CN112203722B - 用于优化放射疗法治疗计划的方法、用户界面、计算机程序产品和计算机系统 - Google Patents

用于优化放射疗法治疗计划的方法、用户界面、计算机程序产品和计算机系统 Download PDF

Info

Publication number
CN112203722B
CN112203722B CN201980036169.3A CN201980036169A CN112203722B CN 112203722 B CN112203722 B CN 112203722B CN 201980036169 A CN201980036169 A CN 201980036169A CN 112203722 B CN112203722 B CN 112203722B
Authority
CN
China
Prior art keywords
input
optimization
clinical
radiation therapy
dose distribution
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
Application number
CN201980036169.3A
Other languages
English (en)
Other versions
CN112203722A (zh
Inventor
拉斯穆斯·博克兰茨
谢尔·埃里克松
张天放
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 CN112203722A publication Critical patent/CN112203722A/zh
Application granted granted Critical
Publication of CN112203722B publication Critical patent/CN112203722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103Treatment planning systems
    • A61N5/1031Treatment planning systems using a specific method of dose optimization
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00Radiation therapy
    • A61N5/10X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/1042X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head
    • A61N5/1045X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head using a multi-leaf collimator, e.g. for intensity modulated radiation therapy or IMRT

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

一种获得插值治疗计划的方法是基于通过对包括基于与临床目标的偏差的优化函数的优化问题的优化,在相关联的剂量分布之间进行插值。该方法可以适当地用于改进由多准则优化得到的导航计划。

Description

用于优化放射疗法治疗计划的方法、用户界面、计算机程序产 品和计算机系统
技术领域
本发明涉及一种用于优化放射疗法治疗计划的计算机程序产品、计算机系统和方法。
背景技术
在放射疗法治疗领域中,关键的挑战是制定高质量的计划。不断地寻找改进的方法来优化治疗计划,以确保对诸如肿瘤的靶区的预期效果,同时对健康组织造成尽可能小的损伤并且优选地对诸如心脏或脊髓的风险器官根本没有任何损伤,
治疗计划优化的一种形式是多准则优化,这种多准则优化使临床医生能够通过导航界面探索不同的治疗选择。这种形式的优化是基于包括优化函数的集合的优化问题。每个优化函数可以是目的函数或约束。基于目的函数和约束获得多个预先计算的治疗计划。通过调整目的函数的值在计划之间进行线性导航,使用预先计算的计划实现了实时多准则治疗计划。
治疗计划的多准则优化通常从包括N个目标函数的集合的优化问题开始,N是大于或等于2的整数。从目的函数中预先计算可能的治疗计划的集合,并且确定其结果剂量分布。每个计划由治疗参数的集合定义,这些治疗参数可能分别与积分通量、或与例如多叶准直器(MLC)叶位的机器参数、或离子束疗法的斑点权重、或近距离放射疗法的种子停留时间有关。
这些可能的治疗计划可以用作多准则导航过程的输入数据,并且在本文中被称为输入治疗计划或计算剂量分布被的输入计划。例如,可以使用大约50个输入治疗计划以及其相关联的剂量分布。基于目的函数和输入治疗计划,确定与输入治疗计划相关联的剂量分布的加权组合。这种加权组合或加权和在本文中被称为导航剂量分布。
用于多准则优化的目的函数和约束是基于治疗计划的质量度量。目的函数是质量度量,通常与例如按照特定器官的最小或最大剂量的剂量分布有关。约束包括质量度量以及相关联的可行值的集合。用作目的函数和约束的质量度量应当有使它们适合于优化的数学属性,诸如连续性和可微性。用作目的函数和约束的质量度量通常是对结构的实际体素剂量与参考剂量水平之间的偏差的惩罚,诸如二次惩罚。
已经开发了允许操作员调整每个目的函数的预期值的用户界面。为每个目的函数都提供一个滑块条,并且操作员可以操纵滑块条。滑块移动通过导航算法转变成剂量分布的加权变化,该导航算法以预期目的函数值作为输入。为了方便导航,钳位可能适用于限制滑块移动的可能范围。在最简单的实施例中,钳位充当与滑块相关联的目的函数的上界。
在数学上,多准则优化问题可以表示为:
最小化[f1(x),f2(x),…,fN(x)]T
受限于X中的x,
其中,每个fi是多准则优化问题的目的函数,并且x是变量的向量。x的元素可以直接对应于关于治疗计划被发送到治疗机的格式的机器参数。x的元素还可以是治疗计划的规范,从该治疗计划可以得出机器参数,诸如每个波束方向的积分通量分布。可行集合X定义对应于治疗计划的有效表示的变量向量集合。这个集合可以使用约束函数c的一些向量来定义,例如X={x:c(x)≤0}。典型约束的示例是需要MLC叶对中的相对叶之间有最小分离的函数以及每个光子段或离子斑点的MU的数量的下界。在不失一般性的情况下,可以最小化所有目的函数f1,f2,…,fN,因为目的的最大化相当于目的的负性的最小化。
如果多准则优化问题的解x*是可行的,则该解被称为帕累托(Pareto)最优解(x*属于X),并且没有其他可行解,该可行解至少具有每个目的函数的好的目的函数值和至少一个目的的严格地更好的目的函数值。根据以下项,通过用多准则问题的尺度化对应进行优化,可以计算多准则问题的不同的帕累托最优解:
最小化
Figure GDA0003577585250000031
受限于X中的x,
其中,使非负权重wi变化以产生不同的解。最优解可以通过加权和尺度化之外的其他技术来计算,如本领域中众所周知的。特定的帕累托最优解x*定义位于N维空间中的向量或目的函数值f(x*)。与帕累托最优解相关联的所有目的函数向量的集合定义N维空间中的表面,在本领域中,该表面被称为有效边界、帕累托表面或帕累托前沿。由于变量x的向量定义剂量分布,定义帕累托前沿的近似的输入解可以被称为输入剂量分布。
由于变量x的向量定义剂量分布,定义帕累托前沿的近似的输入解可以被称为输入剂量分布。当帕累托前沿已经被定义或近似时,实际剂量计划可以通过输入剂量分布的线性插值来执行,以产生导航的剂量分布。
Hong等人于2008年在Int.J.Radiation Oncology Biol.Phys.(国际放射肿瘤生物物理杂志)的第72卷第4期第1208-1214页发表的文章“Multicriteria optimization inintensity-modulated radiation therapy treatment planning for locally advancedcancer of the pancreatic head(用于局部晚期胰头癌的调强放射疗法治疗计划中的多准则优化)”公开了用于胰腺癌的质量的多准则优化的用途。为患者获得了多个计划,生成帕累托表面,并且操作员导航到帕累托表面上被选择来优化治疗的点。试验表明,在相对短时间内可以达到质量满意的导航方案。
当已经生成计划时,临床目标的实现确定治疗计划对于治疗是否是可接受的或可取的。临床目标包括治疗计划的质量度量和质量度量的可行值集合。临床目标的常见类型的质量度量包括:
·为一些感兴趣区域(ROI)(患者体积的子区域)定义的剂量-体积直方图(DVH)度量
·相等的均匀剂量,根据一个定义,其是剂量对ROI的第a个幂平均值,其中,a是预先选择的(通常是组织特定的)参数
·靶器官的肿瘤控制概率(TCP)和风险器官的正常组织并发症概率(NTCP),这取决于一些放射生物学模型
由于各种原因,可能很难导航到精确地实现临床目标的剂量分布:
·用作目的函数和约束的质量度量通常与用于临床目标的质量度量不同的事实意味着,临床目标实现的水平只能间接通过滑块的移动来控制,这些滑块控制与临床目标相关(但是不直接对应)的目的函数值。
·滑块的移动影响导致所有其他滑块移动以适应的一个目的函数值。因此,临床目标实现的水平通常也因此改变。
·滑块条位置代表线性化的函数值。因此,如果函数是非线性的,则实际目的函数值不等于滑块函数值。
由于这些原因,在获得准确地满足临床目标的导航剂量分布之前,可能需要大量的手工微调。
因此,期望使涉及多准则优化的治疗计划更有效。
发明内容
本发明的目的是提供一种更有效且用户友好的治疗计划优化,特别是多准则优化的方法。
本发明涉及一种优化患者的放射治疗计划的方法,该方法包括以下步骤:
-提供输入剂量分布的集合,
-基于患者的临床目标的集合定义插值优化问题,插值优化问题包括优化函数的集合,至少一个优化函数代表临床目标的集合中的临床目标的违反的度量,
-通过插值优化问题的基于计算机的优化,基于输入剂量分布的加权组合来优化插值剂量分布,所述优化涉及为输入剂量分布中的每一个确定插值权重,指定要分配给进一步优化的剂量分布中的该输入剂量分布的权重,以及
-基于插值剂量分布计算插值治疗计划。
因此,发明方法直接基于与一个或多个临床目标的偏差实现插值剂量的自动计算。根据本发明,实现临床目标的高质量插值剂量分布可以通过很少或不手动调整滑块来标识。因此,提供了一种不太耗时并且也较少依赖于操作员的技能的方法。自动导航的输出是定义更新的滑块位置和更新的插值剂量分布的更新的插值系数的集合。将优化问题直接建立在临床目标的基础上,意味着期望结果与在优化中受到影响的参数之间存在直接关系。
方法涉及应用基于计算机的优化来调整与相应输入计划相关联的剂量分布的插值权重,以匹配一个或多个临床目标。通常,每个临床目标由质量度量和质量度量的可行值的集合来定义。插值优化问题还可以包括一个或多个约束。在优选实施例中,至少一个约束与限制插值治疗计划的目的函数值的限定对应。设置这种限定与在滑块条上设置钳位对应。
发明方法不依赖于用于治疗实施的硬件。因此,方法同样适用于适用多准则优化的任何治疗技术,例如外部光束光子疗法、电子疗法、离子束疗法和近距离放射疗法。
在一些实施例中,提供输入剂量分布的集合的步骤包括获得输入计划的集合并且为每个输入计划都计算和输入剂量分布。可替代地,不是从治疗计划获得的剂量分布可以用作剂量分布。
在优选实施例中,输入剂量分布与由多准则优化得到的治疗计划有关,并且方法实现了由多准则优化得到的导航计划的自动进一步改进。在这种情况下,提供输入剂量分布的集合的步骤包括
a.提供包括至少两个目的函数的集合的多准则优化问题,
b.通过对多准则优化问题进行优化,获得输入治疗计划的集合,以及
c.计算剂量分布的集合,每个剂量分布与治疗计划中的一个相关联。
在优化插值剂量分布之前,可以基于输入剂量分布的加权组合提供导航剂量分布(navigated dose distribution),其中,每个输入剂量分布被分配导航权重,并且导航权重可以用作插值优化问题的输入值。
在将插值剂量分布转换为插值计划的最后步骤之前,可以执行插值剂量分布的进一步手动导航,以获得甚至进一步改进的插值计划。
在最简单的实施例中,当已经生成输入计划时,对临床目标实现的优化自动开始。在另一实施例中,使操作员能够输入开始指令,例如,按下按钮以在一次操作中开始针对所有临床目标进行优化。
在优选实施例中,操作员可以将临床目标划分为优先级组。在该实施例中,方法对具有高优先级的临床目标的第一子集执行第一次优化,然后对优先级低于第一子集的第二子集执行随后的优化。可以为优先级递减的子集的一系列优化程序定义不同优先级级别的临床目标的几个子集。在这种情况下,对于每个新的优化程序,可以对剂量分布设置约束,以防止具有更高优先级的临床目标的实现的恶化。可以定义约束,以允许其与在先前优化过程中获得的临床目标实现水平相比略有恶化,使得低优先级的临床目标的实现不被更高优先级的临床目标完全阻碍。
本发明还涉及一种用于根据前述权利要求中任一项所述,基于多个输入治疗计划控制在计算机中执行的放射治疗计划的优化的用户界面,该用户界面包括用于显示临床目标的列表以及每个临床目标的相关联的值范围的显示装置,并且优选地包括使用户能够根据上述方法开始优化的用户输入装置。对于每个临床目标,最好也有衡量临床目标是否实现的指标。在优选实施例中,临床目标的列表也被布置为保存至少一个临床目标的相关联的约束以及约束是否实现的指标。优选地,用户输入装置还被布置为使用户能够将影响优化问题的临床目标和/或其他输入数据输入计算机。
本发明还涉及一种优选地存储在诸如非暂时性存储装置的载体上用于控制放射疗法计划设备的计算机程序产品,所述计算机程序产品包括计算机可读代码装置,该计算机可读代码装置在放射疗法计划设备的处理器中运行时,将导致设备执行上述方法。代码还优选地被布置为使上述用户界面显示在与放射疗法计划设备相关联的屏幕上,登记对要被分配给治疗计划的插值权重的调整,并且使用每个插值权重作为其相关联的输入治疗计划的权重,将进一步优化的治疗计划计算为输入治疗计划的加权和。
本发明还涉及一种放射疗法治疗计划设备,该设备包括处理器和程序存储器,该程序存储器保存上述计算机程序产品,该计算机程序产品被布置为在处理器中运行,以控制放射疗法处理计划设备执行发明方法。
附图说明
以下本发明将通过示例的方式和参照附图进行更详细的描述,在附图中
图1a图示了传统多准则计划系统的用户界面。
图1b图示了适用于发明方法的用户界面的部分。
图2图示了用于优化两个目的函数的基于帕累托的计划系统。
图3是根据本发明的方法的流程图。
图4公开了可以实施根据本发明的方法的计算机系统。
具体实施方式
根据本发明的实施例,通过将在下面进行描述的自动优化过程进一步优化初始导航剂量分布。过程进一步涉及输入剂量分布之间的插值,并且结果被称为插值剂量分布。如将要解释的,自动优化过程还可以直接对输入剂量分布执行,而不需要首先获得导航剂量分布。插值剂量分布可以被转换为插值计划。
图1a示出了用于对治疗计划进行手动多准则优化以获得上述导航剂量分布的简化现有技术治疗计划界面1。在界面的最上部有三个字段11、13、15:用于显示与当前计划对应的DVH曲线的第一字段11以及用于显示叠加在从不同角度看到的患者图像上的结果剂量分布的第二字段13和第三字段15。在该示例中,第二字段13显示通过患者颈部的截面,并且第三字段15显示从侧面看到的患者的颈部和头部。为了简单起见,在该示例图中并没有示出叠加的剂量分布。
界面的最下部具有列出在图1a的右侧所示的临床目标的字段17。列表还可以包括关于分配给每个临床目标的优先级的信息,虽然这没有显示。列表还可以按照任何合适的方式显示关于每个临床目标是否被满足的信息。在该示例中,这由指示目标被满足的0或指示目标未被满足的X指示。在实际的实施方式中,通常将使用颜色编码的斑点,通常绿色用于被实现的目标,而红色用于未被实现的目标。当然,可以使用指示与目标偏差的幅度的颜色范围和/或可以将实际值显示为数字。临床目标通常是要治疗的靶的剂量的下界和/或周围组织,特别是诸如心脏或脊髓的风险组织的剂量的上界。通常允许在有限的程度内违反剂量的下界或上界。因此,可以将临床目标指定为结构的DVH度量的上界或下界。
在界面1的中下部19,有上述N个目的函数的列表,并且对于每个目的函数,滑块条21形式的调整装置,该滑块条21使操作员能够选择相应目的函数的值。如本领域中常见的,当一个目的函数的滑块条移动时,目的函数与限定其他目的函数的目的函数值有关,同时满足约束。
操作员可以通过操纵滑块来调整导航剂量的目的之一的函数值。所有目的函数相互影响,以便在一个滑块移动时,其他滑块将调整到新的值。例如,一个器官的增加的剂量将影响其周围组织的剂量。同样,由滑块位置定义的目的函数的指定组合所产生的字段11中的DVH曲线以及字段13和15中的剂量分布将被重新计算并且实时显示。在该示例中,最左边的滑块条位置被认为是最期望的值,这意味着目的函数的值向右增加。可以通过为滑块定义钳位来限制特定滑块的移动,从而抑制不期望的目的函数值。钳位23在图1a中被示出为水平线,其中,目的函数1和4上的钳位在该示例中实际上限定相应钳位的移动,而其他目的函数上的钳位被放置在最大位置。在特定滑块上放置钳位也导致对其他滑块的可行移动范围的限制,尽管这没有在图1a中示出。
滑块条提供特别合适的方式来调整值。然而,如技术人员将理解的,还可以使用其他方式来输入值,例如手动输入数字或操纵屏幕上对象的大小。如将理解的,钳位可以实施为限制函数值的任何合适类型的函数。
使用目的函数值作为特定计划的质量的指标。不能保证当前实现的临床目标在整个导航中都能实现,因为临床目标和目的之间通常没有一一对应的关系。
图1b示出了用于发明方法的可能的用户界面,该用户界面可以被显示在包括图1a的最上部的三个字段11、13、15的整体用户界面中。
图1b中的用户界面包括:第一按钮30,该第一按钮30可以由用户激活以开始多准则优化,从而实现指定的临床目标;以及第二按钮31,该第二按钮31可以被激活以停止仍在进行的优化。用户界面还优选地包括用于调整诸如用于优化的多次迭代和/或数值公差的优化设置的第三按钮32。
用户界面还具有:第一列33,该第一列33包括临床目标列表,每个临床目标与感兴趣区域或感兴趣点有关;以及第二列34,该第二列34包括为每个临床目标同时激活的值。例如,临床目标以本领域中所知的方式被定义为区域的最小或最大平均剂量或区域的指定分数或最小均质性指数。第三列35显示剂量类型,并且第四列36显示应用临床目标的区域,通常是肿瘤或风险器官。在示例中,分别有用于计划靶区体积(PTV)的第一临床目标和用于临床靶区体积(CTV)的第二临床目标和用于第一风险器官和第二风险器官(OAR1和OAR2)中的每一个的临床目标。第五体积37和第六体积38可以用于为每个临床目标设置优先级和/或权重。可以提供第七列39,以显示临床目标是否被实现,在图1b中被示出为表示是的0或表示否的x。第八列40可以用于按照期望为一个或多个临床目标设置约束。当然,在合适的情况下可以选择显示哪些列,并且还可以显示图1b中没有示出的信息。
第四列和第五列用于调整每个临床目标对结果的相对贡献。这可以是通过包括基于临床目标的重要性对其进行的优先化,通过设置定义可以按字母顺序的方式优化临床目标的顺序的优先级级别,或通过将权重分配给每个临床目标和定义优化问题中的目的函数,以最小化与临床目标的偏差的加权和来完成的。
界面优选地被布置为使用户能够输入临床目标、值和约束,并且改变每个临床目标的优先级级别或权重。优选地,在界面的其他字段11、13、15中连续显示优化结果,其在图1b中没有被示出并且在图1b的表格中也没有被示出。应当理解,在没有任何用户界面的情况下,也可以完全自动执行发明方法。在这种情况下,一旦提供了输入剂量分布,系统可以被布置为自动开始插值,而不是等待用户点击“开始优化”按钮的指令。
图2图示了用于简化的目的函数的集合的多准则优化的原理。在多准则优化中,以目的函数的集合和约束的集合定义多准则优化问题。
在图2中示出了分别只使用两个目的函数f1和f2(两者都要被最小化)来实现二维显示。在实际情况下,目的函数的数量通常可以在10个左右,这需要多维空间。被椭圆包围的区域表示与可行治疗解对应的目的函数向量。
粗实曲线指示与帕累托最优解对应的目的函数值的向量,该帕累托最优解定义两个目的函数f1和f2的可实现组合。在多准则优化中,曲线被称为帕累托前沿。帕累托前沿将是N维表面,其中,N是目的函数的数量。如能够看到的,在帕累托前沿上的任何一点,对一个目的函数的改进将导致其他目的函数恶化。目的函数的任何选择组合都将是基于期望结果的权衡。
系统包括多个输入剂量分布,每个输入剂量分布将导致帕累托前沿上的点。在该示例中,有五个输入剂量分布,并且在帕累托前沿上有五个相应的点A、B、C、D、E。对于点A,第二目的函数f2具有高值,但是第一目的函数f1具有低值,这是更期望的。对于点E,与点A相比,第一组成函数f1具有高的较差值,但是第二组成函数f2具有低的较好值。对于中介点B、C、D,两个目的函数的值在最外面的点A和E中的两个之间。图2还示出了由生成这两点的剂量分布的加权和插值到点D和E之间的点x。
多准则优化的本质是找到闭合曲线上或阴影区域内的点,换句话说,就是所有输入剂量分布的加权和,这将为患者带来可能的最佳临床结果。由于在选择导航剂量分布时的时间点,准确的结果是未知的,对最优选的计划的选择代表临床医生的部分主观选择。这可以是帕累托前沿上的点或由所有可行解定义的体积中的点,后者由体积内的点y指示。
根据本发明,在已经获得插值计划之后,如上所述,执行自动导航,以对剂量进行进一步的优化。在这种自动导航中,基于临床医生所提供的临床目标定义新的优化问题。
因为每个输入计划的剂量分布与导航计划中的总剂量分布之间以及临床目标之间存在线性关系,所以可以为整个治疗体积预测改变一个计划对导航计划的影响的贡献。
在最简单的情况下,存在全部都有相同优先级的临床目标的集合。在更复杂的情况下,可以将临床目标的集合分成子集,一个子集具有最高优先级,并且一个或多个进一步的子集按照优先级顺序递减,以考虑某些临床目标可能比其他临床目标更重要。
图3是根据本发明的方法的流程图。在第一步骤S31中,确定方法的输入数据。步骤31可以在以下步骤之前的任何时间执行。输入数据包括多准则优化问题,该多准则优化问题包括相关的目的函数的集合。在步骤S32中,基于优化问题计算治疗计划的集合,并且确定每个输入计划的结果剂量分布。这些剂量分布将被称为输入剂量分布,并且被一起加权成导航剂量分布。虽然不太有利,但是可以使用从相互之间不以任何特定方式相关的多个输入计划中计算出的多个剂量分布作为输入剂量分布。近年来,在没有首先计算治疗计划的情况下,也可以确定特定的患者几何结构期望的剂量分布。换言之,输入剂量分布不必基于由相同的多准则优化问题产生的计划,尽管这是优选实施例。输入剂量分布根本不必基于治疗计划。重要的是提供输入剂量分布的集合。
在步骤S33中,基于输入剂量分布获得导航剂量分布。这可以涉及定义每个输入剂量分布的参数权重以及应用参数权重来创建导航剂量分布。该导航剂量分布可以作为根据本发明进行自动优化的起点。可替代地,在没有首先获得导航剂量分布的情况下,自动剂量分布可以直接从输入剂量分布开始。换言之,步骤S33是可选步骤。
在以下步骤中,输入剂量分布可以是通过步骤S31至S32或以任何其他合适的方式获得的输入剂量分布,并且在步骤S33中获得的导航剂量分布可以用作插值权重的开始值。随后的优化在输入数据可用时自动开始,或可以通过用户输入手动开始。如果在用户界面中提供了这种输入装置,则可以通过用户输入停止优化。可替代地,当实现临床目标时,可以自动停止优化。在步骤S34中,确定特定患者的临床目标的集合。临床目标可能与目的函数相关或不相关。可以定义优先化的临床目标的列表,因此实现更高优先级的临床目标被认为比更低优先级的临床目标更重要。当然,步骤S34可以在步骤S35之前的任何时间执行,其中,使用了临床目标。
在步骤S35中,确定输入剂量分布的插值权重的集合。插值权重按照权重向量来表示,该权重向量包括每个剂量分布的插值权重,每个插值权重都确定相对于其他输入剂量分布,该输入剂量分布应当对插值剂量做出的贡献。在步骤S36中,通过将插值权重应用于输入剂量分布,可以获得结果插值剂量分布作为输入剂量分布的加权和。结果加权和应最大程度地实现临床目标。根据本发明,插值权重是直接基于调整每个输入剂量分布对插值剂量分布所做出的贡献。换言之,剂量分布被加权,使得所有输入剂量分布的加权和都导致期望的剂量分布。
在步骤S36中,将结果插值剂量分布转换为治疗计划。如果输入剂量分布已经基于从输入治疗计划获得的剂量分布,则这涉及将插值权重应用于输入计划的变量(多准则优化问题中的变量x)的插值。这种插值对于其中变量和剂量之间的关系是线性的或近似线性的的治疗传输技术是可能的,例如,如果变量表示用于外部光束光子治疗的离子光束斑点权重或积分通量图。如果在没有任何治疗计划的情况下已经获得输入剂量分布,则可以通过求解被定义以最小化插值剂量分布和优化计划的剂量分布之间的偏差的优化问题来获得插值治疗计划。
插值剂量分布或插值变量还可以用作在转换为治疗计划之前对剂量分布进行进一步优化的开始点。例如,可以对传输技术执行最小化与可行治疗计划相关联的剂量分布与插值剂量分布之间的误差的优化,在该传输技术中,变量与剂量分布之间的关系是非线性的。
只要需要,方法便可以通过重复步骤S33和/或步骤S35和S36来扩展。分别可以在步骤S33的手动导航和步骤S36至S37中的插值之间移动期望的次数。在迭代之间,可以添加临床目标上的一个或多个钳位或约束,以确保一次迭代的预期输出不在以后的迭代中被丢弃。
在步骤S35中对最满足指定临床目标的插值权重进行的搜索可以实施为优化,其中,插值权重yj构成决策变量。用户需求可以通过要被最小化的优化函数f反映,并且可选地通过非正时可行的约束函数的向量g和为零时可行的约束函数的向量h反映。
在数学上,在所有临床目标都有相同优先级的情况下,方法可以被表示为以下优选问题:
最小化f(y)
受限于y≥0,
g(y)≤0,
h(y)=0,
其中,y是插值权重的向量,并且g和h是约束函数的向量。在一个优选的实施例中,等式约束函数的向量h包括函数eTy-1,其中,e是全1的向量,这确保插值权重和为1。在该自动导航中,目的函数f是导航剂量分布偏离临床目标多少的度量。这是按照权重的向量yj来表示的,每个权重都确定输入计划之一对导航剂量分布的贡献。
如果将临床目标的集合分成被分配有不同的优先级级别的数量为k的子集,则这可以在数学上被表示为:
lex最小化f1(y),…,fk(y)
受限于y>0,
g(y)≤0,
h(y)=0,
其中,“lex最小化”指示最优y是按指定顺序最小化优化函数f1至fk的解。换言之,将按照指定顺序一次对一个优化函数执行优化。在每次对优化函数进行优化之后,添加约束,以避免较低优先级的优化函数将导致具有较高优先级的优化函数的实现恶化。
如果自动插值的目标将实现用户指定的临床目标,则优化函数可以是多个组成函数的和,每个函数都测量目标之一的违反。约束向量的分量可以反映已经满足的临床目标,这些临床目标应保持在实现状态。自动优化问题通常是连续的非线性优化问题,该连续的非线性优化问题可以使用诸如内点法或序列二次规划法的标准的非线性规划方法来解决。
图4是可以执行根据本发明的方法的计算机系统的示意图。计算机41包括处理器43、数据存储器44和程序存储器46。优选地,也存在以键盘、鼠标、操纵杆、语音识别装置或任何其他可用的用户输入装置的形式的一个或多个用户输入装置48。同样,优选地存在显示器49,该显示器49包括用于显示结合图1b所讨论的界面的屏幕。用户输入装置48还可以用于将数据输入界面。用户输入装置还可以被布置为接收来自外部存储器单元的数据。
数据存储器34包括要用于诸如输入计划和临床目标的程序的数据。程序存储器36保存计算机程序,该计算机程序被布置为使计算机执行结合图3所讨论的方法步骤。
如将理解的,示意性地示出和讨论数据存储器34和程序存储器36。可能有几个数据存储器单元,每个数据存储器单元都保存一种或多种不同类型的数据,或可能有以适当的结构方式保存所有数据的一个数据存储器,并且相同的数据存储器单元适用于程序存储器。例如,分别对于预先计算好的计划、临床目标和导航剂量分布,可能有单独的存储器或存储器段。一个或多个存储器还可以存储在其他计算机上。

Claims (14)

1.一种放射疗法治疗计划设备(41),包括处理器(43)和程序存储器(46),所述程序存储器(46)保存计算机程序,所述计算机程序被布置为在所述处理器(43)中运行,以控制所述放射疗法治疗计划设备执行优化患者的放射治疗计划的方法,包括以下步骤:
-提供(S32)输入剂量分布的集合,
-基于所述患者的临床目标的集合定义(S34)插值优化问题,所述插值优化问题包括优化函数的集合,至少一个优化函数代表所述临床目标的集合中的临床目标的违反的度量,
-通过所述插值优化问题的基于计算机的优化,基于所述输入剂量分布的加权组合来优化(S36)插值剂量分布,所述优化涉及为所述输入剂量分布中的每一个确定(S35)插值权重,指定要分配给进一步优化的剂量分布中的该输入剂量分布的权重,以及
-基于所述插值剂量分布计算(S37)插值治疗计划。
2.根据权利要求1所述的放射疗法治疗计划设备,其中,提供输入剂量分布的集合的步骤包括获得输入计划的集合并且为所述输入计划中的每一个计算和输入剂量分布。
3.根据权利要求1所述的放射疗法治疗计划设备,其中,提供(S32)输入剂量分布的集合的步骤包括
a.提供包括至少两个目的函数的集合的多准则优化问题,
b.通过对所述多准则优化问题进行优化,获得输入治疗计划的集合,以及
c.计算预先计算的剂量分布的集合,每个剂量分布与所述治疗计划中的一个相关联。
4.根据权利要求1所述的放射疗法治疗计划设备,进一步包括在所述插值剂量分布的所述优化之前,基于所述输入剂量分布的加权组合提供(S33)导航剂量分布的步骤,其中,每个输入剂量分布被分配有导航权重,并且使用所述导航权重作为所述优化的输入值。
5.根据权利要求1所述的放射疗法治疗计划设备,进一步包括在计算所述插值治疗计划之前,对所述插值剂量分布进行手动导航。
6.根据权利要求1所述的放射疗法治疗计划设备,其中,优化(S36)所述插值剂量分布的步骤是依赖于至少一个约束进行的。
7.根据权利要求1所述的放射疗法治疗计划设备,其中,所述插值优化问题被表示为
最小化f(y)
受限于y≥0
g(y)≤0和/或h(y)=0,
其中,y是插值权重的向量,f是多准则优化问题的目的函数,g是非正时可行的约束函数的向量,h是零时可行的约束函数的向量。
8.根据权利要求7所述的放射疗法治疗计划设备,其中,所述插值优化问题被表示为包括至少一个约束向量。
9.根据权利要求1所述的放射疗法治疗计划设备,其中,定义(S34)插值优化问题的步骤涉及提供临床目标的第一子集和第二子集,所述第二子集包括具有比所述第一子集低优先级的临床目标,并且确定(S35)插值权重的步骤涉及首先优化临床目标的所述第一子集的插值权重,并且在随后的操作中,基于临床目标的所述第二子集改善所述插值权重,所述随后的操作受限于基于为所述第一子集优化的所述插值权重的约束。
10.根据权利要求6所述的放射疗法治疗计划设备,其中,至少一个约束与限制所述插值治疗计划的目的函数值的限定对应,所述限定与滑块条上的钳位对应。
11.根据权利要求1至10中任一项所述的放射疗法治疗计划设备,包括基于多个输入治疗计划控制在计算机中执行的放射治疗计划的优化的用户界面(1’),所述用户界面(1’)包括:
-显示装置(19’),所述显示装置(19’)用于显示临床目标的列表和每个临床目标的相关联的值、以及优选地所述临床目标是否被实现的指标,
-用户输入装置,所述用户输入装置使用户能够开始优化。
12.根据权利要求11所述的放射疗法治疗计划设备,其中,所述临床目标的列表也被布置为保存至少一个所述临床目标的相关联的约束以及所述约束是否被实现的指标。
13.根据权利要求11所述的放射疗法治疗计划设备,其中,所述用户输入装置使用户能够将影响所述优化问题的临床目标和/或其他输入数据输入所述计算机。
14.根据权利要求11所述的放射疗法治疗计划设备,其中,所述用户界面被显示在与所述放射疗法计划设备相关联的屏幕上,登记对要被分配给治疗计划的插值权重的调整,以及
使用每个插值权重作为其相关联的输入治疗计划的权重,将进一步优化的治疗计划计算为预先计算的治疗计划的加权和。
CN201980036169.3A 2018-06-12 2019-06-10 用于优化放射疗法治疗计划的方法、用户界面、计算机程序产品和计算机系统 Active CN112203722B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18177329.2A EP3581241B1 (en) 2018-06-12 2018-06-12 A method, a user interface, a computer program product and a computer system for optimizing a radiation therapy treatment plan
EP18177329.2 2018-06-12
PCT/EP2019/065070 WO2019238602A1 (en) 2018-06-12 2019-06-10 A method, a user interface, a computer program product and a computer system for optimizing a radiation therapy treatment plan

Publications (2)

Publication Number Publication Date
CN112203722A CN112203722A (zh) 2021-01-08
CN112203722B true CN112203722B (zh) 2022-06-14

Family

ID=62620771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980036169.3A Active CN112203722B (zh) 2018-06-12 2019-06-10 用于优化放射疗法治疗计划的方法、用户界面、计算机程序产品和计算机系统

Country Status (5)

Country Link
US (1) US11167153B2 (zh)
EP (1) EP3581241B1 (zh)
JP (1) JP2021527468A (zh)
CN (1) CN112203722B (zh)
WO (1) WO2019238602A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3741430B1 (en) 2019-05-20 2022-08-03 RaySearch Laboratories AB System, computer program product and method for radiation therapy treatment planning
US11817210B2 (en) 2020-12-30 2023-11-14 Varian Medical Systems, Inc. Radiotherapy methods, systems, and workflow-oriented graphical user interfaces
US11654303B2 (en) 2020-12-30 2023-05-23 Varian Medical Systems, Inc. Radiotherapy methods, systems, and workflow-oriented graphical user interfaces
US11660473B2 (en) 2020-12-30 2023-05-30 Varian Medical Systems, Inc. Radiotherapy methods, systems, and workflow-oriented graphical user interfaces
US11786757B2 (en) 2020-12-30 2023-10-17 Varian Medical Systems, Inc. Radiotherapy methods, systems, and workflow-oriented graphical user interfaces
US11759656B2 (en) 2020-12-30 2023-09-19 Varian Medical Systems, Inc. Radiotherapy methods, systems, and workflow-oriented graphical user interfaces
US11844962B2 (en) 2020-12-30 2023-12-19 Varian Medical Systems, Inc. Radiotherapy methods, systems, and workflow-oriented graphical user interfaces
US11786756B2 (en) * 2020-12-30 2023-10-17 Varian Medical Systems, Inc. Radiotherapy methods, systems, and workflow-oriented graphical user interfaces
US11550767B2 (en) * 2021-06-09 2023-01-10 Oracle International Corporation Tuning external invocations utilizing weight-based parameter resampling
WO2024051943A1 (en) * 2022-09-08 2024-03-14 Brainlab Ag Method for determining a treatment plan for a radiotherapy treatment
US20240100357A1 (en) * 2022-09-27 2024-03-28 Siemens Healthineers International Ag Method and apparatus to modify dose values during radiation treatment planning

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101422640A (zh) * 2008-11-25 2009-05-06 中国科学院等离子体物理研究所 优化放射治疗射束强度分布的多目标优化方法和系统
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
CN107708807A (zh) * 2015-06-12 2018-02-16 光线搜索实验室公司 用于放射疗法优化的方法、计算机程序产品和计算机系统
CN107847757A (zh) * 2015-06-12 2018-03-27 光线搜索实验室公司 用于放射疗法优化的方法、计算机程序产品和计算机系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7880154B2 (en) * 2005-07-25 2011-02-01 Karl Otto Methods and apparatus for the planning and delivery of radiation treatments
US8489366B2 (en) * 2007-07-30 2013-07-16 The General Hospital Corporation System and method for radiation dose control
US20150202464A1 (en) * 2014-01-23 2015-07-23 Mitsubis Multi-Criteria Optimization in Particle Beam Dose Optimization
CN106471507B (zh) * 2014-06-30 2020-04-14 皇家飞利浦有限公司 辐射治疗规划系统和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101422640A (zh) * 2008-11-25 2009-05-06 中国科学院等离子体物理研究所 优化放射治疗射束强度分布的多目标优化方法和系统
CN107708807A (zh) * 2015-06-12 2018-02-16 光线搜索实验室公司 用于放射疗法优化的方法、计算机程序产品和计算机系统
CN107847757A (zh) * 2015-06-12 2018-03-27 光线搜索实验室公司 用于放射疗法优化的方法、计算机程序产品和计算机系统
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

Also Published As

Publication number Publication date
JP2021527468A (ja) 2021-10-14
WO2019238602A1 (en) 2019-12-19
EP3581241A1 (en) 2019-12-18
US11167153B2 (en) 2021-11-09
EP3581241B1 (en) 2022-09-28
US20210213303A1 (en) 2021-07-15
CN112203722A (zh) 2021-01-08

Similar Documents

Publication Publication Date Title
CN112203722B (zh) 用于优化放射疗法治疗计划的方法、用户界面、计算机程序产品和计算机系统
CN106471507B (zh) 辐射治疗规划系统和方法
US11291856B2 (en) Method, a computer program product and a computer system for radiotherapy
US10549120B2 (en) Method, a computer program product and a computer system for radiotherapy optimization
US11534624B2 (en) Customization of a dose distribution setting for a technical appliance for tumor therapy
EP2983781B1 (en) Incremental treatment planning
US8822958B2 (en) Radiation treatment planning system
US8615068B2 (en) System and method for intensity modulated arc therapy treatment planning
JP2021175513A (ja) ビームジオメトリを選択する方法
EP3445449B1 (en) Fractionation selection tool in radiotherapy planning
EP3642843A2 (en) Optimizing a treatment plan based on a score function depending on a quality function
US11607560B2 (en) System, computer program product and method for radiation therapy treatment planning
US20210244969A1 (en) System and method for radiotherapy treatment planning
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
CN116940400A (zh) 优化放射疗法的治疗时间和计划质量的方法

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