量分布，将所述第一通量网格作为当前通量网格；
比较所述当前剂量分布与预设剂量分布的第一分布差异，根据所述第一分布差异从所述当前通量网格中选取至少一个待优化网格；
对所述待优化网格进行加密处理得到多个加密网格，并更新所述当前通量网格；各所述加密网格的面积均小于所述待优化网格的面积；
基于所述当前通量网格进行通量图优化，以得到目标通量图。
2.根据权利要求1所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
以所述预设剂量分布为优化目标，对所述当前通量网格对应的通量参数进行调整，并根据所述调整得到所述感兴趣区域内的第二剂量分布；
根据所述第二剂量分布进行剂量分布的迭代优化，以得到所述目标通量图。
3.根据权利要求2所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
在所述第二剂量分布与所述预设剂量分布的第二分布差异符合第一预设条件的情况下，将所述第二剂量分布对应的第二通量图确定为所述目标通量图。
4.根据权利要求2所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
在所述第二剂量分布与所述预设剂量分布的第二分布差异不符合第一预设条件的情况下，将所述第二剂量分布更新为所述当前剂量分布，并重复执行比较所述当前剂量分布与预设剂量分布的第一分布差异，根据所述第一分布差异从所述当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是所述第二分布差异符合所述第一预设条件。
5.根据权利要求3或4所述的系统，其特征在于，所述第一预设条件包括：对第一预设函数进行求解得到的第一函数值小于第一预设值；所述第一预设函数用于表征计算出的剂量分布和所述预设剂量分布之间的关系；所述第一函数值为计算出的剂量分布与所述预设剂量分布之间的接近程度。
6.根据权利要求1所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
以所述第一分布差异为优化目标，对所述当前通量网格对应的通量参数进行调整得到通量增量分布，并基于所述通量增量分布得到所述感兴趣区域内的剂量增量分布；
根据所述剂量增量分布进行剂量分布的迭代优化，以得到所述目标通量图。
7.根据权利要求6所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
在所述剂量增量分布与所述第一分布差异之间的关系符合第二预设条件的情况下，将所述第一通量图和所述通量增量分布之和确定为所述目标通量图。
8.根据权利要求7所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
在所述剂量增量分布与所述第一分布差异之间的关系不符合第二预设条件的情况下，基于所述剂量增量分布与所述第一分布差异更新所述第一分布差异，并重新执行根据所述第一分布差异从所述当前通量网格中选取至少一个待优化网格的步骤，直至重复执行次数达到预设执行次数或是所述剂量增量分布与所述第一分布差异之间的关系符合第二预设条件。
9.根据权利要求7或8所述的系统，其特征在于，所述第二预设条件包括：对第二预设函数进行求解得到的第二函数值小于第二预设值；所述第二预设函数用于表征计算出的剂量增量分布与前一个分布差异之间的关系；所述第二函数值为计算出的剂量增量分布与前一个分布差异之间的接近程度。
10.根据权利要求1所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
按照预设外扩宽度对所述待优化网格进行外扩处理，得到外扩网格；所述外扩网格的面积大于所述待优化网格的面积；
按照预设加密宽度对所述外扩网格进行加密处理，得到多个候选网格；
将所述多个候选网格中与所述待优化网格对应的候选网格确定为所述加密网格。
11.根据权利要求10所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
在基于所述当前通量网格进行通量图优化的过程中，基于所述待优化网格范围内的加密网格和当前通量网格中的其它网格计算所述感兴趣区域内的剂量分布。
12.根据权利要求1所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
根据所述第一分布差异从所述感兴趣区域中选取出待优化体素；
将所述待优化体素向所述第一通量网格进行投影，并根据所述待优化体素在所述第一通量网格上的投影位置选取出所述待优化网格。
13.根据权利要求12所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
根据所述第一分布差异确定所述感兴趣区域中各体素对应的剂量差异值；
将所述感兴趣区域中的各体素按照所述剂量差异值从大到小的顺序进行排列，并将排列在前的预设数量的体素选取为所述待优化体素。
14.根据权利要求12所述的系统，其特征在于，所述处理器执行所述计算机程序时还实现如下过程：
根据所述第一分布差异确定所述感兴趣区域中各体素对应的剂量差异值；
将所述感兴趣区域中各体素对应的剂量差异值与预设剂量差异值进行比较，并将所述剂量差异值大于所述预设剂量差异值的体素选取为所述待优化体素。
15.一种通量图优化装置，其特征在于，所述装置包括：
第一通量图获得模块，用于建立第一通量网格，并基于所述第一通量网格进行通量图优化，得到第一通量图；
剂量分布确定模块，用于基于所述第一通量图确定感兴趣区域内的第一剂量分布，并将所述第一剂量分布作为当前剂量分布，将所述第一通量网格作为当前通量网格；
网格选取模块，用于比较所述当前剂量分布与预设剂量分布的第一分布差异，根据所述第一分布差异从所述当前通量网格中选取至少一个待优化网格；
加密处理模块，用于对所述待优化网格进行加密处理得到多个加密网格，并更新所述当前通量网格；各所述加密网格的面积均小于所述待优化网格的面积；
目标通量图获得模块，用于基于所述当前通量网格进行通量图的迭代优化，以得到目标通量图。
16.一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，所述计算机程序被处理器执行时实现权利要求1至14中任一项。
CN202011031951.7A 2020-09-27 2020-09-27 通量图优化系统、装置和存储介质 Active CN112151146B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011031951.7A CN112151146B (zh) 2020-09-27 2020-09-27 通量图优化系统、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011031951.7A CN112151146B (zh) 2020-09-27 2020-09-27 通量图优化系统、装置和存储介质

Publications (2)

Publication Number Publication Date
CN112151146A true CN112151146A (zh) 2020-12-29
CN112151146B CN112151146B (zh) 2022-08-23

Family

ID=73894275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011031951.7A Active CN112151146B (zh) 2020-09-27 2020-09-27 通量图优化系统、装置和存储介质

Country Status (1)

Country Link
CN (1) CN112151146B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113577581A (zh) * 2021-08-30 2021-11-02 上海联影医疗科技股份有限公司 放疗剂量确定系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104645500A (zh) * 2015-02-12 2015-05-27 上海联影医疗科技有限公司 调强放疗优化方法及系统
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
CN109215759A (zh) * 2017-07-06 2019-01-15 瓦里安医疗系统国际股份公司 在imrt规划优化期间形成3d剂量分布的交互式直观方法
CN109979564A (zh) * 2017-12-28 2019-07-05 北京连心医疗科技有限公司 一种智能放疗计划方法、设备和存储介质
CN110327554A (zh) * 2019-07-08 2019-10-15 南方医科大学 基于预测剂量分布引导的调强放疗计划优化方法及应用
US20190336793A1 (en) * 2018-05-02 2019-11-07 Shenzhen United Imaging Healthcare Co., Ltd. Systems and methods for generating radiation treatment plan
CN110556176A (zh) * 2018-06-01 2019-12-10 北京连心医疗科技有限公司 一种基于蒙特卡罗的剂量优化方法、设备和存储介质
CN110570923A (zh) * 2018-06-06 2019-12-13 北京连心医疗科技有限公司 一种混合蒙特卡罗的放疗逆向优化方法、设备和存储介质
CN111001097A (zh) * 2019-12-28 2020-04-14 上海联影医疗科技有限公司 一种放疗剂量评估系统、装置及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104645500A (zh) * 2015-02-12 2015-05-27 上海联影医疗科技有限公司 调强放疗优化方法及系统
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
CN109215759A (zh) * 2017-07-06 2019-01-15 瓦里安医疗系统国际股份公司 在imrt规划优化期间形成3d剂量分布的交互式直观方法
CN109979564A (zh) * 2017-12-28 2019-07-05 北京连心医疗科技有限公司 一种智能放疗计划方法、设备和存储介质
US20190336793A1 (en) * 2018-05-02 2019-11-07 Shenzhen United Imaging Healthcare Co., Ltd. Systems and methods for generating radiation treatment plan
CN110556176A (zh) * 2018-06-01 2019-12-10 北京连心医疗科技有限公司 一种基于蒙特卡罗的剂量优化方法、设备和存储介质
CN110570923A (zh) * 2018-06-06 2019-12-13 北京连心医疗科技有限公司 一种混合蒙特卡罗的放疗逆向优化方法、设备和存储介质
CN110327554A (zh) * 2019-07-08 2019-10-15 南方医科大学 基于预测剂量分布引导的调强放疗计划优化方法及应用
CN111001097A (zh) * 2019-12-28 2020-04-14 上海联影医疗科技有限公司 一种放疗剂量评估系统、装置及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
QIYUAN JIA: "OAR Dose Distribution Prediction and gEUD Based Automatic Treatment Planning Optimization for Intensity Modulated Radiotherapy", 《IEEE ACCESS》 *
翟小娟 等: "两种子野分割算法制定食管癌调强计划比较", 《中国肿瘤临床与康复》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113577581A (zh) * 2021-08-30 2021-11-02 上海联影医疗科技股份有限公司 放疗剂量确定系统
CN113577581B (zh) * 2021-08-30 2024-02-20 上海联影医疗科技股份有限公司 放疗剂量确定系统

Also Published As

Publication number Publication date
CN112151146B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
Botas et al. Online adaption approaches for intensity modulated proton therapy for head and neck patients based on cone beam CTs and Monte Carlo simulations
RU2571374C2 (ru) Интерактивный компьютеризованный редактор для компенсаторов, используемых в планировании лучевой терапии
EP3098741B1 (en) Method for optimizing dose of radiation for radio-therapy treatment and radiation therapy system
Holmes et al. A comparison of three inverse treatment planning algorithms
US10675483B2 (en) Radiation therapy planning optimization and visualization
CN108771794B (zh) 用于生成辐射处理计划中的剂量计算的系统和方法
US11819710B2 (en) Method, device, and program for calculating brachytherapy plan, and brachytherapy apparatus
CN110548231B (zh) 放疗计划生成系统、装置及存储介质
CN106682409B (zh) 采样方法及放射治疗计划优化方法、剂量计算方法
Huang et al. Four-dimensional dosimetry validation and study in lung radiotherapy using deformable image registration and Monte Carlo techniques
Van Haveren et al. Lexicographic extension of the reference point method applied in radiation therapy treatment planning
US20210316157A1 (en) Quantum computation for intensity-modulated radiation therapy
Otto Real-time interactive treatment planning
CN112151146B (zh) 通量图优化系统、装置和存储介质
Erdelyi A comprehensive study of the most likely path formalism for proton-computed tomography
US20190038916A1 (en) Pre-optimization method for quick prediction of achievability of clinical goals in intensity modulated radiation therapy
US10751546B2 (en) Radiation treatment planning system and radiation treatment system
Bokrantz Distributed approximation of Pareto surfaces in multicriteria radiation therapy treatment planning
Tilly et al. Probabilistic optimization of dose coverage in radiotherapy
Kalantzis et al. A novel reduced-order prioritized optimization method for radiation therapy treatment planning
Bliznyuk et al. Determining the beam Spectrum of industrial Electron accelerator using depth dose distribution
Liu et al. Isodose feature‐preserving voxelization (IFPV) for radiation therapy treatment planning
CN111986778B (zh) 一种调强计划优化系统、装置及存储介质
US11651847B2 (en) Dose volume histogram and dose distribution based autoplanning
CN110189387B (zh) Pet图像校正方法方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant