CN112188918A - 用于促进多模态放射疗法方案的优化的方法和对应的放射治疗系统 - Google Patents

用于促进多模态放射疗法方案的优化的方法和对应的放射治疗系统 Download PDF

Info

Publication number
CN112188918A
CN112188918A CN201980035142.2A CN201980035142A CN112188918A CN 112188918 A CN112188918 A CN 112188918A CN 201980035142 A CN201980035142 A CN 201980035142A CN 112188918 A CN112188918 A CN 112188918A
Authority
CN
China
Prior art keywords
radiation therapy
electron
types
photon
candidate
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.)
Pending
Application number
CN201980035142.2A
Other languages
English (en)
Inventor
拉斯穆斯·博克兰茨
阿尔宾·弗雷德里克松
谢尔·埃里克松
埃里克·恩瓦尔
埃里克·特拉内乌斯
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.)
Raysearch Laboratories AB
Original Assignee
Raysearch Laboratories AB
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 Raysearch Laboratories AB filed Critical Raysearch Laboratories AB
Publication of CN112188918A publication Critical patent/CN112188918A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • A61N2005/1085—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy characterised by the type of particles applied to the patient
    • A61N2005/1089—Electrons
    • 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
    • A61N2005/1085—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy characterised by the type of particles applied to the patient
    • A61N2005/1091—Kilovoltage or orthovoltage range photons

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

本公开一般涉及放射治疗领域。更具体地，本公开一般涉及用于促进多模态放射疗法治疗方案的方法和放射治疗系统，特别是采用组合的光子束和电子束放射治疗的多模态放射疗法方案。根据本公开描述的一个示例实施例，方法可以包括：获得(210)与用于组合的光子束和电子束放射治疗的候选射束类型集合有关的信息；将所述候选射束类型集合与选择标准进行比较(230)，以从所述候选射束类型建立(250)射束类型子集；以及通过利用由此建立的射束类型子集生成(260)所述组合的光子束和电子束放射治疗方案。

Description

用于促进多模态放射疗法方案的优化的方法和对应的放射治 疗系统
技术领域
本公开一般涉及放射治疗领域。更具体地，本公开一般涉及用于促进多模态放射疗法方案，特别是采用组合的光子束和电子束放射疗法的多模态放射治疗方案的方法和放射治疗系统。如将认识到的，本文描述的各个方面和实施例因此在多模态放射疗法方案优化过程和系统中找到了特定的效用，其中多模态放射疗法方案采用组合的光子束和电子束放射治疗。
背景技术
用于外部射束放射疗法的优化算法已经存在一段时间。然而，随着可用的放射模态越来越多，癌症治疗中心正将更多类型的放射模态并入方案过程中。例如，癌症治疗部位可以将基于光子和电子的射束疗法组合到用于癌症患者的一个处方中。这种组合疗法通常利用分开的算法来对每种模态类型优化给予患者的剂量。这些算法可能固有地是不充分的，因为优化政策不同时包括所有治疗类型。
在传统的放射疗法方案算法中，有时试图创建放射束形状和权重的集合以满足用户定义的目标。这些目标可以例如包括对目标癌症部位和/或周围器官的最小剂量、最大剂量、平均剂量等。这些放射疗法方案算法通常一次仅利用一种治疗模态。然而，如上所述，越来越多的癌症中心已经获得了对不同治疗模态的访问。目前，存在递送放射光子的放射疗法装置和递送电子的其它放射疗法装置。如放射疗法方案系统领域的普通技术人员所知，每个方案都有其自己的优缺点，并且尽管存在对于每个方案的适当剂量优化程序，但是这样的程序通常专门优化这些模态中的仅一个模态的剂量。
WO2018/053648A1被EP18175043.1引用。WO2018/053648A1一般涉及基于多种模态的治疗方案。
发明内容
鉴于上述考虑和其它考虑，已经做出了本文公开的各个方面和实施例。
尽管用于癌症治疗的放射治疗技术取得了进步，但是本公开认识到仍然存在对放射治疗系统和方法的未满足的需求，该放射治疗系统和方法促进使用单一组合优化技术来进行采用组合的光子束和电子束放射治疗的多模态放射疗法方案。与一般集中于多模态的WO2018/053648A1相反，本公开专门集中于采用组合的光子束和电子束放射治疗的多模态放射疗法方案。
鉴于上述内容，因此贯穿本公开描述的方面和实施例的总体目的是提供一种解决方案，其克服了上文提到的一个或多个缺陷。更具体地，各个方面和实施例解决了促进采用组合的光子束和电子束放射治疗的多模态放射疗法方案的目的。
上述总体目的已经通过所附独立权利要求来解决。在所附从属权利要求中定义了有利的实施例。
根据第一方面，本申请提出了一种促进采用组合的光子束和电子束放射治疗的多模态放射疗法方案的优化的方法。获得与用于组合的光子束和电子束放射治疗的候选射束类型集合有关的信息。候选射束类型集合中的每个候选射束类型可以包括一个或多个射束类型参数。此外，将候选射束类型集合与选择标准进行比较，以从候选射束类型建立射束类型子集。更进一步地，仅利用所建立的射束类型子集来生成或以其它方式创建组合的光子束和电子束放射治疗方案。
在有利的实施例中，方法另外包括同时优化来自应用所生成的组合的光子束和电子束放射治疗方案的光子疗法装置和电子疗法装置的剂量递送。在一些实施例中，光子疗法装置和电子疗法装置可以是分开的装置。即，光子疗法装置和电子疗法装置可以是彼此分开的和不同的。然而，在可选的优选实施例中，光子疗法装置和电子疗法装置被实现为一个单个设备。有时，该单个设备可以被称为光子-电子疗法设备。
在一些实施例中，上述选择标准施加要求，使得仅有限数量的射束类型有资格作为随后在仅利用所建立的射束类型子集的组合的光子束和电子束放射治疗方案中被使用的射束类型子集。
此外，先前提到的射束类型参数可以包括以下中的一个或多个：射束能量；射束模态；射束轨迹；每单位时间的剂量；到感兴趣区域的距离；在感兴趣区域上或感兴趣区域内的射束放置；射束调节器，诸如多叶准直器、夹爪(jaws)、楔、块、散射箔、补偿器、切口(cutout)和团块(bolus)；以及机器特性。
在有利的实施例中，方法可以另外包括获取将使用组合的光子束和电子束放射治疗方案来治疗的感兴趣区域的图像(例如，借助于扫描器)，将所获取的图像转换成图像数据；以及评估图像数据。先前提到的选择标准可以基于图像数据的评估来确定或以其它方式来建立。
根据第二方面，本申请提出了一种放射治疗系统，其促进采用组合的光子束和电子束放射治疗的多模态放射疗法方案的优化。放射治疗系统包括至少一个处理器和至少一个存储器。至少一个存储器包括可由至少一个处理器执行的指令，由此放射治疗系统可操作以：i)获得与用于组合的光子束和电子束放射治疗的候选射束类型集合有关的信息，候选射束类型集合中的每个候选射束类型包括一个或多个射束类型参数，ii)将候选射束类型集合与选择标准进行比较，以从候选射束类型中建立射束类型子集；iii)仅利用已建立的射束类型子集来生成或以其它方式创建组合的光子束和电子束放射治疗方案。
有利地，至少一个存储器还可以包括可由至少一个处理器执行的指令，由此放射治疗系统可操作以同时优化来自应用所生成的组合的光子束和电子束放射治疗方案的光子疗法装置和电子疗法装置的剂量递送。即，光子疗法装置和电子疗法装置可以是彼此分开的和不同的。然而，在可选的优选实施例中，光子疗法装置和电子疗法装置被实现为一个单个设备。有时，该单个设备可以被称为光子-电子疗法设备。
在一些实施例中，先前提到的选择标准施加要求，使得仅有限数量的射束类型有资格作为随后在仅利用所建立的射束类型子集的组合的光子束和电子束放射治疗方案中被利用的射束类型子集。
上述射束类型参数可以包括以下中的一个或多个：射束模态；射束轨迹；每单位时间的剂量；到感兴趣区域的距离；在感兴趣区域上或感兴趣区域内的射束放置；射束调节器，诸如多叶准直器、夹爪、楔、块、散射箔、补偿器、切口和团块；以及机器特性。
另外，在一些实施例中，至少一个存储器可以包括可由至少一个处理器执行的指令，由此放射治疗系统可操作以获取将使用组合的光子束和电子束放射治疗方案来治疗的感兴趣区域的图像(例如，借助于扫描器)；将所获取的图像转换成图像数据；评估图像数据；以及基于图像数据的评估来确定选择标准。
根据第三方面，本申请提供了包括指令的计算机程序，指令当在至少一个处理器上执行时使至少一个处理器执行根据先前描述的第一方面的方法。
还可以可选地提供包括根据第三方面的计算机程序的载体。载体可以是例如电子信号、光信号、无线电信号或计算机可读存储介质。
例如，计算机可读介质可以具有存储在其上的一个或多个指令序列，其用于使一个或多个处理器执行：获得与用于组合的光子束和电子束放射治疗的候选射束类型集合有关的信息，候选射束类型集合中的每个候选射束类型包括一个或多个射束类型参数；将候选射束类型集合与选择标准进行比较，以从候选射束类型建立射束类型子集；以及仅利用所建立的射束类型子集来生成或以其它方式创建组合的光子束和电子束放射治疗方案。
有利地，计算机可读介质可以另外具有存储在其上的一个或多个指令序列，其用于使一个或多个处理器执行同时优化来自应用所生成的组合的光子束和电子束放射治疗方案的光子疗法装置和电子疗法装置的剂量递送。
上述选择标准可以施加要求，使得仅有限数量的射束类型有资格作为随后在仅利用所建立的射束类型子集的组合的光子束和电子束放射治疗方案中被使用的射束类型子集。
先前提到的射束类型参数可以例如包括以下中的一个或多个：射束模态；射束轨迹；每单位时间的剂量；到感兴趣区域的距离；在感兴趣区域上或感兴趣区域内的射束放置；射束调节器，诸如多叶准直器、夹爪、楔、块、散射箔、补偿器、切口和团块；以及机器特性。
另外，在一些有利的实施例中，计算机可读介质可以具有存储在其上的一个或多个指令序列，其用于使一个或多个处理器执行评估图像数据，图像数据表示将使用组合的光子束和电子束放射治疗方案来治疗的感兴趣区域的所获取的图像；以及基于对所获取的图像数据的评估来确定选择标准。
本文呈现的方面和实施例基于以下认识：当生成或以其它方式创建用于癌症治疗的组合的光子束和电子束放射治疗方案时，可以有利地使用从候选射束类型的较大集合中识别的射束类型的适当子集。一个可能的优点是，可以越来越多地定制对患者的放射剂量。换句话说，有可能改进剂量递送精度(光子与电子)。附加地或替换地，总放射剂量可以被最小化或至少被减少。
附图说明
参考附图，根据以下对各种实施例的描述，这些和其它方面、特征和优点将是显而易见的，并且得到阐明，其中：
图1示意性地示出了能够促进采用组合的光子束和电子束放射治疗的多模态放射疗法方案的优化的放射治疗系统；
图2示意性地示出了由放射治疗系统执行或在其中实施的方法的流程图；
图3示意性地示出了根据一个方面的包含计算机程序的载体；
图4示出了用于不同平滑参数的近似阶跃函数；以及
图5示出了用于不同平滑参数的另一近似阶跃函数。
具体实施方式
现在将在下文中更全面地描述本发明。然而，本发明可以以许多不同的形式实施，并且不应被解释为限于本文阐述的实施例。相反，这些实施例是通过示例的方式提供的，使得本公开将是彻底和完整的，并且将向本领域技术人员充分地传达本发明的范围。在整个说明书中，相似的附图标记指代相似的元件或方法步骤。
本文公开的方面和实施例涉及单个优化例程，其允许优化或至少改进将用于癌症治疗的组合的光子束和电子束放射治疗中的光子和电子递送两者。这进而可以利用光子和电子的组合来促进肿瘤治疗。本文呈现的方面和实施例基于以下认识：在生成组合的光子束和电子束放射治疗方案时，可以有利地使用从候选射束类型的较大集合中识别的射束类型的适当子集。一个可能的优点是，可以越来越多地定制对患者的放射剂量。换句话说，有可能改进剂量传送精度(光子与电子)。附加地或替换地，总放射剂量可以被最小化或至少被减少。
因此，本公开一般提出了在用于组合的光子-电子疗法的治疗方案规划期间从候选射束类型的较大集合中选择射束类型子集。作为对以下详细描述的简单介绍，并且为了向本发明的稍后描述的方面和实施例提供情景，将首先简要讨论治疗方案。在电子和光子放射期间，放射场的形状通常由一个或多个疗法装置(例如，光子疗法装置和电子疗法装置)控制。例如，放射场的形状可以由集成在治疗头中的机动准直装置(例如多叶准直器(MLC)和夹爪)或诸如施加器或切口(主要是电子)的辅助装置来控制。另一种类型的辅助装置是楔形物，其可以用于控制疗法场的通量分布。例如，可以通过机架、床和/或治疗头的旋转来确定或以其它方式建立场相对于患者的取向。治疗可以以几个部分来实施，并且每个治疗部分可以由一系列射束组成。可以将射束指定为一系列控制点，其中每个控制点定义场形状装置的给定配置和场在某个累积监视单元(MU)水平的取向。例如，机动准直装置的配置可以在各控制点之间、以及场相对于患者的取向而改变。累积MU读数在各控制点之间可以不变，以表示当放射被切断时场形状或场取向的变化。原则上可以在一个射束内改变射束能量或甚至模态，如果这是由治疗硬件支持的，但是这样的改变目前通常不是标准的。因此，一般而言，经常假设每个射束具有不同的模态(光子或电子)和恒定的射束能量。在下文中，术语“射束类型”可以用于指代模态、射束能量、附件装置的集合等等的所选配置。应当理解，作为一系列控制点的射束的描述可以包括作为特殊情况的用于调制外部射束放射疗法的所有标准递送技术，即，步进和发射强度调制的放射治疗(step-and-shootintensity-modulated radiation therapy，IMRT)、滑动窗口IMRT、体积调制的弧形疗法(volumetric-modulated arc therapy，VMAT)、3D适形放射疗法或适形弧形疗法。还包括这些递送技术的混合变体，诸如混合IMRT-VMAT。可以在治疗方案系统(TPS)中创建和评估用于组合的光子-电子治疗的治疗方案，在下文中，治疗方案系统可互换地称为放射治疗系统(参见图1)。放射治疗系统可以例如被配置为基于所获取的图像(例如，利用计算机断层摄影(CT)扫描器)确定或以其它方式计算患者体积中的规划的剂量分布。有时，在剂量确定或计算中的中间步骤是基于射束的控制点计算每个射束的能量通量分布。放射治疗系统可以例如利用控制点或通量作为变量来优化或以其它方式生成治疗方案。这两种类型的优化有时分别被称为直接机器参数优化(DMPO)和通量图优化(FMO)。通常，但不是必须的，在其中FMO之后是DMPO的两个阶段中生成或以其它方式创建治疗方案。
现在将参考附图，其中图1示出了其中可以应用本发明的各方面和实施例的示例系统100。系统100有时被称为放射治疗系统。系统100被配置用于促进采用组合的光子束和电子束放射治疗的多模态放射疗法方案的优化。因此，系统100被配置用于促进多模态放射疗法的优化，其中，放射疗法方案采用光子束与电子束放射治疗的组合。
在用于优化光子和电子束治疗的现有技术中，其中如果用户或操作者期望组合治疗，她/他通常必须基于每个模态(即，光子或电子)分别创建放射疗法方案。因此，她/他将被迫每次针对一个递送选项(即，光子或电子)来优化或以其它方式规划治疗。相反，图1中所示的系统促进对采用组合的光子束放射治疗和电子束放射治疗的多模态放射疗法方案使用单个组合优化技术。
继续参考图1，系统100包括一个或多个处理器110或控制器。处理器100通信地连接到一个或多个存储器120。一个或多个存储器120可以包括可由处理器110执行的指令，由此系统100可以被操作用于执行贯穿本公开所描述的各种功能和/或方法。
处理器110还可以通信地连接到用户界面(UI)140。用户或操作者(未示出)可以与UI 140交互并操作UI 140，例如用于控制系统100的操作。为此，UI 140可以因此包括用于接收用户输入的UI输入装置。附加地或替换地，UI 140可以包括用于向用户输出信息的UI输出装置。在一些实施例中，UI 140可以被实现为触敏UI。例如，UI可以包括适当地结合了UI输入装置和UI输出装置的功能的触敏显示器。
处理器110还通信地连接到多模态放射疗法模块150。此外，存储器可以包括可由处理器执行的指令，由此系统10被操作以同时优化来自应用所生成的组合的光子束和电子束放射治疗方案的光子疗法装置152和电子疗法装置154的剂量递送。为此，放射疗法模块150可以设置有光子疗法装置152和电子疗法装置154。如图1所示，光子疗法装置152和电子疗法装置154可以有利地在一个单个设备中实现，然后该装置将光子和电子疗法相组合。然而，应当理解，可以想到的是，光子疗法装置152和电子疗法装置154可以替换地被设置为分开的装置。
光子疗法装置152和电子疗法装置154可以用于使用采用光子束放射以及电子束放射的组合的或双重的放射治疗方案来治疗患者。为此，与用于组合的光子束和电子束放射治疗的候选射束类型集合有关的信息124可以被存储在存储器120中的存储器上。候选射束类型集合中的每个候选射束类型还可以包括一个或多个射束类型参数，或者与一个或多个射束类型参数相关联。射束类型参数可以包括但不限于：射束能量；射束模态；射束轨迹；每单位时间的剂量；到感兴趣区域的距离；在感兴趣区域上或感兴趣区域内的射束放置；射束调节器，诸如MLC、夹爪、楔、块、散射箔、补偿器、切口和团块；以及机器特性。而且，优化器模块122可以被存储在存储器120中的存储器上。优化器模块122可包括至少一个选择标准。如稍后将讨论的，候选射束类型集合可以与选择标准进行比较，以从候选射束类型建立射束类型子集。有利地但不是必须地，上述选择标准施加要求，使得仅有限数量的射束类型有资格作为射束类型子集，以便随后在组合的光子束和电子束放射治疗方案中使用。另外，优化器模块122可以仅利用所建立的射束类型子集来优化或以其它方式生成组合的光子束和电子束放射治疗方案。
在有利的实施例中，系统100还包括扫描器130。扫描器130可以是CT扫描器或其它诊断扫描器。扫描器130被配置为扫描患者以获取感兴趣区域的图像，感兴趣区域将使用组合的光子束和电子束放射治疗方案来治疗。在一些实施例中，所获取的图像可以被转换成图像数据，该图像数据可以作为诊断图像数据被存储在存储器120中的存储器上。如将在下文中更详细地讨论的，可以基于图像数据的评估来有利地进行对先前提到的选择标准的确定。
鉴于上述，可以理解，放射治疗系统100可以被配置为仅利用所建立的射束类型子集来生成组合的光子束和电子束放射治疗方案。各方面和实施例基于以下认识：当生成或以其它方式创建用于癌症治疗的组合的光子束和电子束放射治疗方案时，可以有利地使用从候选射束类型的较大集合中识别的射束类型的适当子集。一个可能的优点是，可以越来越多地定制对患者的放射剂量。换句话说，使得可以改进剂量递送精度(光子与电子)。附加地或替换地，总放射剂量可以被最小化或至少被减少。这又可以导致改进的优化，并因此改进癌症治疗。由于图1中的放射治疗系统100的独特性质，用户或操作者能够执行采用组合的光子束和电子束放射治疗的多模态放射疗法方案的优化，这是使用常规技术不能做到的。
如本文之前所述，尽管放射疗法技术取得了进步，但是一些现有的采用组合的光子束和电子束放射治疗的多模态放射疗法方案可能是不够的。为了解决采用组合的光子束和电子束放射治疗的改进的多模态放射疗法方案的仍然未满足的需要，并且根据一个方面，本公开因此还提出了如在图2中的流程图中示意性地图示的方法。
因此，图2示意性地示出了用于促进采用组合的光子束和电子束放射治疗的多模态放射疗法方案的优化的方法的流程图。换句话说，图2提出了一种在癌症的组合光子-电子治疗中发现特别效用的方法。
该方法有利地但不是必须地由图1中所示的放射治疗系统100执行或以其它方式在其中实施。
动作210：获得与候选射束类型集合有关的信息。候选射束类型集合通常是在组合的光子束和电子束放射治疗中有用的或以其它方式发现效用的候选射束类型集合。候选射束类型集合中的每个候选射束类型可以包括一个或多个射束类型参数。射束类型参数可以包括以下中的一个或多个：射束能量；射束模态；射束轨迹；每单位时间的剂量；到感兴趣区域的距离；在感兴趣区域上或感兴趣区域内的射束放置；射束调节器，诸如MLC、夹爪、楔、块、散射箔、补偿器、切口和团块；以及机器特性。
动作220：可选地，可以确定或以其它方式建立选择标准。例如，可以获取220A图像。所获取的图像通常是要使用组合的光子束和电子束放射治疗方案来治疗的感兴趣区域的图像。该图像例如可以由扫描器获取。因此，所获取的图像有时可以被称为扫描图像。基于所获取的图像，可以形成或以其它方式创建图像数据。换句话说，所获取的图像可以被转换220B成图像数据。因此，图像数据包括表示先前获取的图像的数据。因此，图像数据可以包括表示扫描图像的数据。将理解，图像数据因此包括表示要使用组合的光子束和电子束放射治疗方案来治疗的感兴趣区域的图像的数据。随后也可以评估220C图像数据，并且基于该评估，可以确定220或以其它方式建立所述选择标准。在评估期间，例如可以对图像数据进行分割以识别患者的诸如要治疗的肿瘤和/或要避免的敏感组织和/或诸如骨的可能不利地影响剂量递送的致密组织的目标的位置、大小、形状等。
动作230：将候选射束类型集合与选择标准进行比较，以从候选射束类型建立射束类型子集。在动作220中可以可选地已经确定选择。替换地，选择标准可以是预定义的选择标准。例如，预定义的选择标准可以由用户确定或以其它方式由例如是图1中所示的系统100的用户或操作者的用户建立。
有利地，选择标准施加要求，使得仅有限数量的射束类型有资格作为射束类型子集，用于随后在组合的光子束和电子束放射治疗方案中被使用，组合的光子束和电子束放射治疗方案仅利用所建立的射束类型子集。
动作250：来自候选射束类型的射束类型子集可以基于动作230中的比较来建立或以其它方式确定。例如，如果或当候选射束类型满足选择标准时，该候选射束类型将被决定或以其它方式断定为有资格用于更窄、更有限的射束类型集合。将理解，并且根据该示例实施例，满足选择标准的候选射束类型将因此被选择或以其它方式被确定以表示或形成射束类型子集。
动作260：仅利用所建立的射束类型子集来生成或以其它方式创建或形成组合的光子束和电子束放射治疗方案。
动作270：来自应用所生成的组合的光子束和电子束放射治疗方案的光子疗法装置和电子疗法装置的剂量递送可以被同时优化。例如，有可能优化或以其它方式调整覆盖区域、剂量(光子与电子)和/或其它递送参数。
如从以上讨论中将理解的，本公开因此认识到以下事实：有可能评估和测试先前提到的选择标准，使得仅具有满足选择标准的某些特性的候选射束类型表示或形成射束类型子集。
本公开提出了一种促进采用组合的光子束和电子束放射治疗的多模态放射疗法方案的优化的方式。仅利用来自候选射束类型的较大集合的适当射束类型子集允许在多模态放射治疗方案的后续生成或创建中的改进的精度和/或增加的可靠性。改进的精度和/或增加的可靠性进而可以导致改进的优化，并且因此导致改进的癌症治疗。
现在转到图3，将简要地讨论另一方面。图3示出了计算机可读介质的示例，在该示例中，其形式为数据盘300。在一个实施例中，数据盘300是磁性数据存储盘。数据盘300被配置成携带可以被加载到诸如图1中所示的系统的设备100的存储器120中的指令310。在所述指令由设备100的处理器110执行时，使设备100执行根据本公开中例如结合图2所公开的方法中的任何一个的方法或过程。数据盘300被布置成连接到读取装置(未示出)或在读取装置内并由读取装置读取，以将指令加载到处理器110中。与一个(或几个)数据盘300结合的读取装置的一个这样的示例是硬盘驱动器。应当注意，计算机可读介质还可以是其它介质，诸如光盘、数字视频盘、闪存或其它常用的存储器技术。在这样的实施例中，数据盘300是一种类型的有形计算机可读介质。通过将指令包括在计算机可读信号(未示出)中，指令可以替换地被下载到计算机数据读取装置中，例如计算机或能够读取计算机可读介质上的计算机编码数据的其它设备100，其中计算机可读信号经由无线(或有线)接口(例如经由因特网)传输到计算机数据读取装置，以将指令加载到设备100的处理器110中。在这样的实施例中，计算机可读信号是一种类型的非有形计算机可读介质。
各种详细的优化示例
如从本公开中迄今描述的方面和实施例理解的，组合的光子束和电子束放射治疗方案有利地通过仅利用所建立的射束类型子集来生成或以其它方式创建。因此，本公开提出了一种促进采用组合的光子束和电子束放射治疗的多模态放射疗法方案的优化的方式。仅利用来自候选射束类型的较大集合的适当射束类型子集允许在多模态放射治疗方案的后续生成或创建中的改进的精度和/或增加的可靠性。改进的精度和/或增加的可靠性进而可以导致改进的优化，并且因此导致改进的癌症治疗。
在下文中，将更详细地讨论治疗方案优化的某些示例。然而，治疗方案优化可以被减少为以许多不同形式实践，并且不应被解释为限于本文阐述的示例。相反，这些示例是通过示例的方式提供的，使得本申请对于本领域技术人员将越来越全面和完整。
根据一些方面，治疗方案优化可以根据以下公式表示为数学问题：
最小化f(x)
对于cj(x)≤0,j＝1,...,m,(1)
其中优化变量的向量x表示要优化的射束参数，目标函数f是对被定义为使得较低值通常更好的方案质量的度量，并且约束函数c1、…、cm是表示对优化方案的不可协商的要求的函数。约束函数可以被定义为使得如果函数值为非正，则满足要求。
向量x是例如根据下式将每个射束类型的所有优化变量级联成单个向量：
Figure BDA0002796925740000141
其中每个子向量x(b)定义第b个波束类型的优化变量。例如，向量x(b)在DMPO阶段期间通常是跨射束类型b的所有控制点的MLC叶片位置的向量λ(b)和跨射束类型b的所有控制点的MU的向量μ(b)的级联，例如，
Figure BDA0002796925740000142
向量x(b)类似地是在FMO阶段期间射束类型b的比克塞尔(bixel)通量的级联。与某个射束相关的比克塞尔通常是在垂直于射束中心轴的平面中的表面元素。
变量的向量x也可以包括表示其它类型的治疗方案参数，诸如用于控制射束相对于患者的取向的参数的元素。
目标函数f可以是根据下式的项的和：
Figure BDA0002796925740000143
其中每个组成函数fi测量关于患者体积的给定子区域的治疗方案质量的一些方面。组成函数fi可以例如惩罚偏离目标结构的处方剂量，或者惩罚超过健康器官的某个耐受水平的剂量，等等。典型的约束函数cj是对方案剂量，诸如对健康器官的剂量的上限或对目标结构的剂量的下限施加要求的函数，或者替换地，是用于反映递送方法的一些物理或机械限制的函数。后一种类型的约束的示例是对比克塞尔强度或控制点MU的非负性约束、用于对MLC叶片位置施加边界的约束、以及例如用于禁止在两个相对MLC叶片之间的重叠的约束。如将理解的，这仅是示例，并且优化问题可以用不同的公式表达，例如机器约束可以被包括在目标函数中。
问题公式化
本公开认识到通过对作为治疗方案的一部分的不同射束类型的数量施加限制来控制光子-电子治疗方案的复杂性的未满足的需要。这种限制可以被表示为使用根据(1)的对问题的约束函数cj，其中x表示候选射束类型集合的参数。复杂性限制约束函数可以通过引入用于每个候选射束类型的函数yb而在数学上公式化，其被定义为使得如果第b个候选射束类型被选择，则yb(x(b))为正，否则为零。在DMPO期间yb的有效定义的示例可以是与射束类型b相关联的控制点MU的某些范数，例如，
Figure BDA0002796925740000151
如果使用欧几里德范数。该函数yb可以类似地相对于在FMO期间的子射束(beamlet)强度来定义。
函数y1、…、yB可以允许约束函数cj根据下式对要公式化的所选射束类型的数量施加上限：
Figure BDA0002796925740000152
其中θ是阶跃函数
Figure BDA0002796925740000153
应当理解，Bmax应小于可用的射束类型B的数量以影响优化。还可以针对射束类型子集来定义类似的约束，例如，
Figure BDA0002796925740000161
其中I是{1,…,B}的一些子集。
复杂性限制约束(3)可以根据下式迟缓(relax)为目标函数中的惩罚项：
fi(x)＝max{cj(x)，0}2， (5)
其中惩罚可以定义为与约束违例的幅值成平方地增加。
算法示例
对连续优化问题的迟缓：
复杂性限制约束(3)或惩罚(5)可能不适合于优化，因为阶跃函数(4)是不连续的。对这种困难的补救可以是用平滑但近似的阶跃函数
Figure BDA0002796925740000162
代替精确的阶跃函数θ。可能适合于优化的近似阶跃函数的示例是双曲正切，即：
Figure BDA0002796925740000163
其中正标量ε控制
Figure BDA0002796925740000164
对θ的接近程度，参见图4。另一示例是误差函数，即：
Figure BDA0002796925740000165
参见图5。
将(3)或(5)再公式化为平滑连续函数可以有利地将优化问题(1)转换为连续非线性问题。可以使用几种不同的公知方法来解决这种问题，例如，基于梯度的优化方法，诸如内部点方法或顺序二次编程方法，或者无导数优化方法，诸如模拟退火方法或遗传算法。
关于平滑阶跃函数
Figure BDA0002796925740000171
的优化不总是产生用于精确地满足原始要求cj(x)≤0的解x。因此，将适度不可行的解转换成可行的解的子例程有时可能是有益的。如果函数y1、…、yB对于所有b都满足yb(0)＝0，这是根据(2)的示例的情况，则有可能通过以升序排序y1(x(1))，...，yB(x(B))以获得系数i1、…、iB的序列来抵消不可行性。然后，可以每一次将向量x(i1)，...，x(iB)截至零向量，直到获得可行性。应当理解，该过程可以用于使得解决方案对于大于期望的最大射束类型数量Bmax的某个中间上限
Figure BDA0002796925740000172
是可行的。
复杂性限制约束和不可行性校正例程的平滑公式可以被组合到以下算法中，以从B个可能的候选者中选择最多Bmax的射束类型：
1.选择一些初始x，ε和
Figure BDA0002796925740000173
2.使用某种非线性优化方法对(1)进行优化，
3.相对于约束
Figure BDA0002796925740000174
使优化解x可行，
4.更新ε和
Figure BDA0002796925740000175
5.重复操作或步骤2-4，直到满足某些终止标准为止。
可以使用的终止标准的示例是，已经获得了相对于允许射束类型Bmax的最大数量的可行性，或者已经执行了最大迭代次数。
可以以类似的方式构造根据(5)的最小化平滑惩罚的算法。
完全枚举：
如果候选射束类型的数量B或允许的射束类型Bmax的最大数量是小或相对小的，则通过完全枚举来选择射束类型的优化子集在计算上是可行的。例如，如果使用单个光子能量，不需要选择辅助装置，并且治疗机器支持七个电子能量，其中两个应当被选择，则存在
Figure BDA0002796925740000181
个不同的可行的电子能量对。
可以独立地求解(1)的对应的21个不同实例，其中选择了一些电子能量对并且丢弃了对应于其余电子能量的变量。最后可以比较优化的解以识别电子能量的优化对。不同的问题实例可以优选地并行求解。
贪婪演算法(Greedy heuristics)：
在“对连续优化问题的迟缓”部分中概述的算法可以被简化为反向贪婪算法，该算法以所有可能的射束类型开始，并且顺序地丢弃对当前解x贡献最小的射束类型。如果在优化步骤中不考虑复杂性限制约束(上面的在“对连续优化问题的迟缓”部分中的步骤2)，则可以获得该简化。
射束类型也可以使用前向贪婪算法来选择，该算法开始于所选择的射束类型的空集，并且基于哪个射束类型最能改进当前解来迭代地添加类型。最佳的尚未选择的射束类型可以通过完全枚举来识别。
如从本文描述的示例中将理解的，本公开基于仍然存在对于促进采用组合的光子束和电子束放射治疗的多模态放射疗法方案的优化的未满足的需要的概念。本公开提出了一种用于组合的光子-电子治疗的治疗方案优化，其中考虑了与针对治疗所选择的一个或多个射束类型参数相关的至少一个复杂性要求。在这方面，“复杂性”应当被理解为与所使用的不同类型的射束的数量有关，其中射束类型是治疗能量、散射箔和/或团块等的选择，如贯穿本公开所解释的。由于射束能量、散射箔和/或团块的改变可能是耗时的，因此低方案复杂性可能是期望的。例如，复杂性要求可能限制用于治疗的不同射束类型的数量。因此，本公开集中于被公式化为对射束类型的总数进行约束的复杂性要求。也可以使用更复杂的措施。例如，可以为不同的射束类型分配不同的时间成本，并且考虑时间成本的总和。也可以并行使用多个复杂性要求，诸如对射束能量的总数的约束与对个别光子和/或电子能量的数量的约束的组合。对所选能量的最大数量的约束可以迟缓到在优化公式的目标函数中的惩罚项中。最小化所选能量的数量而不是显式约束对于控制在方案质量与能量的数量之间的权衡可能是有用的。例如，可以首先创建使用所有或基本上所有可能能量的治疗方案，然后求解第二优化问题，其中在防止对规划的剂量分布的过大改变的约束的情况下最小化所选能量的数量，。从候选射束类型的较大集合中选择射束类型子集与光子和电子控制点的优化相结合可能引起混合整数优化问题。
本公开已经提出了一种用于组合的光子-电子治疗的治疗方案优化，其中考虑了与针对治疗所选择的一个或多个射束类型参数相关的至少一个复杂性要求。射束类型参数可以例如与以下中的一个或几个有关：射束能量；射束模态；射束轨迹；每单位时间的剂量；到感兴趣区域的距离；在感兴趣区域上或感兴趣区域内的射束放置；射束调节器，诸如MLC、夹爪、楔、块、散射箔、补偿器、切口和团块；以及机器特性。贯穿本公开描述的示例的优点在于，可以同时优化组合的光子-电子治疗的光子和电子成分。
本文呈现的方面和实施例基于以下认识：当生成或以其它方式创建用于癌症治疗的组合的光子束和电子束放射治疗方案时，可以有利地使用从候选射束类型的较大集合中识别的射束类型的适当子集。一个可能的优点是，可以越来越多地定制对患者的放射剂量。换句话说，使得可以改进剂量递送精度(光子对电子)。附加地或替换地，总放射剂量可以被最小化或至少被减少。这又可以导致改进的优化，并因此改进癌症治疗。
在以上的详细描述中，出于解释而非限制的目的，阐述了具体细节以便提供对本公开中描述的各个方面和实施例的透彻理解。在一些实例中，已经省略了对公知的装置、组件、电路和方法的详细描述，以免不必要的细节模糊了对本文所公开的实施例的描述。本文公开的对原理、方面和实施例的所有陈述及其具体示例旨在包括其结构和功能等同物两者。附加地，这些等同物旨在包括当前已知的等同物以及将来开发的等同物，即，所开发的执行相同功能的任何元件，而不管结构如何。因此，例如，将理解，本文的框图可以表示说明性电路的概念图或体现实施例的原理的其它功能单元。类似地，将理解的是，任何流程图等都表示可以实质上在计算机可读介质中表示并因此由计算机或处理器执行的各种过程，无论是否明确示出了这种计算机或处理器。可以通过使用诸如电路硬件和/或能够以存储在上述计算机可读介质上的编码指令形式的软件来执行软件的硬件，来提供包括功能块的各种元件的功能。因此，这样的功能和所示的功能块应理解为是硬件实现的和/或计算机实现的，并且因此是机器实现的。在硬件实现方面，功能块可以包括或包含但不限于数字信号处理器(DSP)硬件、精简指令集处理器、包括但不限于专用集成电路[ASIC]、和/或现场可编程门阵列(FPGA)、以及(在适当情况下)能够执行此类功能的状态机的(例如数字或模拟的)硬件电路。在计算机实现方面，通常将计算机理解为包括一个或多个处理器或一个或多个控制器。当由计算机或处理器或控制器提供时，功能可以由单个专用计算机或处理器或控制器提供、由单个共享计算机或处理器或控制器提供、或由多个分开的计算机或处理器或控制器提供，其中一些可以是共享的或分布式的。此外，术语“处理器”或“控制器”的使用也可以被解释为是指能够执行这样的功能和/或执行软件的其它硬件，诸如以上列举的示例硬件。
受益于前述描述和相关附图中呈现的教导，本领域技术人员可以想到所描述的实施例的修改和其它变型。因此，应当理解，实施例不限于本公开中描述的特定示例实施例，并且修改和其它变型旨在被包括在本公开的范围内。此外，尽管本文可以采用特定术语，但是它们仅在一般和描述性意义上使用，而不是出于限制的目的。因此，本领域技术人员可以认识到所描述的实施例的多种变型仍落入所附权利要求的范围内。如本文中所使用的，术语“包括/包含”或“含有/具有”不排除其它元件或步骤的存在。此外，尽管各个特征可以被包括在不同的权利要求中，但是可以将这些特征有利地组合，并且被包括在不同的权利要求中并不意味着特征的组合是不可行和/或不利的。另外，单数引用不排除多个。

Claims (12)

1.一种用于促进多模态放射疗法方案的优化的方法(200)，所述多模态放射疗法方案采用组合的光子束和电子束放射治疗，所述方法包括：
获得(210)与用于所述组合的光子束和电子束放射治疗的候选射束类型集合有关的信息，所述候选射束类型集合中的每个候选射束类型包括一个或多个射束类型参数；
将所述候选射束类型集合与选择标准进行比较(230)，以从所述候选射束类型建立(250)射束类型子集，其中，所述选择标准施加要求，使得仅有限数量的射束类型有资格作为用于在所述组合的光子束和电子束放射治疗方案中后续利用的所述射束类型子集；以及
仅利用所建立的射束类型子集来生成(260)所述组合的光子束和电子束放射治疗方案。
2.根据权利要求1所述的方法(200)，包括：
同时优化(270)来自应用所生成的组合的光子束和电子束放射治疗方案的光子疗法装置和电子疗法装置的剂量递送。
3.根据权利要求1或2所述的方法(200)，其中，射束类型参数包括以下中的一个或多个：射束能量；射束模态；射束轨迹；每单位时间的剂量；到感兴趣区域的距离；在感兴趣区域上或感兴趣区域内的射束放置；射束调节器，诸如多叶准直器、夹爪、楔、块、散射箔、补偿器、切口和团块；以及机器特性。
4.根据权利要求1至3中的任一项所述的方法(200)，包括：
借助于扫描器来获取(220A)使用所述组合的光子束和电子束放射治疗方案要治疗的感兴趣区域的图像；
将所获取的图像转换(220B)为图像数据；
评估(220C)所述图像数据；以及
基于对所述图像数据的评估(220B)来确定(220)所述选择标准。
5.一种用于促进多模态放射疗法方案的优化的放射治疗系统(100)，所述多模态放射疗法方案采用组合的光子束和电子束放射治疗，所述放射治疗系统包括：
至少一个处理器(110)；以及
至少一个存储器(120)，所述少一个存储器(120)包括由所述至少一个处理器(110)能够执行的指令，由此所述放射治疗系统(100)被操作以：
获得与用于所述组合的光子束和电子束放射治疗的候选射束类型集合有关的信息，所述候选射束类型集合中的每个候选射束类型包括一个或多个射束类型参数；
将所述候选射束类型集合与选择标准进行比较以从所述候选射束类型建立射束类型子集，其中，所述选择标准施加要求，使得仅有限数量的射束类型有资格作为用于在所述组合的光子束和电子束放射治疗方案中后续利用的所述射束类型子集；以及
仅利用所建立的射束类型子集来生成所述组合的光子束和电子束放射治疗方案。
6.根据权利要求5所述的放射治疗系统(100)，其中，所述至少一个存储器(120)包括由所述至少一个处理器(110)能够执行的指令，由此所述放射治疗系统(100)被操作以：
同时优化来自应用所生成的组合的光子束和电子束放射治疗方案的光子疗法装置和电子疗法装置的剂量递送。
7.根据权利要求5或6所述的放射治疗系统(100)，其中，射束类型参数包括以下中的一个或多个：射束模态；射束轨迹；每单位时间的剂量；到感兴趣区域的距离；在感兴趣区域上或感兴趣区域内的射束放置；射束调节器，诸如多叶准直器、夹爪、楔、块、散射箔、补偿器、切口和团块；以及机器特性。
8.根据权利要求5至7中的任一项所述的放射治疗系统(100)，其中，所述至少一个存储器(120)包括由所述至少一个处理器(110)能够执行的指令，由此所述放射治疗系统(100)被操作以：
借助于扫描器(130)来获取使用所述组合的光子束和电子束放射治疗方案要治疗的感兴趣区域的图像；
将所获取的图像转换成图像数据；
评估所述图像数据；以及
基于对所述图像数据的评估来确定所述选择标准。
9.一种计算机可读介质(300)，所述计算机可读介质具有存储在其上的一个或多个指令序列(310)，所述指令序列用于使一个或多个处理器(110)执行：
获得与用于组合的光子束和电子束放射治疗的候选射束类型集合有关的信息，所述候选射束类型集合中的每个候选射束类型包括一个或多个射束类型参数；
将所述候选射束类型集合与选择标准进行比较以从所述候选射束类型建立射束类型子集，其中，所述选择标准施加要求，使得仅有限数量的射束类型有资格作为用于在所述组合的光子束和电子束放射治疗方案中后续利用的所述射束类型子集；以及
仅利用所建立的射束类型子集来生成所述组合的光子束和电子束放射治疗方案。
10.根据权利要求11所述的计算机可读介质(300)，所述计算机可读介质具有存储在其上的一个或多个指令序列，所述指令序列用于使一个或多个处理器(110)执行：
同时优化来自应用所生成的组合的光子束和电子束放射治疗方案的光子疗法装置和电子疗法装置的剂量递送。
11.根据权利要求9或10所述的计算机可读介质(300)，其中，射束类型参数包括以下中的一个或多个：射束模态；射束轨迹；每单位时间的剂量；到感兴趣区域的距离；在感兴趣区域上或感兴趣区域内的射束放置；射束调节器，诸如多叶准直器、夹爪、楔、块、散射箔、补偿器、切口和团块；以及机器特性。
12.根据权利要求9至11中的任一项所述的计算机可读介质(300)，所述计算机可读介质具有存储在其上的一个或多个指令序列，所述指令序列用于使一个或多个处理器(110)执行以下操作：
评估用于表示使用所述组合的光子束和电子束放射治疗方案要治疗的感兴趣区域的所获取的图像的图像数据；和
基于所获取的图像数据的评估来确定所述选择标准。
CN201980035142.2A 2018-05-30 2019-05-27 用于促进多模态放射疗法方案的优化的方法和对应的放射治疗系统 Pending CN112188918A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18175043.1 2018-05-30
EP18175043.1A EP3574956A1 (en) 2018-05-30 2018-05-30 A method and a corresponding radiation treatment system for facilitating optimization of a multimodal radiation therapy plan
PCT/EP2019/063676 WO2019228997A1 (en) 2018-05-30 2019-05-27 A method and a corresponding radiation treatment system for facilitating optimization of a multimodal radiation therapy plan

Publications (1)

Publication Number Publication Date
CN112188918A true CN112188918A (zh) 2021-01-05

Family

ID=62492442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980035142.2A Pending CN112188918A (zh) 2018-05-30 2019-05-27 用于促进多模态放射疗法方案的优化的方法和对应的放射治疗系统

Country Status (5)

Country Link
US (1) US11865363B2 (zh)
EP (1) EP3574956A1 (zh)
JP (1) JP2021526047A (zh)
CN (1) CN112188918A (zh)
WO (1) WO2019228997A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3235735A1 (en) * 2021-09-25 2023-03-30 Michael Bortz Mco planning of treatments with available technologies in radiotherapy (rt)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000015299A1 (en) * 1998-09-10 2000-03-23 The Regents Of The University Of California Falcon: automated optimization method for arbitrary assessment criteria
US20060033044A1 (en) * 2004-08-04 2006-02-16 Gentry John R Treatment planning tool for multi-energy electron beam radiotherapy
CN102939607A (zh) * 2010-06-11 2013-02-20 皇家飞利浦电子股份有限公司 针对放射治疗处置规划的同时多模态逆向优化
DE102015209809A1 (de) * 2015-05-28 2016-03-24 Siemens Healthcare Gmbh Auswertungsverfahren für cloudgespeicherte Medizindaten
US20160254121A1 (en) * 2015-02-27 2016-09-01 Kla-Tencor Corporation Alignment of Multi-Beam Patterning Tool
US20160331997A1 (en) * 2013-09-20 2016-11-17 Brainlab Ag Method and Device for Improved Radiation Therapy Treatment of a Set of Targets
CN107666940A (zh) * 2015-05-28 2018-02-06 皇家飞利浦有限公司 选择射束几何结构的方法
WO2018053648A1 (en) * 2016-09-23 2018-03-29 The Royal Institution For The Advancement Of Learning/Mcgill University Treatment planning based on multiple modalities

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002024278A1 (en) * 2000-09-22 2002-03-28 Numerix Llc Improved radiation therapy treatment method
DE112016000448T5 (de) * 2015-01-22 2018-01-04 Koninklijke Philips N.V. Volumenmodulierte Strahlentherapie (VMAT) mit nicht-koplanaren Trajektorien

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000015299A1 (en) * 1998-09-10 2000-03-23 The Regents Of The University Of California Falcon: automated optimization method for arbitrary assessment criteria
US20060033044A1 (en) * 2004-08-04 2006-02-16 Gentry John R Treatment planning tool for multi-energy electron beam radiotherapy
CN102939607A (zh) * 2010-06-11 2013-02-20 皇家飞利浦电子股份有限公司 针对放射治疗处置规划的同时多模态逆向优化
US20160331997A1 (en) * 2013-09-20 2016-11-17 Brainlab Ag Method and Device for Improved Radiation Therapy Treatment of a Set of Targets
US20160254121A1 (en) * 2015-02-27 2016-09-01 Kla-Tencor Corporation Alignment of Multi-Beam Patterning Tool
DE102015209809A1 (de) * 2015-05-28 2016-03-24 Siemens Healthcare Gmbh Auswertungsverfahren für cloudgespeicherte Medizindaten
CN107666940A (zh) * 2015-05-28 2018-02-06 皇家飞利浦有限公司 选择射束几何结构的方法
WO2018053648A1 (en) * 2016-09-23 2018-03-29 The Royal Institution For The Advancement Of Learning/Mcgill University Treatment planning based on multiple modalities

Also Published As

Publication number Publication date
US20210205635A1 (en) 2021-07-08
EP3574956A1 (en) 2019-12-04
JP2021526047A (ja) 2021-09-30
US11865363B2 (en) 2024-01-09
WO2019228997A1 (en) 2019-12-05

Similar Documents

Publication Publication Date Title
CN111417435B (zh) 放射疗法治疗计划优化工作流程
US10143859B2 (en) Controlling and shaping the dose distribution outside treatment targets in external-beam radiation treatments
US9827445B2 (en) Automatic creation and selection of dose prediction models for treatment plans
CN107278303B (zh) 一种用于生成最佳处置计划的治疗规划系统和方法
JP5718892B2 (ja) マーカー適応された正常組織障害発生確率
EP4028121A1 (en) Systems and methods for automatic treatment planning and optimization
US11291856B2 (en) Method, a computer program product and a computer system for radiotherapy
EP3075416B1 (en) System and method for determining a radiation treatment plan
EP2856420B1 (en) Apparatus and method pertaining to optimizing a radiation-treatment plan using historical information
JP2021175513A (ja) ビームジオメトリを選択する方法
AU2020274863B2 (en) Dose guided real-time adaptive radiotherapy
US20200360728A1 (en) Machine learning based dose guided real-time adaptive radiotherapy
CN112188918A (zh) 用于促进多模态放射疗法方案的优化的方法和对应的放射治疗系统
WO2019068377A2 (en) OPTIMIZATION OF A TREATMENT PLAN BASED ON A SCORE FUNCTION DEPENDING ON A QUALITY FUNCTION
CN113874072A (zh) 用于针对生物不确定性的稳健放射治疗计划的方法和系统
EP3741430B1 (en) System, computer program product and method for radiation therapy treatment planning
WO2019228932A1 (en) System and method for radiotherapy treatment planning
EP4292647A1 (en) Parallel processing for multi-pass optimization of radiotherapy plans
WO2023151816A1 (en) Parallel generation of pareto optimal radiotherapy plans
WO2023193977A1 (en) Methods and system related to radiotherapy treatment planning
WO2023151817A1 (en) Exploration of pareto-optimal radiotherapy plans

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