CN114093459A - 剂量控制点的确定方法、装置和存储介质 - Google Patents
剂量控制点的确定方法、装置和存储介质 Download PDFInfo
- Publication number
- CN114093459A CN114093459A CN202111408059.0A CN202111408059A CN114093459A CN 114093459 A CN114093459 A CN 114093459A CN 202111408059 A CN202111408059 A CN 202111408059A CN 114093459 A CN114093459 A CN 114093459A
- Authority
- CN
- China
- Prior art keywords
- boundary
- image
- processed
- region
- dose
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 124
- 238000005070 sampling Methods 0.000 claims abstract description 246
- 238000012216 screening Methods 0.000 claims abstract description 94
- 238000005457 optimization Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000001959 radiotherapy Methods 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000920 organ at risk Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种剂量控制点的确定方法、装置和存储介质。所述方法通过获取待处理图像，并利用利用筛选器对待处理图像上的采样点进行筛选，得到剂量控制点，其中，待处理图像包含感兴趣区域的轮廓，而且，当筛选器包含第一边界和第二边界，第一边界位于第二边界的内部时，可以通过计算位于第一边界和第二边界之间的感兴趣区域的轮廓的相关参数，再根据轮廓的相关参数确定剂量控制点。上述方法实现了对待处理图像上采样点的筛选，且通过包含两个边界的筛选器进行采样点筛选，可以准确筛选出轮廓曲率较大，即所在的面为凹面或凸面的采样点，而这些点在放疗计划中控制剂量时是不容易被控制的采样点，上述方法可以达到准确筛选剂量控制点的效果。
Description
技术领域
本申请涉及医疗设备技术领域，特别是涉及一种剂量控制点的确定方法、装置、计算机设备和存储介质，以及感兴趣区域的剂量适形度的控制方法、装置、计算机设备和存储介质。
背景技术
在放疗优化中，控制靶区的适形度可以达到提高靶区适形度的效果。其中，靶区适形度是描述适形放射治疗的剂量分布与靶区形状适合情况，定义为处方剂量面所包围的体积与计划靶区的体积之比。靶区适形度的高低与放疗效果息息相关，因此，如何提高靶区适形度成为了当下放疗优化领域比较关注的问题。
目前，现有控制靶区适形度的方法包含两种：一种是通过用户手动增加环形辅助结构，并通过控制该辅助结构的剂量来达到提高靶区适形度的目的；另一种是通过增加靶区的优化辅助环，按照剂量的跌落趋势优化靶区周围一定范围内的剂量，达到提高靶区适形度的目的。
但是，通过上述方法确定的靶区的适形度依然较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确确定靶区中的剂量控制点的剂量控制点的确定方法、装置、计算机设备和存储介质，以及感兴趣区域的剂量适形度的控制方法、装置、计算机设备和存储介质。
第一方面，一种剂量控制点的确定方法，所述方法包括：
获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；
其中，所述筛选器包含第一边界和第二边界，所述第一边界位于所述第二边界的内部，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
计算位于所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数；
根据所述轮廓的相关参数确定所述剂量控制点。
在其中一个实施例中，所述计算位于所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数，并根据所述轮廓的相关参数确定所述剂量控制点，包括：
移动所述筛选器至不同的所述采样点，针对不同的所述采样点上筛选器的位置，分别计算所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数。
在其中一个实施例中，所述根据所述轮廓的相关参数确定所述剂量控制点，包括：
将所述轮廓的相关参数与预设阈值进行比较，若所述轮廓的长度大于所述预设阈值，则将包含所述轮廓的筛选器对应的采样点作为所述剂量控制点。
在其中一个实施例中，所述第一边界和所述第二边界各自围成的区域具有共同的中心点，
所述移动所述筛选器至不同的所述采样点包括：
移动所述筛选器的中心点至不同的所述采样点。
在其中一个实施例中，所述方法还包括：
根据所述采样点至所述感兴趣区域的轮廓的距离，确定所述待处理图像上待筛选的采样点的范围；
所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
利用筛选器对所述待筛选的采样点的范围内的采样点进行筛选，得到剂量控制点。
在其中一个实施例中，所述筛选器包括第一筛选器和第二筛选器，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
利用所述第一筛选器对所述感兴趣区域的轮廓内部的采样点进行筛选，利用所述第二筛选器对所述感兴趣区域的轮廓外部的采样点进行筛选。
在其中一个实施例中，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
采用多个GPU并行使用多个所述筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点。
在其中一个实施例中，所述筛选器的第一边界不与所述感兴趣区域的轮廓相交，所述筛选器的第二边界与所述感兴趣区域的轮廓相交。
第二方面，一种剂量控制点的确定方法，所述方法包括：
获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；
其中，所述筛选器包含封闭边界，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
计算所述封闭边界内所述感兴趣区域的轮廓的相关参数；
基于所述轮廓的相关参数确定所述剂量控制点。
第三方面，一种感兴趣区域的剂量适形度的控制方法，其特征在于，所述方法包括：
根据如第一方面或第二方面所述的剂量控制点的确定方法，确定剂量控制点；
确定所述剂量控制点的剂量目标；
基于所述剂量目标为目标，通过剂量优化方法对所述待处理图像上的目标采样点的剂量进行优化，使所述感兴趣区域与目标等剂量区域适形；其中，所述目标采样点至少包括所述剂量控制点。
第四方面，一种剂量控制点的确定装置，所述装置包括：
获取模块，用于获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
筛选模块，用于利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；其中，所述筛选器包含第一边界和第二边界，所述第一边界位于所述第二边界的内部，所述筛选模块具体用于计算位于所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数；根据所述轮廓的相关参数确定所述剂量控制点。
第五方面，一种剂量控制点的确定装置，所述装置包括：
获取模块，用于获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
筛选模块，用于利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；其中，所述筛选器包含封闭边界，所述筛选模块具体用于计算所述封闭边界内所述感兴趣区域的轮廓的相关参数；基于所述轮廓的相关参数确定所述剂量控制点。
第六方面，一种感兴趣区域的剂量适形度的控制装置，所述装置包括：
第一确定模块，用于根据如第一方面所述的剂量控制点的确定方法，确定剂量控制点；
第二确定模块，用于确定所述剂量控制点的剂量目标；
优化模块，用于基于所述剂量目标为目标，通过剂量优化方法对所述待处理图像上的目标采样点的剂量进行优化，使所述感兴趣区域与目标等剂量区域适形；其中，所述目标采样点至少包括所述剂量控制点。
第七方面，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上述第一方面所述方法的步骤。
第八方面，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上述第二方面所述方法的步骤。
第九方面，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上述第三方面所述方法的步骤。
上述剂量控制点的确定方法、装置和存储介质，通过获取待处理图像，并利用利用筛选器对待处理图像上的采样点进行筛选，得到剂量控制点，其中，待处理图像包含感兴趣区域的轮廓，而且，当筛选器包含第一边界和第二边界，第一边界位于第二边界的内部时，可以通过计算位于第一边界和第二边界之间的感兴趣区域的轮廓的长度，再根据轮廓的长度确定剂量控制点。上述方法实现了对待处理图像上采样点的筛选，且通过包含两个边界的筛选器进行采样点筛选，可以准确筛选出轮廓曲率较大，例如所在的面为凹面或凸面的采样点，而这些点在放疗计划中控制剂量时是不容易被控制的采样点，也即这些点为需要被进行剂量控制的采样点，故上述方法可以达到准确筛选需要进行剂量控制的采样点的效果，从而提高感兴趣区域与目标等剂量区域的适形度。
附图说明
图1为一个实施例中剂量控制点的确定方法的应用环境图；
图2为一个实施例中剂量控制点的确定方法的流程示意图；
图2A为一个实施例中筛选器的示意图；
图2B为图2实施例中S102的一种实现方式的流程示意图；
图3为一个实施例中待处理图像的示意图；
图4为一个实施例中待处理图像的示意图；
图5为一个实施例中筛选器的示意图；
图6为一个实施例中剂量控制点的确定方法的流程示意图；
图7为一个实施例中剂量控制点的确定方法的流程示意图；
图7A为图7实施例中S302的一种实现方式的流程示意图；
图8为一个实施例中待处理图像的示意图；
图9为一个实施例中筛选器的示意图；
图10为一个实施例中感兴趣区域的剂量适形度的控制方法的流程示意图；
图11为一个实施例中剂量控制点的确定装置的流程示意图；
图12为一个实施例中剂量控制点的确定装置的流程示意图；
图13为一个实施例中感兴趣区域的剂量适形度的控制装置的流程示意图。
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。
本申请提供的剂量控制点的确定方法，可以应用于如图1所示的计算机设备中，该计算机设备可以是服务器，该计算机设备也可以是终端，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备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和计算机程序。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。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种剂量控制点的确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
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计算机设备的限定，具体的计算机设备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，提供了一种剂量控制点的确定方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
S101，获取待处理图像。
其中，待处理图像包含感兴趣区域的轮廓，感兴趣区域可以为剂量投放的靶区、需要减少剂量的危及器官以及其它需要对剂量进行控制的区域中的至少一个。本实施例中，计算机设备可以先通过连接扫描仪获取初始图像，并在该初始图像上勾画出或分割出感兴趣区域的轮廓，得到包含感兴趣区域的轮廓的待处理图像。可选的，可以利用自动分割算法对感兴趣区域的轮廓进行提取。可选的，可以利用机器学习模型对感兴趣区域的轮廓进行提取。具体的，计算机设备可以将初始图像输入至分割网络进行轮廓提取，得到包含感兴趣区域的轮廓的待处理图像，其中的分割网络可以预先利用机器学习模型根据样本图像训练得到。需要说明的是，待处理图像中感兴趣区域的轮廓可以为任意形状，且可以预先由放疗需求确定。
S102，利用筛选器对待处理图像上的采样点进行筛选，得到剂量控制点，其中的筛选器包含第一边界和第二边界，第一边界位于第二边界的内部。
其中，剂量控制点为待处理图像中可以进行剂量控制的采样点。第一边界可以为一个封闭的边界(比如，闭合的圆形边界)，第二边界也可以为一个封闭的边界(比如，闭合的圆形边界)。可选的，筛选器可以为二维的也可以为三维的筛选器，例如，筛选器可以为同心圆或同心球(参见图2A所示的筛选器的示意图)。在实际的放疗计划中，当需要优化或控制感兴趣区域(靶区)的适形度时，可以先选择待处理图像中合适的采样点，即对待处理图像上的采样点进行筛选，得到剂量控制点。本实施例中，计算机设备可以预先设计一个筛选器，并使用该筛选器对待处理图像上的每个采样点进行筛选，筛选出可以进行剂量控制的采样点，即剂量控制点。
当筛选器包括第一边界和第二边界时，计算机设备在具体执行上述S102的步骤时，可以采用如下方法，如图2B所示，该方法包括：
S1021，计算位于第一边界和第二边界之间的感兴趣区域的轮廓的相关参数。
其中，轮廓的相关参数包括轮廓的长度、轮廓与第一边界或第二边界所围成的面积、组成轮廓的离散点的个数等中的一个。
当使用筛选器筛选采样点时，可以先确定筛选器的第一边界和第二边界之间的空间或区域内是否包含感兴趣区域的轮廓，若包含，则说明该筛选器内包含的采样点或该筛选器所选择的采样点为可能的剂量控制点，需要进一步的根据位于第一边界和第二边界之间的感兴趣区域的轮廓的相关参数确定是否是真的剂量控制点，所以需要计算位于第一边界和第二边界之间的感兴趣区域的轮廓的相关参数，具体计算轮廓的相关参数时，例如，计算轮廓的长度或面积时，可以根据筛选器的两个边界在待处理图像上的位置坐标，以及第一边界和第二边界之间的感兴趣区域的轮廓在待处理图像上的位置坐标计算得到。若筛选器的第一边界和第二边界之间未包含感兴趣区域的轮廓，则说明该筛选器内包含的采样点或该筛选器所选择的采样点非剂量控制点，或者非需要特殊进行剂量控制的采样点，在实际应用中，也就对应平面的点。
S1022，根据轮廓的相关参数确定剂量控制点。
当计算机设备基于前述步骤计算得到位于第一边界和第二边界之间的感兴趣区域的轮廓的相关参数时，可以进一步的根据该轮廓的相关参数确定剂量控制点，若轮廓的相关参数满足预设要求(例如，轮廓的长度较长、轮廓的面积较大或组成轮廓的离散点的个数较多)，则说明该筛选器包含的轮廓的曲率较大，例如该筛选器内包含的采样点或该筛选器所选择的采样点所在的面为凹面或凸面，那么该采样点即为剂量控制点；若轮廓的相关参数未满足预设要求(例如，轮廓的长度较短、轮廓的面积较小或组成轮廓的离散点的个数较少)，则说明该筛选器包含的轮廓的曲率较小，例如该筛选器内包含的采样点或该筛选器所选择的采样点所在的面为较平的面，那么该采样点非剂量控制点。
上述剂量控制点的确定方法中，通过获取待处理图像，并利用筛选器对待处理图像上的采样点进行筛选，得到剂量控制点，其中，待处理图像包含感兴趣区域的轮廓，而且，当筛选器包含第一边界和第二边界，第一边界位于第二边界的内部时，可以通过计算位于第一边界和第二边界之间的感兴趣区域的轮廓的相关参数，再根据轮廓的相关参数确定剂量控制点。上述方法实现了对待处理图像上采样点的筛选，且通过包含两个边界的筛选器进行采样点筛选，可以准确筛选出轮廓曲率较大，即所在的面为凹面或凸面的采样点，而这些点在放疗计划中控制剂量时是不容易被控制的采样点，也即这些点为需要被进行剂量控制的采样点，故上述方法可以达到准确筛选需要进行剂量控制的采样点的效果，从而提高感兴趣区域与目标等剂量区域的适形度。
可选的，提供了上述S1021的一种实现方式，该实现方式具体包括：移动筛选器至不同的采样点，针对不同的采样点上筛选器的位置，分别计算第一边界和第二边界之间的感兴趣区域的轮廓的相关参数。
实际操作中，即是将筛选器移动至待处理图像中每个采样点所在位置上，然后计算两个边界之间包含的轮廓的相关参数，来判断每个采样点是否为控制剂量点。具体移动时，可以按照采样点所在的行列位置顺序的移动筛选器，可选的，当采样点的数量比较多时，计算设备也可以设置多个筛选器，同时移动多个筛选器对多个采样点进行筛选。另外，具体移动筛选器时，使筛选器中的第一边界所包围的区域包含采样点可视为将该筛选器移动至采样点的位置上。
示例性说明本实示例所述的方法，如图3所示的待处理图像的示意图，L为待处理图像中感兴趣区域的轮廓，S为筛选器，筛选器S中包括第一边界S1和第二边界S1，将该筛选器S移动至采样点A的位置上，在该采样点A上筛选器S所在位置，第一边界S1和第二边界S1之间的感兴趣区域的轮廓为BC之间的曲线。则后期根据感兴趣区域的轮廓BC的相关参数确定剂量控制点时，即可通过计算BC之间的曲线的相关参数确定采样点A是否为剂量控制点，比如，通过计算BC之间的曲线的长度，或者通过计算BC之间的曲线与筛选器S围成的面积，或者组成BC之间的曲线的离散点的个数确定采样点A是否为剂量控制点。
可选的，筛选器的第一边界和第二边界各自围成的区域具有共同的中心点，则在将该筛选器移动至采样点的位置上时，可以移动该筛选器的中心点至采样点所在位置上。参见图3所示的示意图，筛选器S的第一边界和第二边界各自围成的区域具有共同的中心点O，则将该筛选器移动S的中心点O移动至采样点A所在位置上，中心点O和采样点A重合，即表示该筛选器S是对该采样点A进行筛选。
可选的，在实际应用中，由于筛选器中的第一边界在第二边界的内部，且第一边界一般用于选择采样点，比如，上述实施例中，将筛选器的中心点移动到采样点所在位置时，那么该筛选器的的第一边界内部包含采样点，即视为选择该采样点。在上述情况下，筛选器的第一边界不与感兴趣区域的轮廓相交，筛选器的第二边界与感兴趣区域的轮廓相交。参见3所示的示意图，筛选器S的第一边界S1不与感兴趣区域的轮廓L相交，该筛选器S的第二边界S2与感兴趣区域的轮廓L的相交。
进一步的，计算机设备根据上述实施例所述的方法计算出每个采样点上筛选器的第一边界和第二边界之间的感兴趣区域的轮廓的相关参数时，即可根据每个采样点对应的筛选器中包含的轮廓的相关参数确定每个采样点是否为剂量控制点，基于此，本实施例提供了确定剂量控制点的具体方式，即上述S1022的一种实现方式具体包括：确定轮廓的相关参数是否满足预设条件，若满足，则将包含轮廓的筛选器对应的采样点作为剂量控制点。
本实施例中的预设条件用于评估第一边界和第二边界之间包含的感兴趣区域的轮廓的曲率大小，其具体可以为预设阈值，也可以为一种预设函数，预设阈值可以用于评估第一边界和第二边界之间包含的感兴趣区域的轮廓的相关参数的值是否等于预设阈值，或者大于预设阈值，或者小于预设阈值；预设函数可以具体为当前采样点与轮廓最小距离有关的函数，也用于评估第一边界和第二边界之间包含的感兴趣区域的轮廓的相关参数是否符合函数要求。预设条件可以预先由实际的筛选需求确定。
若轮廓的相关参数满足预设条件，则说明第一边界和第二边界之间包含的感兴趣区域的轮廓的曲率较大，也代表该感兴趣区域的轮廓所在平面可能为凹面或者是凸面；若轮廓的相关参数未满足预设条件，则说明第一边界和第二边界之间包含的感兴趣区域的轮廓的曲率较小，也代表该感兴趣区域的轮廓所在平面可能为平面。
本实施例中，当计算机设备将筛选器移动至每个不同的采样点，并计算出各采样点对应的筛选器中第一边界和第二边界之间的感兴趣区域的轮廓的相关参数后，可以进一步的确定每个轮廓的相关参数是够满足预设条件，并将轮廓的相关参数满足预设条件的筛选器对应的采样点筛选出来，作为剂量控制点，根据该方法筛选出的剂量控制点即为所在平面可能为凹面或凸面的点，也为需要进行剂量控制的点。
在实际应用中，计算机设备可以利用筛选器对待处理图像上的所有采样点进行筛选，来确定剂量控制点，但是，在实际的放疗计划中，往往需要投放剂量的点为和靶区相关的点，而且为了减少计算量，需要进一步的在待处理图像上确定待筛选的采样点，因此，本申请还提供了一种确定待筛选的采样点的方法，该方法包括：根据采样点至感兴趣区域的轮廓的距离，确定待处理图像上待筛选的采样点的范围。
本实施例中，当计算机设备获取到待处理图像时，可以进一步的确定待处理图像上每个采样点与最近感兴趣区域的轮廓的距离，然后将该距离与预设阈值进行比较，若该距离小于预设阈值，则确定该距离对应的采样点为待筛选的采样点；若该距离不小于预设阈值，则确定该距离对应的采样点并非待筛选的采样点。最后将待筛选的采样点形成的范围确定为待筛选的采样点范围。比如，参见图4所示的示意图，图中的L为感兴趣区域的轮廓，M曲线和N曲线围成的区域中的采样点均小于预设阈值，则M曲线和N曲线围成的区域中的采样点均为待筛选的采样点，也即M曲线和N曲线围成的区域范围即为待筛选的采样点的范围。需要说明的是，本实施例中的预设阈值用于评估采样点是否为待筛选的采样点，而待筛选的采样点的范围内的采样点即为实际应用中可能处于靶区的凹凸平面的点，是需要控制剂量投放的点。
在实际应用中，计算机设备在利用筛选器对待处理图像上的采样点进行筛选时，还可以利用多个筛选器对待处理图像上不同范围内的采样点进行筛选来确定剂量控制点，基于此，本申请提供了一种具体的这种筛选方法，其中，筛选器包括第一筛选器和第二筛选器，则计算机设备在执行上述S102的步骤时，具体执行步骤：利用第一筛选器对感兴趣区域的轮廓内部的采样点进行筛选，利用第二筛选器对感兴趣区域的轮廓外部的采样点进行筛选。
其中，第一筛选器和第二筛选器的规格可以相同，也可以不同。比如，第一筛选器和第二筛选器都是同样的同心圆，且尺寸一致；也可以，第一筛选器和第二筛选器都是同样的同心圆，但尺寸不同；或者，第一筛选器是同心圆，第二筛选器是同心正方形。或者，第一筛选器是同心球，而第二筛选器是同心圆。
本实施例中，计算机设备可以先利用第一筛选器对感兴趣区域的轮廓内部的采样点进行筛选，再利用第二筛选器对感兴趣区域的轮廓外部的采样点进行筛选；可选的，计算机设备还可以同时利用第一筛选器对感兴趣区域的轮廓内部的采样点进行筛选，以及利用第二筛选器对感兴趣区域的轮廓外部的采样点进行筛选。例如，利用图5中a所示的第一筛选器对感兴趣区域的轮廓内部的采样点进行筛选，利用图5中b所示的第二筛选器对感兴趣区域的轮廓外部的采样点进行筛选，图5中a所示的筛选器和b所示的筛选器均为同心圆，但是各自的尺寸不同，a所示的筛选器的半径明显小于b所示的筛选器的半径。
可选的，结合图4实施例所述的待筛选的采样点的范围，可以分为轮廓内部的待筛选的采样点的范围，以及轮廓外部的待筛选的采样点的范围。则可以使用第一筛选器对轮廓内部的待筛选的采样点的范围内的采样点进行筛选，利用第二筛选器对轮廓外部的待筛选的采样点的范围内的采样点进行筛选。例如，可以具体利用图5中a所示的第一筛选器对图4中L曲线和N曲线围成的区域中的采样点进行筛选；利用图5中b所示的第二筛选器对图4中M曲线和L曲线围成的区域中的采样点进行筛选。
可选的，当采用多个筛选器对待处理图像上的采样点进行筛选时，可以采用多个图形处理器(graphics processing unit，GPU)并行使用多个筛选器对待处理图像上的采样点进行筛选。
在实际应用中，由于待处理图像上的采样点数量一搬比较庞大，因此可以采用多个GPU并行执行的方法，即采用多个GPU分别同时移动多个筛选器对待处理图像上不同的采样点进行筛选，这样可以提高筛选效率，进而提高确定剂量控制点的速度。
综合上述所有实施例，本申请还提供了一种剂量控制点的确定方法，如图6所示，该方法包括：
S201，获取待处理图像，待处理图像包含感兴趣区域的轮廓。
S202，移动第一筛选器至感兴趣区域的轮廓内部的不同待筛选的采样点，针对不同的待筛选的采样点上第一筛选器的位置，分别计算第一筛选器中第一边界和第二边界之间的感兴趣区域的轮廓的相关参数。
S203，确定第一筛选器中第一边界和第二边界之间的感兴趣区域的轮廓的相关参数是否满足预设条件，并在轮廓的相关参数满足预设条件的情况下，将包含该轮廓的第一筛选器对应的待筛选的采样点作为剂量控制点。
S204，移动第二筛选器至感兴趣区域的轮廓外部的不同待筛选的采样点，针对不同的待筛选的采样点上第二筛选器的位置，分别计算第二筛选器中第一边界和第二边界之间的感兴趣区域的轮廓的相关参数。
S205，确定第二筛选器中第一边界和第二边界之间的感兴趣区域的轮廓的相关参数是否满足预设条件，并在轮廓的相关参数满足预设条件的情况下，将包含该轮廓的第二筛选器对应的待筛选的采样点作为剂量控制点。
上述实施例中的各步骤在前述均有说明，详细内容请参见前述说明，此处不赘述。
上述图2-图6实施例中选用的筛选器为包含两个边界的筛选器，在实际应用中，也可以采用包含一个边界的筛选器，因此，基于这样的筛选器，本申请提供了一种剂量控制点的确定方法，如图7所示，该方法包括：
S301，获取待处理图像。
本实施例所述方法与前述图2实施例中S101的步骤所述方法基本一致，详细内容，请参见前述说明，此处不赘述。
S302，利用筛选器对待处理图像上的采样点进行筛选，得到剂量控制点，其中的筛选器包含封闭边界。
其中，剂量控制点为待处理图像中可以进行剂量控制的采样点或网格点。封闭边界可以为圆形的封闭边界，也可以为其它形的封闭边界。筛选器可以为二维的也可以为三维的筛选器，例如，筛选器可以为一个圆或一个球。在实际的放疗计划中，当需要优化或控制感兴趣区域(靶区)的适形度时，可以先选择待处理图像中合适的采样点，即对待处理图像上的采样点进行筛选，得到剂量控制点。本实施例中，计算机设备可以预先设计一个筛选器，并使用该筛选器对待处理图像上的每个采样点进行筛选，筛选出可以进行剂量控制的采样点。
当筛选器包括封闭边界时，计算机设备在具体执行上述S302的步骤时，可以采用如下方法，如图7A所示，该方法包括：
S3021，计算封闭边界内感兴趣区域的轮廓的相关参数。
当使用筛选器筛选采样点时，可以先确定筛选器中封闭边界围成的空间或区域内是否包含感兴趣区域的轮廓，若包含，则说明该筛选器内包含的采样点或该筛选器选择的采样点为可能的剂量控制点，需要进一步的根据封闭边界围成的空间或区域内包含的感兴趣区域的轮廓的相关参数确定是否是真的剂量控制点，所以需要计算位于封闭边界内的轮廓的相关参数，具体计算轮廓的相关参数时，比如，计算轮廓的长度，或者计算轮廓与筛选器围成的区域面积时，可以根据筛选器中封闭边界在待处理图像上的位置坐标，以及封闭边界内包含的轮廓在待处理图像上的位置坐标计算得到。若筛选器中封闭边界围成的空间或区域内未包含感兴趣区域的轮廓，则说明该筛选器内包含的采样点非剂量控制点，或者非需要特殊进行剂量控制的点，在实际应用中，也就对应平面的点。
S3022，基于轮廓的相关参数确定剂量控制点。
本实施例所述方法与前述图2B实施例中S1022的步骤所述方法基本一致，详细内容，请参见前述说明，此处不赘述。
上述剂量控制点的确定方法中，通过获取待处理图像，并利用利用筛选器对待处理图像上的采样点进行筛选，得到剂量控制点，其中，待处理图像包含感兴趣区域的轮廓，而且，当筛选器包含封闭边界，可以通过计算位于封闭边界内包含的感兴趣区域的轮廓的相关参数，再根据轮廓的相关参数确定剂量控制点。上述方法实现了对待处理图像上采样点的筛选，且通过包含封闭边的筛选器进行采样点筛选，可以筛选出轮廓曲率较大，即所在的面为凹面或者凸面的采样点，而这些点在放疗计划投放剂量时是不容易被控制投放的采样点，也即这些点为需要被进行剂量控制的采样点，故上述方法可以达到准确筛选进行剂量控制的采样点的效果。
可选的，提供了上述S3021的一种实现方式，该实现方式具体包括：移动筛选器至不同的采样点，针对不同的采样点上筛选器的位置，分别计算封闭边界内感兴趣区域的轮廓的相关参数。
实际操作中，即是将筛选器移动至待处理图像中每个采样点所在位置上，然后计算封闭边界之间包含的轮廓的相关参数，来判断每个采样点是否为控制剂量点。具体移动时，可以按照采样点所在的行列位置顺序的移动筛选器，可选的，当采样点的数量比较多时，计算设备也可以设置多个筛选器，同时移动多个筛选器对多个采样点进行筛选。另外，具体移动筛选器时，使筛选器中的封闭边界内包含的采样点可视为将该筛选器移动至采样点的位置上。具体移动筛选器时，可以将筛选器的中心点移动至采样点所在的位置上，即可对该采样点进行筛选。
示例性说明本实施例所述的方法，如图8所示的示意图，L为待处理图像中的感兴趣区域的轮廓，S为筛选器，筛选器S中包括封闭边界S1，将该筛选器S移动至采样点D的位置上，在该采样点D上筛选器S所在位置，封闭边界S1内包含的感兴趣区域的轮廓为CE之间的曲线。则后期根据感兴趣区域的轮廓CE的长度确定剂量控制点时，即可通过计算CE之间的曲线的相关参数确定采样点D是否为剂量控制点，比如，通过计算CE之间的曲线的长度，或者通过计算CE之间的曲线与筛选器S所围成的区域面积，来确定采样点D是否为剂量控制点。
进一步的，计算机设备根据上述实施例所述的方法计算出每个采样点上筛选器的封闭边界内包含的感兴趣区域的轮廓的相关参数时，即可根据每个采样点对应的筛选器中包含的轮廓的相关参数确定每个采样点是否为剂量控制点，基于此，本实施例提供了确定剂量控制点的具体方式，即上述S3022的一种实现方式具体包括：确定轮廓的相关参数是否满足预设条件，若轮廓的相关参数满足预设条件，则将包含轮廓的筛选器对应的采样点作为剂量控制点。
本实施例中的预设条件用于评估封闭边界内包含的感兴趣区域的轮廓的曲率大小，其具体可以为预设阈值，也可以为一种预设函数，预设阈值可以用于评估封闭边界内包含的感兴趣区域的轮廓的相关参数的值是否等于预设阈值，或者大于预设阈值，或者小于预设阈值；预设函数可以具体为当前采样点与轮廓最小距离有关的函数，也用于评估封闭边界内包含的感兴趣区域的轮廓的相关参数是否符合函数要求。预设条件可以预先由实际的筛选需求确定。
若轮廓的相关参数满足预设条件，则说明封闭边界内包含的感兴趣区域的轮廓的曲率较大，也代表该感兴趣区域的轮廓所在平面可能为凹面或者凸面；若轮廓的相关参数未满足预设条件，则说明封闭边界内包含的感兴趣区域的轮廓的曲率较小，也代表该感兴趣区域的轮廓所在平面可能为平面。
本实施例中，当计算机设备将筛选器移动至每个不同的采样点，并计算出各采样点对应的筛选器中封闭边界内包含的感兴趣区域的轮廓的相关参数后，可以进一步的确定每个轮廓的相关参数是够满足预设条件，并将轮廓的相关参数满足预设条件的筛选器对应的采样点筛选出来，作为剂量控制点，根据该方法筛选出的剂量控制点即为所在平面可能为凹面或凸面的点。
可选的，上述任一实施例中的预设阈值可以不是恒定不变的。在一实施例中，预设条件(比如，预设条件包含预设阈值)随感兴趣区域的轮廓与筛选器的相交位置而变化。例如，以图8为例，若预设条件包含预设阈值，在二维图像中，CE对应的预设阈值可以根据CE构成的弦确定；CE对应的预设阈值也可以根据CE上距离筛选器的圆心最近的点所在的弦确定；还可以根据经过CE的距离筛选器的圆心距离最短的弦确定，本申请中并不限定阈值具体的确定方式。可选的，预设阈值可以为弦的倍数，例如1.0、1.1、1.2、1.3倍等。
在实际应用中，计算机设备在利用筛选器对待处理图像上的采样点进行筛选时，还可以利用多个筛选器对待处理图像上不同范围内的采样点进行筛选来确定剂量控制点，基于此，本申请提供了一种具体的这种筛选方法，其中，筛选器包括第三筛选器和第四筛选器，则计算机设备在执行上述S302的步骤时，具体执行步骤：利用第三筛选器对感兴趣区域的轮廓内部的采样点进行筛选，利用第四筛选器对感兴趣区域的轮廓外部的采样点进行筛选。
其中，第三筛选器和第四筛选器的规格可以相同，也可以不同。比如，第三筛选器和第四筛选器都是同样的圆，且尺寸一致；也可以，第三筛选器和第四筛选器都是同样的圆，但尺寸不同；或者，第三筛选器为球，而第四筛选器为圆。
本实施例中，计算机设备可以先利用第三筛选器对感兴趣区域的轮廓内部的采样点进行筛选，再利用第四筛选器对感兴趣区域的轮廓外部的采样点进行筛选；可选的，计算机设备还可以同时利用第三筛选器对感兴趣区域的轮廓内部的采样点进行筛选，以及利用第四筛选器对感兴趣区域的轮廓外部的采样点进行筛选。例如，利用图9中a所示的第一筛选器对感兴趣区域的轮廓内部的采样点进行筛选，利用图9中b所示的第二筛选器对感兴趣区域的轮廓外部的采样点进行筛选。
可选的，当采用多个上述筛选器对待处理图像上的采样点进行筛选时，可以采用多个GPU并行使用多个上述筛选器对待处理图像上的采样点进行筛选。
基于上述任一实施例所述的剂量控制点的确定方法，本申请还提供了一种感兴趣区域的剂量适形度的控制方法，如图10所示，该方法包括：
S401，根据上述图2-图8实施例中任一实施例所述的剂量控制点的确定方法，确定剂量控制点。
本步骤涉及的剂量控制点的确定方法可参见前述图2-图8实施例中任一实施例所述的方法，详细内容请参见前述说明，此处不赘述。
S402，确定剂量控制点的剂量目标。
其中，剂量目标为对剂量控制点进行剂量投放优化时对应的优化目标。该剂量目标可以为具体的一个剂量值，也可以为具体的一个剂量约束范围。
本实施例中，计算机设备在确定了剂量控制点时，可以进一步的根据各剂量控制点所在靶区的位置，或根据剂量控制点所在感兴趣区域的位置确定各剂量控制点的剂量目标，以便之后利用各剂量目标对各剂量控制点进行剂量优化。需要说明的是，不同的剂量控制点可以对应不同的剂量目标，不同的剂量控制点也可以对应相同的剂量目标。
S403，基于剂量目标，通过剂量优化方法对待处理图像上的目标采样点的剂量进行优化，使感兴趣区域与目标等剂量区域适形。
其中，目标采样点至少包括剂量控制点，目标采样点还可以包括待处理图像上除剂量控制点以外的其它采样点。
本实施例中，当计算机设备确定了各剂量控制点以及各剂量控制点对应的剂量目标时，即可以剂量目标为目标，采用剂量优化方法或剂量优化模型对处理图像上的剂量控制点的剂量进行优化，使感兴趣区域与目标等剂量区域适形。例如，若剂量控制点为待处理图像上感兴趣区域内部的采样点，则剂量目标为提高该剂量控制点的剂量达到预设剂量值，那么在采用剂量优化方法或剂量优化模型对该剂量控制点进行剂量优化时，可以控制该剂量控制点的剂量提高到预设剂量值；若剂量控制点为待处理图像上感兴趣区域外部的采样点，则剂量目标为降低该剂量控制点的剂量达到预设剂量值，那么在采用剂量优化方法或剂量优化模型对该剂量控制点进行剂量优化时，可以控制该剂量控制点的剂量降低到预设剂量值。再例如，对感兴趣区域内部的剂量控制点增加约束条件，提高这些剂量控制点的剂量；对感兴趣区域外部的剂量控制点增加约束条件，压低这些剂量控制点的剂量。在具体放疗计划时，目标采样点还可以包括除剂量控制点以外的采样点，即本实施例中还可以通过剂量优化方法对待处理图像上除剂量控制点以外的采样点的剂量进行优化，使感兴趣区域与目标等剂量区域适形。需要说明的是，在采用剂量优化方法同时对剂量控制点和除剂量控制点以外的采样点进行剂量优化时，剂量控制点对应的剂量目标和剂量控制点以外的采样点对应的剂量目标是不同的，例如，剂量控制点以外的不同采样点可以对应相同的剂量目标，而不同剂量控制点对应不同的剂量目标。
上述实施例所述的方法，先通过筛选器准确确定出剂量控制点，再确定剂量控制点的剂量目标，最后以剂量目标为目标，通过剂量优化方法对待处理图像上的目标采样点的剂量进行优化，使感兴趣区域与目标等剂量区域适形，其中，目标采样点至少包括剂量控制点。上述方法可以准确的筛选出剂量控制点，进而便于后期对这些剂量控制点的剂量加以控制，实现了对各剂量控制点进行差别剂量控制，相比于传统的放疗计划中无差别投放靶区内各采样点的剂量的方法，本申请提供的剂量控制点可以更高地控制感兴趣区域(靶区)的适形度，更好的使感兴趣区域与目标等剂量区域适形。
应该理解的是，虽然图2-10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2-10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11所示，提供了一种剂量控制点的确定装置，包括：
获取模块11，用于获取待处理图像；所述待处理图像包含感兴趣区域的轮廓。
筛选模块12，用于利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，其中，所述筛选器包含第一边界和第二边界，所述第一边界位于所述第二边界的内部，对应的，筛选模块12具体用于计算位于所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数；根据所述轮廓的相关参数确定所述剂量控制点。
在一个实施例中，如图12所示，提供了一种剂量控制点的确定装置，包括：
获取模块21，用于获取待处理图像；所述待处理图像包含感兴趣区域的轮廓。
筛选模块22，用于利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；其中，所述筛选器包含封闭边界，筛选模块22具体用于计算所述封闭边界内所述感兴趣区域的轮廓的相关参数；基于所述轮廓的相关参数确定所述剂量控制点。
在一个实施例中，如图13所示，提供了一种感兴趣区域的剂量适形度的控制装置，包括：
第一确定模块31，用于根据如图11或图12所述的剂量控制点的确定装置，确定剂量控制点；
第二确定模块32，用于确定所述剂量控制点的剂量目标；
优化模块33，用于基于所述剂量目标，通过剂量优化方法对所述待处理图像上的目标采样点的剂量进行优化，使所述感兴趣区域与目标等剂量区域适形；其中，所述目标采样点至少包括所述剂量控制点。
关于剂量控制点的确定装置的具体限定可以参见上文中对于剂量控制点的确定方法的限定，在此不再赘述。上述剂量控制点的确定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。
关于感兴趣区域的剂量适形度的控制装置的具体限定可以参见上文中对于感兴趣区域的剂量适形度的控制方法的限定，在此不再赘述。上述感兴趣区域的剂量适形度的控制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，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；
其中，所述筛选器包含第一边界和第二边界，所述第一边界位于所述第二边界的内部，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
计算位于所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数；
根据所述轮廓的相关参数确定所述剂量控制点。
上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；
其中，所述筛选器包含封闭边界，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
计算所述封闭边界内所述感兴趣区域的轮廓的相关参数；
基于所述轮廓的相关参数确定所述剂量控制点。
上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
根据前述实施例所述的剂量控制点的确定方法，确定剂量控制点；
确定所述剂量控制点的剂量目标；
基于所述剂量目标，通过剂量优化方法对所述待处理图像上的目标采样点的剂量进行优化，使所述感兴趣区域与目标等剂量区域适形；其中，所述目标采样点至少包括所述剂量控制点。
上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
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：
获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；
其中，所述筛选器包含第一边界和第二边界，所述第一边界位于所述第二边界的内部，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
计算位于所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数；
根据所述轮廓的相关参数确定所述剂量控制点。
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
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：
获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；
其中，所述筛选器包含封闭边界，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
计算所述封闭边界内所述感兴趣区域的轮廓的相关参数；
基于所述轮廓的相关参数确定所述剂量控制点。
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
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：
根据前述实施例所述的剂量控制点的确定方法，确定剂量控制点；
确定所述剂量控制点的剂量目标；
基于所述剂量目标，通过剂量优化方法对所述待处理图像上的目标采样点的剂量进行优化，使所述感兴趣区域与目标等剂量区域适形；其中，所述目标采样点至少包括所述剂量控制点。
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
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 (13)
1.一种剂量控制点的确定方法，其特征在于，所述方法包括：
获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；
其中，所述筛选器包含第一边界和第二边界，所述第一边界位于所述第二边界的内部，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
计算位于所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数；
根据所述轮廓的相关参数确定所述剂量控制点。
2.根据权利要求1所述的方法，其特征在于，所述计算位于所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数，并根据所述轮廓的相关参数确定所述剂量控制点，包括：
移动所述筛选器至不同的所述采样点，针对不同的所述采样点上筛选器的位置，分别计算所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述轮廓的相关参数确定所述剂量控制点，包括：
确定所述轮廓的相关参数是否满足预设条件，若满足，则将包含所述轮廓的筛选器对应的采样点作为所述剂量控制点。
4.根据权利要求2所述的方法，其特征在于，所述第一边界和所述第二边界各自围成的区域具有共同的中心点，
所述移动所述筛选器至不同的所述采样点包括：
移动所述筛选器的中心点至不同的所述采样点。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述采样点至所述感兴趣区域的轮廓的距离，确定所述待处理图像上待筛选的采样点的范围；
所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
利用筛选器对所述待筛选的采样点的范围内的采样点进行筛选，得到剂量控制点。
6.根据权利要求1所述的方法，其特征在于，所述筛选器包括第一筛选器和第二筛选器，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
利用所述第一筛选器对所述感兴趣区域的轮廓内部的采样点进行筛选，利用所述第二筛选器对所述感兴趣区域的轮廓外部的采样点进行筛选。
7.根据权利要求1或6所述的方法，其特征在于，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
采用多个GPU并行使用多个所述筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点。
8.根据权利要求1所述的方法，其特征在于，所述筛选器的第一边界不与所述感兴趣区域的轮廓相交，所述筛选器的第二边界与所述感兴趣区域的轮廓相交。
9.一种剂量控制点的确定方法，其特征在于，所述方法包括：
获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；
其中，所述筛选器包含封闭边界，所述利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点，包括：
计算所述封闭边界内所述感兴趣区域的轮廓的相关参数；
基于所述轮廓的相关参数确定所述剂量控制点。
10.一种感兴趣区域的剂量适形度的控制方法，其特征在于，所述方法包括：
根据如权利要求1-9任一项所述的剂量控制点的确定方法，确定剂量控制点；
确定所述剂量控制点的剂量目标；
基于所述剂量目标，通过剂量优化方法对所述待处理图像上的目标采样点的剂量进行优化，使所述感兴趣区域与目标等剂量区域适形；其中，所述目标采样点至少包括所述剂量控制点。
11.一种剂量控制点的确定装置，其特征在于，所述装置包括：
获取模块，用于获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
筛选模块，用于利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；其中，所述筛选器包含第一边界和第二边界，所述第一边界位于所述第二边界的内部，所述筛选模块具体用于计算位于所述第一边界和所述第二边界之间的所述感兴趣区域的轮廓的相关参数；根据所述轮廓的相关参数确定所述剂量控制点。
12.一种剂量控制点的确定装置，其特征在于，所述装置包括：
获取模块，用于获取待处理图像；所述待处理图像包含感兴趣区域的轮廓；
筛选模块，用于利用筛选器对所述待处理图像上的采样点进行筛选，得到剂量控制点；其中，所述筛选器包含封闭边界，所述筛选模块具体用于计算所述封闭边界内所述感兴趣区域的轮廓的相关参数；基于所述轮廓的相关参数确定所述剂量控制点。
13.一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10中任一项所述的方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111408059.0A CN114093459A (zh) | 2021-11-24 | 2021-11-24 | 剂量控制点的确定方法、装置和存储介质 |
| US17/822,424 US20230069291A1 (en) | 2021-08-25 | 2022-08-25 | Systems and methods for generating treatment plans |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111408059.0A CN114093459A (zh) | 2021-11-24 | 2021-11-24 | 剂量控制点的确定方法、装置和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114093459A true CN114093459A (zh) | 2022-02-25 |
Family
ID=80304236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111408059.0A Pending CN114093459A (zh) | 2021-08-25 | 2021-11-24 | 剂量控制点的确定方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114093459A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150238158A1 (en) * | 2014-02-27 | 2015-08-27 | Impac Medical Systems, Inc. | System and method for auto-contouring in adaptive radiotherapy |
| CN105404789A (zh) * | 2015-12-28 | 2016-03-16 | 上海联影医疗科技有限公司 | 剂量控制点的选取方法及选取系统、放疗计划系统 |
| CN110368604A (zh) * | 2019-06-21 | 2019-10-25 | 山东省肿瘤防治研究院（山东省肿瘤医院） | 一种基于suv值的调强放疗监测系统及方法 |
-
2021
- 2021-11-24 CN CN202111408059.0A patent/CN114093459A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150238158A1 (en) * | 2014-02-27 | 2015-08-27 | Impac Medical Systems, Inc. | System and method for auto-contouring in adaptive radiotherapy |
| CN105404789A (zh) * | 2015-12-28 | 2016-03-16 | 上海联影医疗科技有限公司 | 剂量控制点的选取方法及选取系统、放疗计划系统 |
| CN110368604A (zh) * | 2019-06-21 | 2019-10-25 | 山东省肿瘤防治研究院（山东省肿瘤医院） | 一种基于suv值的调强放疗监测系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 冯永富等: "控制点与弧数目对宫颈癌放疗计划剂量学的影响", 《医疗卫生装备》, vol. 40, no. 7, 31 December 2019 (2019-12-31), pages 39 - 43 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106887000B (zh) | 医学图像的网格化处理方法及其系统 | |
| US9384170B2 (en) | Quantitative analysis and visualization of spatial points | |
| CN112669463B (zh) | 三维点云的曲面重建方法、计算机设备和计算机可读存储介质 | |
| CN104050626A (zh) | 基元的使用误差项的保守光栅化 | |
| CN109034385A (zh) | 用稀疏数据训练神经网络的系统和方法 | |
| US11449994B2 (en) | Machine learning model for analyzing pathology data from metastatic sites | |
| CN111080654B (zh) | 图像的病变区域分割方法、装置及服务器 | |
| CN109523525A (zh) | 图像融合的恶性肺结节识别方法、装置、设备及存储介质 | |
| CN113096080B (zh) | 图像分析方法及系统 | |
| CN111539997B (zh) | 基于gpu计算平台的图像并行配准方法、系统、装置 | |
| RU2746152C2 (ru) | Обнаружение биологического объекта | |
| CN112132265A (zh) | 模型训练方法、杯盘比确定方法、装置、设备及存储介质 | |
| CN110796135A (zh) | 目标的定位方法及装置、计算机设备、计算机存储介质 | |
| CN112102230A (zh) | 超声切面识别方法、系统、计算机设备和存储介质 | |
| CN112329789A (zh) | 点云的提取方法、装置、计算机设备和存储介质 | |
| CN115344692A (zh) | 聚类方法、装置、计算机设备和存储介质 | |
| US9977993B2 (en) | System and method for constructing a statistical shape model | |
| CN110992310A (zh) | 一种确定纵隔淋巴结所在分区的方法及装置 | |
| CN114093459A (zh) | 剂量控制点的确定方法、装置和存储介质 | |
| CN114612367A (zh) | 图像处理算法的评估方法、装置、计算机设备和存储介质 | |
| CN117058022A (zh) | 深度图像去噪方法、装置、计算机设备及存储介质 | |
| CN107392976A (zh) | 数据处理方法、装置及设备 | |
| RU2637903C2 (ru) | Способ и компьютерное устройство для создания симплифицированных границ графических объектов | |
| CN113157806B (zh) | 网格数据分布式存储服务系统、方法、装置、设备及介质 | |
| CN111712833B (zh) | 一种筛选局部特征点的方法及装置 |
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 |