CN114588561A - 射野强度分布优化方法、装置及放射治疗设备 - Google Patents
射野强度分布优化方法、装置及放射治疗设备 Download PDFInfo
- Publication number
- CN114588561A CN114588561A CN202210100660.1A CN202210100660A CN114588561A CN 114588561 A CN114588561 A CN 114588561A CN 202210100660 A CN202210100660 A CN 202210100660A CN 114588561 A CN114588561 A CN 114588561A
- Authority
- CN
- China
- Prior art keywords
- portal
- intensity distribution
- intensity
- dose
- volume
- 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
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
- 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
- A61N5/1042—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head
- A61N5/1045—X-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
- A61N5/1047—X-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 with movement of the radiation head during application of radiation, e.g. for intensity modulated arc therapy or IMAT
-
- 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
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
-
- 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
- A61N5/1071—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan
-
- 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
- A61N2005/1074—Details of the control system, e.g. user interfaces
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
本发明公开一种射野强度分布优化方法、装置及放射治疗设备,该射野强度分布优化方法包括以下步骤:S1:根据靶区内剂量分布利用体素权重因子调节方法调整高量点的权重,初步优化射野强度分布;S2:根据S1得到的射野强度分布,利用贪心算法调整射野强度值,进一步优化射野强度分布。本发明在射野强度分布优化时,利用体素权重因子调节方法调整高量点的权重,可以有效降低靶区高量体积,自适应地调整剂量曲线,为后续自动计划打下基础,按一定步长调整靶区高量对应的笔形束的强度值,调整后计算目标函数是否下降,利用贪心算法逐步更改强度分布,直至满足临床要。
Description
技术领域
本发明属于放射治疗技术领域,具体涉及一种射野强度分布优化方法、装置及放射治疗设备。
背景技术
放射治疗已成为癌症治疗的的重要手段之一。在放射治疗中,调强放射治疗(Intensity Modulated Radiotherapy,IMRT)是目前的主要放疗手段。IMRT计划要满足高剂量分布的形状在三维方向上与靶区(肿瘤区)形状一致的同时,还要求靶区内及表面的剂量处处相等。后者要求靶区的剂量强度要均匀分布,目的是提高肿瘤的局部控制率。然而在实际制作计划时,靶区内难免会存在剂量较高的点,这些靶区高量点的存在会导致肿瘤控制概率降低,治疗效果降低。
为了降低靶区高量的体积,放疗物理师结合放射治疗计划系统(TreatmentPlanning System,TPS)采用试错(trial-and-error)方式不断调整剂量约束条件等,以期望降低靶区高量;或者在一次优化结束后根据剂量分布,将高量区域保存成另外一个器官并给予较高优先级的约束,进行下一次约束。前者物理师需要反复试错,耗费时间较长,而后一种方法通过保存高量区域作为器官约束,本质上还是一种结构约束,不能根据超过阈值的多少动态调整违反点的权重,费时费力。对于一些特殊情况:靶区内的高量点仅仅是一些个别孤立点,这时再使用约束条件调整的方法进行优化,往往不能得到满意的结果。因此,对于IMRT靶区高量问题,一直没有得到很好的解决。
具体地,现有放射治疗计划对高量区域的处理主要有以下几种方式。
1.目前放疗物理师/剂量师往往只能依据本人经验以人土试错方式反复调整剂量约束等,重新优化计划,直到得到一个满足剂量要求且是较优权衡的计划方案为止。这种人工试错的方法限制了计划设计过程的自动化实现,同时也是造成当前临床放疗计划高水平同质化程度不高的重要原因。
2.临床进行优化时采用的基于器官权重因子的优化模型,限制了优化求解时优化解的搜索空间,使优化解不能很好的权衡各个感兴趣区域所对应的剂量约束。
3.IMRT的优化是个多目标问题的优化,目前采用的方案是加权求和,如果靶区内出现部分孤立高量点,它对整体目标函数的贡献仍是微弱的,这时采用优化问题难以对这些孤立点进行处理。更为棘手的是,一旦这些孤立的高量点靠近危及器官,那么实际操作中由于一些摆位偏差的存在,这些高量点就会落在危及器官里,对于串行器官而言是极其危险的。
发明内容
为了解决上述技术问题,本发明提出了一种射野强度分布优化方法、装置及放射治疗设备。
为了达到上述目的,本发明的技术方案如下:
一方面,本发明公开一种射野强度分布优化方法,包括以下步骤:
S1:根据靶区内剂量分布利用体素权重因子调节方法调整高量点的权重,初步优化射野强度分布;
S2:根据S1得到的射野强度分布,利用贪心算法调整射野强度值,进一步优化射野强度分布。
在上述技术方案的基础上,还可做如下改进:
作为优选的方案,S1包括以下步骤:
S1.1:输入射野个数和方向;
S1.2:输入器官约束信息;
S1.3:计算沉积矩阵;
S1.4:使用共轭梯度法优化射野强度;
S1.5:平滑处理,对得到的射野强度进行中值滤波;
S1.6:将靶区内采样点的剂量归一至靶区的处方剂量;
S1.7:判断靶区内是否存在高于处方剂量一定阈值的点;
若不存在,则进入S1.8;
若存在,则将这些高量点标记出来,增加这些高量点的权重值,再进入S1.8;
S1.8:使用共轭梯度法进一步优化射野强度;
S1.9:计算最终剂量;
S1.10:计算剂量体积直方图DVH。
作为优选的方案,S2包括以下步骤:
S2.1:输入S1得到的初始强度分布;
S2.2:计算靶区剂量;
S2.3:计算靶区高量区域;
S2.4:判断靶区是否满足临床要求;
若满足要求,则输出射野强度分布;
若不满足要求,则调整射野强度分布。
作为优选的方案,S2.4中调整射野强度分布具体包括以下步骤:
T1:计算高量区域的中心点,分别计算各个射野对中心点的剂量贡献;
T2:选取对中心点剂量贡献最大的射野,明确需要调整的射野;
T3:将高量区域映射到射野方向观BEV上,寻找对应的笔形束;
T4:对T3得到的对应的笔形束的强度值按预设比例α进行缩减;
T5:判断当前缩减是否能使目标函数下降;
若能,则重复S2.2-S2.4;
若不能,则进一步缩减对应的笔形束的强度值,直至当前缩减能使目标函数下降。
另一方面,本发明还公开一种射野强度分布优化装置,包括:
第一射野强度优化模块,用于根据靶区内剂量分布利用体素权重因子调节方法调整高量点的权重,初步优化射野强度分布;
第二射野强度优化模块,用于根据第一射野强度优化模块得到的射野强度分布,利用贪心算法调整射野强度值,进一步优化射野强度分布。
作为优选的方案,第一射野强度优化模块通过以下步骤优化射野强度分布;
S1.1:输入射野个数和方向;
S1.2:输入器官约束信息;
S1.3:计算沉积矩阵;
S1.4:使用共轭梯度法优化射野强度;
S1.5:平滑处理,对得到的射野强度进行中值滤波;
S1.6:将靶区内采样点的剂量归一至靶区的处方剂量;
S1.7:判断靶区内是否存在高于处方剂量一定阈值的点;
若不存在,则进入S1.8;
若存在,则将这些高量点标记出来,增加这些高量点的权重值,再进入S1.8;
S1.8:使用共轭梯度法进一步优化射野强度;
S1.9:计算最终剂量;
S1.10:计算剂量体积直方图DVH。
作为优选的方案,第二射野强度优化模块通过以下步骤进一步优化射野强度分布;
S2.1:输入第一射野强度优化模块得到的初始强度分布;
S2.2:计算靶区剂量;
S2.3:计算靶区高量区域;
S2.4:判断靶区是否满足临床要求;
若满足要求,则输出射野强度分布;
若不满足要求,则调整射野强度分布。
作为优选的方案,S2.4中调整射野强度分布具体包括以下步骤:
T1:计算高量区域的中心点,分别计算各个射野对中心点的剂量贡献;
T2:选取对中心点剂量贡献最大的射野,明确需要调整的射野;
T3:将高量区域映射到射野方向观BEV上,寻找对应的笔形束;
T4:对T3得到的对应的笔形束的强度值按预设比例α进行缩减;
T5:判断当前缩减是否能使目标函数下降;
若能,则重复S2.2-S2.4;
若不能,则进一步缩减对应的笔形束的强度值,直至当前缩减能使目标函数下降。
此外,本发明还公开一种放射治疗设备,放射治疗设备用于执行上述任一种射野强度分布优化方法,或,包括:上述任一种射野强度分布优化装置。
本发明一种射野强度分布优化方法、装置及放射治疗设备,具有以下有益效果:
第一,在射野强度分布优化时,利用体素权重因子调节方法调整高量点的权重,可以有效降低靶区高量体积,自适应地调整剂量曲线,为后续自动计划打下基础。
第二,按一定步长调整靶区高量对应的笔形束的强度值,调整后计算目标函数是否下降,利用贪心算法逐步更改强度分布,直至满足临床要。
第三,靶区适形度和靶区均匀性均略有改善。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例公开的射野强度分布优化方法流程图。
图2为本发明实施例公开的S1高量点权重调整后射野强度分布流程图。
图3为本发明实施例公开的S2强度值调整流程图。
图4为本发明实施例公开的前列腺癌靶区勾画信息图。
图5为本发明实施例公开的违反点权重调整前、后DVH结果比较图。
图6为本发明实施例公开的原计划与迭代5次、迭代10次的DVH对比图。
具体实施方式
下面结合附图详细说明本发明的优选实施方式。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
另外,“包括”元件的表述是“开放式”表述,该“开放式”表述仅仅是指存在对应的部件,不应当解释为排除附加的部件。
为了达到本发明的目的,一种射野强度分布优化方法、装置及放射治疗设备的其中一些实施例中,如图1所示,射野强度分布优化方法包括以下步骤:
S1:根据靶区内剂量分布利用体素权重因子调节方法调整高量点的权重,初步优化射野强度分布;
S2:根据S1得到的射野强度分布,利用贪心算法调整射野强度值,进一步优化射野强度分布。
为了进一步地优化本发明的实施效果,在另外一些实施方式中,其余特征技术相同,不同之处在于,如图2所示,S1包括以下步骤:
S1.1:输入射野个数和方向,由用户自行添加射野,程序将射野范围内的区域划分成一系列小网格(beamlet,也称笔形束),射野强度分布的优化就是计算这些笔形束的输入光子强度分布;
S1.2:输入器官约束信息,用户在界面上输入器官的剂量约束(Dose Constraint)或剂量体积约束(Dose-Volume Constraint),程序将这些约束信息转化为目标函数进行优化;
优化目标函数是二次型函数,靶区的目标函数形式如下:
其中:
NTPTV为靶区中的采样点数;
当器官中的点剂量违反约束时,δj=1,否则,δj=0;
wj为第j个点的权重;
px为第j个点的处方剂量;
dj为第j个点的计算剂量;
公式(1)反映了计算剂量偏离处方剂量的二次误差;
第j个点的计算剂量dj表示为所有笔形束对该点的剂量贡献之和;
Nray为笔形射束的总个数;
ajm为单位强度的第m个射束对第j个点的剂量贡献,整个ajm构成的矩阵称为沉积矩阵(DepositionMatrix);
S1.3:计算沉积矩阵;
S1.4:使用共轭梯度法(Conjugate Gradient method,CG)优化射野强度;
S1.5:平滑处理,对得到的射野强度进行中值滤波;
S1.6:将靶区内采样点的剂量归一至靶区的处方剂量;
S1.7:判断靶区内是否存在高于处方剂量一定阈值的点;
若不存在,则进入S1.8;
若存在,则将这些高量点标记出来,增加这些高量点的权重值,再进入S1.8;
S1.8:使用共轭梯度法进一步优化射野强度;
S1.9:计算最终剂量;
S1.10:计算剂量体积直方图DVH。
值得注意的是,在优化射野强度分布的时候,根据优化后靶区内剂量分布调整高量点的权重,该高量点为违反剂量约束点,也称违反点。然后,采用共轭梯度法(ConjugateGradient method,CG)进一步优化射野强度分布。
可见,使用共轭梯度法优化射野强度并执行平滑操作后,靶区的第一轮剂量分布是明确的,接着将靶区内采样点的剂量归一至靶区的处方剂量(Rx dose),如:将靶区D95归一到处方剂量,判断靶区内是否存在高于处方剂量一定阈值(如:105%、110%等等)的点,如果没有,证明靶区内不存在高量,按照原流程执行即可,如果有高量,那么将这些高量点标记出来,增加这些点的权重值,接着使用共轭梯度法优化射野强度。
进一步,上述高量点权重调整计算公式如下:
其中:wj为第j个体素的权重值,不经调整的wj为1;
dc为临界剂量值,即点权重调整的阈值,该实施例中,选取处方剂量的105%作为此阈值;
参数α和μ由用户定义以控制权重调整的强弱。
为了说明本发明S1的有效性,针对一个前列腺癌病例进行说明。
1)病例描述如下:
靶区勾画如图4所示,医生给出的处方剂量为44*180cGy=7920cGy。
2)射野及约束参数如下:
射野布置:IMRT计划,采用7个方向的射野,角度分别为0°、52°、104°、155°、206°、257°和308°。
约束设置:本病采用的完整约束包括:PTV、Bladder、LeftFemur、RightFemur,Rectum以及靶区外围控制靶区剂量跌落的5mm、15mm和25mm的环。
3)结果比较如下:
如图5所示,高量点权重调整前(直线)和调整前后(三角形)计划的DVH图比较结果。可以直观看出,高量点权重调整后计划PTV的DVH曲线明显变陡。
表1和表2分别展示了违反点权重调整前、后剂量结果的具体数值。可以看出,经高量点权重调整后105%和110%处方剂量高量体积V83.2和V87.1分别从原来的8.43%和0.05%降低至1.35%和0.00%,有效降低了高量的体积;最大量从8775.84cGy降低至8695.55cGy,最大量降低了约80cGy;且靶区适形度和靶区均匀性均略有改善。
表1违反点权重调整前器官剂量结果
ROI | Bladder | Femur_L | Femur_R | PTV | Rectum |
Volume(cc) | 357.38 | 176 | 184.45 | 215.29 | 49.88 |
Mean_dose(cGy) | 2421.6 | 1373.89 | 1237.74 | 8164.41 | 4112.85 |
Max_dose(cGy) | 8447.06 | 3739.96 | 4021.89 | 8775.84 | 8335.7 |
Min_dose(cGy) | 0 | 1.37 | 0 | 6861.47 | 70.69 |
V83.2(%) | 0.28 | 0 | 0 | 8.43 | 0.28 |
V87.1(%) | 0 | 0 | 0 | 0.05 | 0 |
D95(cGy) | 7.66 | 13.58 | 9 | 7919.5 | 231.82 |
HI | 9.64 | 1.95 | 1.84 | 0.07 | 2.01 |
CI | 0.83 |
表2违反点权重调整后器官剂量结果
为了进一步地优化本发明的实施效果,在另外一些实施方式中,其余特征技术相同,不同之处在于,如图3所示,S2包括以下步骤:
S2.1:输入S1得到的初始强度分布;
S2.2:计算靶区剂量;
S2.3:计算靶区高量区域;
S2.4:判断靶区是否满足临床要求;
若满足要求,则输出射野强度分布;
若不满足要求,则调整射野强度分布。
进一步,在上述实施例的基础上,S2.4中调整射野强度分布具体包括以下步骤:
T1:计算高量区域的中心点,分别计算各个射野对中心点的剂量贡献;
T2:选取对中心点剂量贡献最大的射野,明确需要调整的射野;
T3:将高量区域映射到射野方向观BEV上,寻找对应的笔形束;
T4:对T3得到的对应的笔形束的强度值按预设比例α进行缩减;
T5:判断当前缩减是否能使目标函数下降;
若能,则说明当次缩减有效,重复S2.2-S2.4;
若不能,则说明当次缩减无效,进一步缩减对应的笔形束的强度值,直至当前缩减能使目标函数下降。
为了说明本发明S2的有效性,针对一个宫颈癌病例进行说明。
1)病例描述如下:
医生给出的处方剂量为25*200cGy=5000cGy,周围危及器官有:直肠、膀胱、小肠和脊髓。
2)射野及约束参数如下:
在360°范围内均匀添加25个射野,添加的约束包括:靶区的剂量约束,剂量体积约束,危机器官的约束和一些辅助器官(比如:环器官,宫颈中间Middle器官)的约束。
3)结果对比如下:
以原sliding window计划为参照,分别执行5次、10次强度分布迭代。迭代后的计划与原计划的DVH对比如图6,计划得分情况见。
可见,迭代对计划效果有明显提升,原计划得分为65.5分,迭代5次后得分为71分,迭代10次后得分为73.3分。迭代对危及器官影响不大,但对靶区有着很大影响:靶区CI值原计划为0.7929,迭代5次后值为0.8054,迭代10次后为0.8129;靶区高量D2值原计划为55.10Gy,迭代5次后为54.63Gy,迭代10次后为54.40Gy。
表3原计划与迭代5次、迭代10次的计划得分对比
本发明实施例还公开一种射野强度分布优化装置,包括:
第一射野强度优化模块,用于根据靶区内剂量分布利用体素权重因子调节方法调整高量点的权重,初步优化射野强度分布;
第二射野强度优化模块,用于根据第一射野强度优化模块得到的射野强度分布,利用贪心算法调整射野强度值,进一步优化射野强度分布。
为了进一步地优化本发明的实施效果,在另外一些实施方式中,其余特征技术相同,不同之处在于,第一射野强度优化模块通过以下步骤优化射野强度分布;
S1.1:输入射野个数和方向;
S1.2:输入器官约束信息;
S1.3:计算沉积矩阵;
S1.4:使用共轭梯度法优化射野强度;
S1.5:平滑处理,对得到的射野强度进行中值滤波;
S1.6:将靶区内采样点的剂量归一至靶区的处方剂量;
S1.7:判断靶区内是否存在高于处方剂量一定阈值的点;
若不存在,则进入S1.8;
若存在,则将这些高量点标记出来,增加这些高量点的权重值,再进入S1.8;
S1.8:使用共轭梯度法进一步优化射野强度;
S1.9:计算最终剂量;
S1.10:计算剂量体积直方图DVH。
为了进一步地优化本发明的实施效果,在另外一些实施方式中,其余特征技术相同,不同之处在于,第二射野强度优化模块通过以下步骤进一步优化射野强度分布;
S2.1:输入第一射野强度优化模块得到的初始强度分布;
S2.2:计算靶区剂量;
S2.3:计算靶区高量区域;
S2.4:判断靶区是否满足临床要求;
若满足要求,则输出射野强度分布;
若不满足要求,则调整射野强度分布。
进一步,在上述实施例的基础上,S2.4中调整射野强度分布具体包括以下步骤:
T1:计算高量区域的中心点,分别计算各个射野对中心点的剂量贡献;
T2:选取对中心点剂量贡献最大的射野,明确需要调整的射野;
T3:将高量区域映射到射野方向观BEV上,寻找对应的笔形束;
T4:对T3得到的对应的笔形束的强度值按预设比例α进行缩减;
T5:判断当前缩减是否能使目标函数下降;
若能,则重复S2.2-S2.4;
若不能,则进一步缩减对应的笔形束的强度值,直至当前缩减能使目标函数下降。
本发明实施例还公开一种放射治疗设备,放射治疗设备用于执行上述任一实施例公开的射野强度分布优化方法,或,包括:上述任一实施例公开的射野强度分布优化装置。
本发明一种射野强度分布优化方法、装置及放射治疗设备,具有以下有益效果:
第一,在射野强度分布优化时,利用体素权重因子调节方法调整高量点的权重,可以有效降低靶区高量体积,自适应地调整剂量曲线,为后续自动计划打下基础。
第二,按一定步长调整靶区高量对应的笔形束的强度值,调整后计算目标函数是否下降,利用贪心算法逐步更改强度分布,直至满足临床要。
第三,靶区适形度和靶区均匀性均略有改善。
应当理解,这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和装置,或者本发明的方法和装置的某些方面或部分可采取嵌入有形媒介,例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被该机器执行时,该机器变成实践本发明的装置。
上述实施例只为说明本发明的技术构思及特点,其目的在于让本领域普通技术人员能够了解本发明的内容并加以实施,并不能以此限制本发明的保护范围,凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围内。
Claims (9)
1.射野强度分布优化方法,其特征在于,包括以下步骤:
S1:根据靶区内剂量分布利用体素权重因子调节方法调整高量点的权重,初步优化射野强度分布;
S2:根据S1得到的射野强度分布,利用贪心算法调整射野强度值,进一步优化射野强度分布。
2.根据权利要求1所述的射野强度分布优化方法,其特征在于,S1包括以下步骤:
S1.1:输入射野个数和方向;
S1.2:输入器官约束信息;
S1.3:计算沉积矩阵;
S1.4:使用共轭梯度法优化射野强度;
S1.5:平滑处理,对得到的射野强度进行中值滤波;
S1.6:将靶区内采样点的剂量归一至靶区的处方剂量;
S1.7:判断靶区内是否存在高于处方剂量一定阈值的点;
若不存在,则进入S1.8;
若存在,则将这些高量点标记出来,增加这些高量点的权重值,再进入S1.8;
S1.8:使用共轭梯度法进一步优化射野强度;
S1.9:计算最终剂量;
S1.10:计算剂量体积直方图DVH。
3.根据权利要求1所述的射野强度分布优化方法,其特征在于,
S2包括以下步骤:
S2.1:输入S1得到的初始强度分布;
S2.2:计算靶区剂量;
S2.3:计算靶区高量区域;
S2.4:判断靶区是否满足临床要求;
若满足要求,则输出射野强度分布;
若不满足要求,则调整射野强度分布。
4.根据权利要求3所述的射野强度分布优化方法,其特征在于,S2.4中调整射野强度分布具体包括以下步骤:
T1:计算高量区域的中心点,分别计算各个射野对中心点的剂量贡献;
T2:选取对中心点剂量贡献最大的射野,明确需要调整的射野;
T3:将高量区域映射到射野方向观BEV上,寻找对应的笔形束;
T4:对T3得到的对应的笔形束的强度值按预设比例α进行缩减;
T5:判断当前缩减是否能使目标函数下降;
若能,则重复S2.2-S2.4;
若不能,则进一步缩减对应的笔形束的强度值,直至当前缩减能使目标函数下降。
5.射野强度分布优化装置,其特征在于,包括:
第一射野强度优化模块,用于根据靶区内剂量分布利用体素权重因子调节方法调整高量点的权重,初步优化射野强度分布;
第二射野强度优化模块,用于根据第一射野强度优化模块得到的射野强度分布,利用贪心算法调整射野强度值,进一步优化射野强度分布。
6.根据权利要求5所述的射野强度分布优化装置,其特征在于,第一射野强度优化模块通过以下步骤优化射野强度分布;
S1.1:输入射野个数和方向;
S1.2:输入器官约束信息;
S1.3:计算沉积矩阵;
S1.4:使用共轭梯度法优化射野强度;
S1.5:平滑处理,对得到的射野强度进行中值滤波;
S1.6:将靶区内采样点的剂量归一至靶区的处方剂量;
S1.7:判断靶区内是否存在高于处方剂量一定阈值的点;
若不存在,则进入S1.8;
若存在,则将这些高量点标记出来,增加这些高量点的权重值,再进入S1.8;
S1.8:使用共轭梯度法进一步优化射野强度;
S1.9:计算最终剂量;
S1.10:计算剂量体积直方图DVH。
7.根据权利要求5所述的射野强度分布优化装置,其特征在于,第二射野强度优化模块通过以下步骤进一步优化射野强度分布;
S2.1:输入第一射野强度优化模块得到的初始强度分布;
S2.2:计算靶区剂量;
S2.3:计算靶区高量区域;
S2.4:判断靶区是否满足临床要求;
若满足要求,则输出射野强度分布;
若不满足要求,则调整射野强度分布。
8.根据权利要求7所述的射野强度分布优化装置,其特征在于,
S2.4中调整射野强度分布具体包括以下步骤:
T1:计算高量区域的中心点,分别计算各个射野对中心点的剂量贡献;
T2:选取对中心点剂量贡献最大的射野,明确需要调整的射野;
T3:将高量区域映射到射野方向观BEV上,寻找对应的笔形束;
T4:对T3得到的对应的笔形束的强度值按预设比例α进行缩减;
T5:判断当前缩减是否能使目标函数下降;
若能,则重复S2.2-S2.4;
若不能,则进一步缩减对应的笔形束的强度值,直至当前缩减能使目标函数下降。
9.放射治疗设备,其特征在于,所述放射治疗设备用于执行如权利要求1-4任一项所述的射野强度分布优化方法,或,包括:如权利要求5-8任一项所述的射野强度分布优化装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210100660.1A CN114588561A (zh) | 2022-01-27 | 2022-01-27 | 射野强度分布优化方法、装置及放射治疗设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210100660.1A CN114588561A (zh) | 2022-01-27 | 2022-01-27 | 射野强度分布优化方法、装置及放射治疗设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114588561A true CN114588561A (zh) | 2022-06-07 |
Family
ID=81806385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210100660.1A Pending CN114588561A (zh) | 2022-01-27 | 2022-01-27 | 射野强度分布优化方法、装置及放射治疗设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114588561A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117717719A (zh) * | 2023-09-07 | 2024-03-19 | 山东卓业医疗科技有限公司 | 一种在粒子放射剂量模型中计算靶区dvh的方法 |
-
2022
- 2022-01-27 CN CN202210100660.1A patent/CN114588561A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117717719A (zh) * | 2023-09-07 | 2024-03-19 | 山东卓业医疗科技有限公司 | 一种在粒子放射剂量模型中计算靶区dvh的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11278737B2 (en) | Systems and methods for automatic treatment planning and optimization | |
US7809107B2 (en) | Method for controlling modulation strength in radiation therapy | |
CN110124214B (zh) | 预测剂量分布引导的调强放疗计划优化系统、介质及设备 | |
Breedveld et al. | A novel approach to multi-criteria inverse planning for IMRT | |
CN110327554B (zh) | 基于预测剂量分布引导的调强放疗计划优化方法及应用 | |
CN105930636B (zh) | 一种自动确定目标函数权重的放射治疗方案优化系统 | |
US20240029847A1 (en) | Clinical goal treatment planning and optimization | |
Akhavanallaf et al. | Personalized brachytherapy dose reconstruction using deep learning | |
Reinstein et al. | A feasibility study of automated inverse treatment planning for cancer of the prostate | |
CN108711447A (zh) | 基于体素权重因子的自动调强多目标优化方法及其应用 | |
CN110420396B (zh) | 一种放射治疗计划优化系统、装置及存储介质 | |
Diot et al. | Biological‐based optimization and volumetric modulated arc therapy delivery for stereotactic body radiation therapy | |
CN105930637A (zh) | 一种自动确定目标函数权重的放射治疗方案优化方法 | |
Lee et al. | Physical and radiobiological evaluation of radiotherapy treatment plan | |
CN114588561A (zh) | 射野强度分布优化方法、装置及放射治疗设备 | |
Anbumani et al. | Treatment planning methods in high dose rate interstitial brachytherapy of carcinoma cervix: a dosimetric and radiobiological analysis | |
Wang et al. | An integrated solution of deep reinforcement learning for automatic IMRT treatment planning in non-small-cell lung cancer | |
Wang et al. | Simultaneous needle catheter selection and dwell time optimization for preplanning of high-dose-rate brachytherapy of prostate cancer | |
Luong et al. | Efficient, effective, and insightful tackling of the high-dose-rate brachytherapy treatment planning problem for prostate cancer using evolutionary multi-objective optimization algorithms | |
CN113178242B (zh) | 一种基于耦合式生成对抗网络的自动计划优化系统 | |
CN113870976A (zh) | 一种基于剂量预评估的自适应放疗剂量调强优化计算方法 | |
Zhang et al. | A column generation approach based on region growth | |
Yan et al. | Evaluation of an artificial intelligence guided inverse planning system: clinical case study | |
Mathews et al. | Enhanced optimization of volumetric modulated arc therapy plans using Monte Carlo generated beamlets | |
Arráns et al. | Computer optimization of class solutions designed on a beam segmentation basis |
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 |