CN115103706A - 放射疗法治疗计划 - Google Patents
放射疗法治疗计划 Download PDFInfo
- Publication number
- CN115103706A CN115103706A CN202180013303.5A CN202180013303A CN115103706A CN 115103706 A CN115103706 A CN 115103706A CN 202180013303 A CN202180013303 A CN 202180013303A CN 115103706 A CN115103706 A CN 115103706A
- Authority
- CN
- China
- Prior art keywords
- dose distribution
- function
- dose
- treatment plan
- 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
- A61N5/1048—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
一种用于为体积生成放射治疗计划的方法和装置,包括:接收第一治疗计划,第二治疗计划基于该第一治疗计划,该第一治疗计划指示剂量分布;接收至少一个剂量分布导出函数,该剂量分布导出函数被配置为基于剂量分布的至少一部分提供值;接收每个剂量分布导出函数的相应值的目标,包括接收概率分布;确定优化问题,其中该目标函数或每个目标函数是剂量分布导出函数、相应概率分布和相应损失函数的函数;基于所述优化问题执行优化过程;以及确定所述第二治疗计划。
Description
技术领域
本公开涉及用于放射疗法治疗计划的装置和方法。具体而言,本公开涉及一种使用优化过程来导出治疗计划的放射疗法治疗计划的装置和方法。本公开还涉及相关联的方法和计算机程序。
背景技术
可以为不同类型的放射疗法,例如基于光子、轻离子或电子等外部射束放射疗法或者近距离放射疗法执行放射疗法治疗计划。
在放射疗法治疗领域,关键的挑战是设计出高品质的治疗计划。治疗计划可以定义为治疗要施加到治疗目标体积的放射量,以及例如在所述治疗期间可以由一个或多个危及器官(OAR)或其他身体组织接收的放射量。存在能够创建治疗计划的过程,特别是治疗计划的改进,以确保诸如肿瘤的目标体积接收到期望的放射剂量,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OAR完全没有任何损伤。
创建或改进治疗计划的一种方案包括使用数学优化技术的优化过程。该优化过程通常基于包括函数集的优化问题,其中每个函数可以表示目标(即目标函数)或约束(即约束函数)。在优化问题中使用的函数可能至少在某种程度上是不兼容的,在某种意义上,一个函数的输出的改进可能需要其他函数中一个或多个函数的输出的劣化。该优化过程可用于创建治疗计划,按照从理想化的放射剂量分布开始,并优化以达到定义可递送的治疗计划的参数集。
在优化问题中使用的目标函数和约束函数可以被认为是治疗计划的品质度量。目标函数可以测量通常与剂量分布相关的参数与期望值的偏差。参数的期望值可以指示例如对特定器官或体积的最小或最大剂量。约束函数可以包括品质测量和/或定义参数可以采用的可行值集合。因此,在一个或多个示例中,可行值可以被配置为考虑放射疗法递送设备的技术限制。用作函数的品质度量应该具有使它们适合于优化的数学性质,例如连续性和可微性。
在已经定义了优化问题之后,获得治疗计划的最常见的方式是找到表示所述治疗计划的参数,使得在满足约束的同时最小化或最大化目标函数的加权和。当在总加权和目标中的组成目标之中存在冲突激励时,为了确保所产生的计划具有与计划者的偏好一致的性质,通常在迭代过程中调整权重并执行重新优化,直到找到品质令人满意的计划。由于用作目标和约束的函数通常与用于计划品质评价的标准不直接相关,因此这种迭代过程可能非常耗时。因此,需要更具体地微调现有治疗计划的工具——特别是,更精确地测量计划品质度量的当前水平与期望水平之间的偏差,并更准确地捕获计划者偏好中的复杂性。
发明内容
根据本公开的第一方面,提供了一种用于为患者的体积生成放射疗法治疗计划的计算机实施的方法,该方法包括:
接收第一治疗计划,第二治疗计划基于该第一治疗计划,该第一治疗计划指示所述体积上的剂量分布;
接收至少一个剂量分布导出函数,该剂量分布导出函数或每个剂量分布导出函数被配置为基于作为输入的剂量分布——按照其被定义的体积的至少一部分——的至少一部分提供值作为输出;
接收每个剂量分布导出函数的相应值的目标,包括接收至少一个剂量分布导出函数中的每一个或至少一个剂量分布导出函数的组的概率分布,该概率分布表示对于输入剂量分布,从剂量分布导出函数输出的值的范围的合意性;
确定包括总目标函数的优化问题,总目标函数包括一个或多个目标函数的总和,其中该目标函数或每个目标函数包括至少一个剂量分布导出函数、相应概率分布和相应损失函数中的一个或多个的函数;
基于所述优化问题执行优化过程;以及
从优化过程中确定所述第二治疗计划。
在一个或多个示例中,接收至少一个剂量分布导出函数的步骤包括接收至少两个剂量分布导出函数。
在一个或多个示例中,剂量分布导出函数中的每一个或剂量分布导出函数的组的概率分布表示对于围绕相应目标值的输入剂量分布,从所述剂量分布导出函数输出的值的范围的偏好程度或可实现程度。在一个或多个示例中,最优选的目标值可以位于概率分布的一个或多个峰值处。
在一个或多个示例中,接收概率分布的步骤包括以下一个或多个:
接收定义概率分布的输入用户;以及
从多个预定的候选概率分布中对概率分布的用户选择。
在一个或多个示例中,第一治疗计划包括以下之一:
按照放射疗法递送设备的并且从其导出所述体积上的剂量分布的操作参数定义的治疗计划;
按照剂量分布定义的治疗计划;以及
按照从空间的每个方向在时间上积分的并且从其导出所述体积上的剂量分布的辐照强度定义的治疗计划。
在一个或多个示例中,接收剂量分布导出函数的步骤包括以下一个或多个步骤:
接收用户输入以定义剂量分布导出函数中的一个或多个;以及
从候选剂量分布导出函数集中选择一个或多个剂量分布导出函数,候选剂量分布导出函数基于定义所述体积的患者身体部位来确定。
在一个或多个示例中,对于整个体积或其一部分,所述至少一个剂量分布导出函数包括下列一个或多个:按体积的剂量、按剂量的体积、平均剂量、包括整个体积或部分体积中剂量均匀度度量的均匀度、适形度指数和罚函数,罚函数包括最小剂量、最大剂量或剂量体积直方图函数。
在一个或多个示例中,至少一个剂量分布导出函数包括至少第一剂量分布导出函数和第二剂量分布导出函数,其中:
第一剂量分布导出函数包括用于响应于所述优化过程相对于第一治疗计划改进第二治疗计划中的体积的选定子体积的剂量分布的函数,其中第一剂量分布导出函数及其相关联的目标被配置为提供指示所述体积的选定子体积的剂量分布的期望变化的改进的值;以及
第二剂量分布导出函数包括用于在所述优化过程之后在第二治疗计划中基本上维持第一治疗计划中定义的一个或多个子体积的剂量分布的函数,其中第二剂量分布导出函数及其相关联的目标被配置为提供指示所述体积的一个或多个选定子体积的剂量分布的任何偏差的劣化的值。
在一个或多个示例中,损失函数选自以下一个或多个:
对数损失函数;以及
交叉熵损失函数。
在一个或多个示例中,该目标函数或每个目标函数包括剂量分布导出函数的一个或多个、由以目标为中心的正态概率分布表示的相应的目标和相应损失函数的函数。在其他示例中,使用具有不同于正态分布的形式的概率分布。
因此,在一个或多个示例中,本方法的优点在于,通过采用剂量分布导出函数和定义目标的概率分布(例如,其可以包括正态分布)并将其用作损失函数的输入的过程,可以将剂量分布导出函数转换成用于形成优化问题的至少一部分的目标函数。在一个或多个示例中,总目标函数可以仅包括通过本方法从剂量分布导出函数转换的目标函数。
在一个或多个示例中,该方法包括以下步骤:对于每个剂量分布导出函数,将所述概率分布表示为优化问题中的累积分布函数或概率密度函数。
在一个或多个示例中,执行优化过程的步骤包括:最小化总目标函数,并且其中总目标函数包括一个或多个目标函数的加权和。
在一个或多个示例中,该方法包括接收体积的图像,并且可以基于所述图像的多个体素来定义从第一和/或第二治疗计划导出的剂量分布。在一个或多个示例中,图像包括定义图像的离散子体积的多个体素。
在一个或多个示例中,计算机实施的方法是由计算设备执行的方法。在一个或多个示例中,该方法由计算设备执行,该计算设备具有用于接收用户输入的输入设备、用于从存储器检索预定数据的存储器调用设备以及处理设备。在一个或多个示例中,接收第一治疗计划和/或接收至少一个剂量分布导出函数和/或接收目标的步骤可以由输入设备或存储器调用设备来执行。在一个或多个示例中,确定优化问题和/或执行优化过程和/或确定所述第二治疗计划的步骤可以由处理设备执行。在一个或多个示例中,计算设备包括输出设备,该输出设备可以将所确定的第二治疗计划输出到另一装置或用户。
在一个或多个示例中,第二治疗计划包括从该装置输出的数据,该数据可用于对放射疗法递送设备进行编程。在其他示例中,第二治疗计划可以包括表示来自空间中每个方向在时间上积分的辐照强度的数据。
在一个或多个示例中,该体积包括三维图像,并且可以基于所述图像的多个体素来定义从第一和/或第二治疗计划导出的剂量分布,所述体素定义图像的三维区域。
根据本公开的第三方面,提供了一种用于生成放射疗法治疗计划的装置,该装置包括处理器和存储器以及存储在所述存储器中的计算机程序代码,该计算机程序代码被配置为当由所述处理器执行时,使得该装置执行第一方面的方法。
在一个或多个示例中,该装置包括输入设备,该输入设备被配置为接收由用户绘制的表示概率分布的输入。
根据另一方面,提供了一种用于生成放射疗法治疗计划的装置,该装置包括用于以下操作的装置或被配置为执行以下操作的至少一个处理模块:
接收第一治疗计划,第二治疗计划基于该第一治疗计划,该第一治疗计划指示体积上的剂量分布;
接收至少一个剂量分布导出函数,该剂量分布导出函数或每一个剂量分布导出函数被配置为基于作为输入的剂量分布——按照其被定义的体积的至少一部分——的至少一部分来提供值作为输出;
接收每个剂量分布导出函数的相应值的目标,包括接收至少一个剂量分布导出函数中的每一个或至少一个剂量分布导出函数的组的概率分布,该概率分布表示对于输入剂量分布从所述剂量分布导出函数输出的值的范围的合意性;
确定包括总目标函数的优化问题,总目标函数包括一个或多个目标函数的总和,其中该目标函数或每个目标函数包括剂量分布导出函数的一个或多个、相应概率分布和相应损失函数的函数;
基于所述优化问题执行优化过程;以及
从优化过程中确定所述第二治疗计划。
在一个或多个示例中,可以提供多个装置或处理模块,每个装置或处理模块执行相应的动作中的一个或多个,以接收第一治疗计划、接收至少一个剂量分布导出函数、接收目标、确定优化问题、执行优化过程并确定所述第二治疗计划。
根据另一方面,提供了一种用于生成计划的装置或方法,该计划定义了向由包括多个体素的图像表示的体积的放射递送,所述方法由第一方面的步骤使用体积的图像来定义。
根据本公开的第三方面,提供了一种包括指令的计算机程序,当由具有至少一个处理器的装置执行时,指令被配置为执行第一方面的方法。
在一个或多个示例中,计算机程序存储在计算机可读介质例如非暂时性计算机可读介质上。
附图说明
现在仅通过示例的方式,参考以下附图对本发明的实施例进行详细描述,其中:
图1示出了用于生成放射疗法治疗计划的示例装置;
图2示出了来自第一治疗计划和来自第二治疗计划的示例剂量-体积直方图;
图3示出了来自第一治疗计划的示例剂量-体积直方图,并示意性地示出了具有相关联概率分布的剂量分布导出函数的定义;
图4示出了说明用于为患者的体积生成放射疗法治疗计划的示例方法的流程图;以及
图5示出了示例计算机可读介质。
具体实施方式
放射疗法治疗计划是复杂的任务,有许多不同的因素在起作用。体内肿瘤的大小和位置、肿瘤周围的器官(所谓的危及器官)的位置和敏感度、放射疗法递送设备的技术能力以及历史放射疗法治疗的临床结果都可能有助于治疗计划的确定。
示例图1示出了示例治疗计划装置100。装置100可以包括计算机系统101,计算机系统101包括处理器102和存储器103,存储器103被配置为执行由计算机程序代码定义的方法,计算机程序代码可以存储在所述存储器中或者以其他方式提供给计算机系统101。应当理解,计算机系统101可以包括连接到网络(例如因特网)的终端,并且执行该方法的处理器和存储器可以位于一个或多个远程服务器(未示出)上,终端向用户提供接口。
治疗计划装置100可以包括输入设备104,以使用户能够录入用于执行治疗计划的信息。在一个或多个示例中,输入设备104可以使得偏好或其他输入能够被输入到图形用户界面上。在一个或多个示例中,输入设备104可以使用户能够用图画绘制输入。因此,输入设备104可以包括触笔、鼠标或触摸屏界面等。治疗计划装置100可以包括联接到计算机系统101的显示设备105,用于显示信息和/或呈现图形用户界面。
在一个或多个示例中,治疗计划装置100可以联接到或能够联接到用于向患者递送放射的放射疗法递送设备106。因此,使用治疗计划装置100确定的治疗计划可以被提供给放射疗法递送设备106,用于随后的递送。在一个或多个示例中,治疗计划可以被转化成放射疗法递送设备106的操作参数,或者治疗计划可以已经按照放射疗法递送设备106的操作参数来定义。
当使用优化技术执行治疗计划时,通常从第一治疗计划开始,并进行调整以试图对其进行改进。这种过程在本领域中被称为治疗计划优化。然而,应当理解,术语“优化”是在基于定义的度量获得改进的意义上使用的,而不是找到绝对最优的解决方案。通常,治疗计划的优化是搜索治疗计划的参数,尽可能最小化某总目标函数,总目标函数评价受到一些约束的治疗计划。例如,治疗计划的参数可以包括放射疗法递送设备106的操作参数(例如,多叶准直器位置、机架随时间的旋转速度、随时间的放射束功率和任何其他操作参数),并且总目标函数可以按照基于那些操作参数计算的递送到体积的放射剂量分布来定义,并且约束可以包括设备106的技术限制。在其他示例中,治疗计划的参数可以是注量图,其中参数定义了从空间中的每个方向在时间上积分的辐照强度。因此,将会理解,治疗计划可以根据许多不同类型的参数来定义,这些参数定义或指示待治疗的患者的体积上的放射剂量分布。剂量分布包括剂量如何在体积上分布的定义。剂量分布可以根据递送给多个体素中的每一个的剂量来定义,多个体素包括从待治疗体积的图像中导出的离散体积。一般而言,治疗计划可以定义放射的递送,并且可以从中导出体积中的剂量分布。
在一个或多个示例中,优化过程的起始点包括具有对应于已经存在的治疗计划的参数的治疗计划,例如先前为当前患者递送的治疗计划,其可能已经由优化过程本身确定(在本领域中称为热启动)。在一个或多个其他示例中,优化的起始点可以包括具有参数的治疗计划,在该治疗计划中已经对参数的适当值进行了猜测,例如基于临床医生的经验的合格猜测(在本领域中称为冷启动)。例如,冷启动治疗计划可以根据一个或多个随机选择的计划参数来定义;或对应于在目标体积(或接近目标体积的目标)中递送等于相关联处方剂量水平的平均剂量的计划参数。这里描述的优化过程在治疗计划是否可实现方面是无关紧要的,因为它表示设备106在技术上能够递送的计划,或者在治疗计划是否理想化方面是无关紧要的,因为它可以或可以不由放射疗法递送设备106递送。
因此,总之,应当理解,第一治疗计划可以包括现实的治疗计划,该现实的治疗计划包括在给定例如放射疗法递送设备的操作参数的约束或其他约束的情况下可实现的治疗计划。在其他示例中,第一治疗计划可以是理想化的治疗计划,因为可能还没有确定它是否可实现。
根据本公开的示例,可能期望针对从给定剂量分布的剂量分布导出函数获得的值,在优化过程中对治疗计划的参数进行调整,其中剂量分布可从治疗计划的参数导出。剂量分布导出函数指的是将剂量分布(或其一部分)作为输入并返回数字作为输出的任何函数。因此,由剂量分布导出函数输出的数字表示剂量相关的测量,其可以用作相对于评级尺度的评级,其中另外的函数可以定义评级尺度。至剂量分布导出函数的输入可以包括表示待治疗体积或其一部分的多个体素上的剂量分布。
因此,在这里的示例中描述的优化过程可以被配置为对第一治疗计划的参数进行调整,基于调整后的参数确定体积的修正剂量分布,然后例如通过使用剂量分布导出函数的输出来评估修正剂量分布。优化的求解或部分求解因此可以得到调整后的参数,调整后的参数定义第二治疗计划。鉴于剂量分布导出函数值实现得更接近相应的剂量测量目标,第二治疗计划可以被认为是对第一治疗计划的改进。在实践中,第二治疗计划可以使得其剂量分布按照某个距离度量与第一治疗计划的原始剂量分布相差相对小,距离度量基于三维剂量分布或者基于剂量分布导出函数的某个集合。然而,优化过程仍然可以产生被认为是改进的第二治疗计划。
在其他示例中,第一治疗计划可以按照剂量分布来定义,并且一个或多个目标函数的确定可以包括确定第二治疗计划的参数,并且优化过程可以被配置为调整第二治疗计划的确定的参数,并且基于调整后的参数来确定体积的修正剂量分布。该方法还可以包括评估修正的剂量分布,例如通过使用剂量分布导出函数的输出。
参考示例图2、3和4,我们将描述由所述治疗计划装置100执行的示例方法400。
该方法涉及放射疗法治疗计划的生成,在下面的示例中称为第二治疗计划。第二治疗计划可以包括定义应当如何向患者的体积递送放射的参数。
参考图4,步骤401包括接收第一治疗计划,第二治疗计划基于该第一治疗计划。因此,在本文的示例中,第一治疗计划的参数被优化以生成第二治疗计划。
第一治疗计划以及同样的第二治疗计划指示所述体积上的剂量分布。因此,可以从第一治疗计划的参数(和/或第二治疗计划的参数)计算体积上的剂量分布。在一个或多个示例中,第一治疗计划的参数是“完整的”,因为它们唯一地确定了相对应的剂量分布。第一治疗计划可以以多种方式定义。在一个或多个示例中,第一治疗计划具有定义放射疗法递送设备106的操作参数的参数,并且由此计算所述体积上的剂量分布。在一个或多个其他示例中,第一治疗计划具有定义剂量分布的参数。在一个或多个其他示例中,第一治疗计划具有定义从空间的每个方向在时间上积分的辐照强度的参数,包括所谓的注量图,并且由此确定所述体积上的剂量分布。用于从第一治疗计划的参数或第二治疗计划的参数导出所得剂量分布的算法对于本领域技术人员来说是已知的。
可以基于被离散化成体素集的患者的体积的三维图像来确定剂量分布,其中每个体素或体素组被指定表示基于第一治疗计划(以及随后的第二治疗计划,如下文所描述)该体素或体素组将接收的剂量的值。图像通常包括来自计算机断层摄影(CT)扫描仪例如基于x射线或正电子发射断层摄影的扫描仪或磁共振成像(MRI)扫描仪的输出,尽管也可以使用其他医学成像技术。
示例图2示出了剂量体积直方图200。x轴201表示剂量,y轴202表示感兴趣体积的量。线203和204表示肿瘤中的剂量,因此表示患者的体积的第一子体积。线205和206表示危及器官中的剂量,因此表示患者的体积的第二子体积。虚线203表示由第一治疗计划递送的剂量。实线204表示在本方法之后,临床医生希望通过第二治疗计划对肿瘤递送的剂量(即,更均匀的剂量)。虚线205表示由第一治疗计划递送的剂量。实线206表示在本方法之后,临床医生希望通过第二治疗计划向危及器官递送的剂量(即,较低的剂量)。
因此,应当理解,在该示例中,临床医生可能希望改变治疗计划中至肿瘤的剂量的均匀性,如箭头207所示。还应当理解,在该示例中,临床医生可能希望减少治疗计划中对OAR的剂量,如箭头208所示。如下所描述,可以定义一个或多个剂量分布导出函数来实现变化207和208。
步骤402包括接收一个或多个剂量分布导出函数。这种函数在本领域中被称为剂量统计或临床目的。临床医生/用户(或AI)可以规定或输入剂量分布导出函数,以实现对患者的有效治疗计划的方式来控制优化过程。该输入可以包括该体积的一个或多个区域、剂量相关要求或函数本身,如下文所描述。每个剂量分布导出函数包括函数,该函数基于作为输入的剂量分布——按照其被定义的体积的至少一部分——的至少一部分提供数值作为输出。因此,剂量分布导出函数可以将总体素的子体积上的剂量分布或整个体积上的剂量分布作为输入。为了便于参考,该数值将被称为剂量测量值。
由该剂量分布导出函数或每个剂量分布导出函数输出的剂量测量值将部分用于驱动优化。因此,剂量分布导出函数被配置为输出可用于导出评级的剂量测量值。当提供给相关联剂量分布导出函数的剂量分布相对于目标是期望的时,该评级可以取高值或低值。剂量分布导出函数可以由用户(例如临床医生)确定,和/或可以从候选剂量分布导出函数集中选择。
因此,在一个或多个示例中,接收剂量分布导出函数的步骤402包括接收用户输入,例如经由输入设备204,以定义剂量分布导出函数中的一个或多个。用户输入可以包括在该体积的一个或多个图像中选择区域,并且将剂量相关要求与该选定的区域相关联。可以基于该用户输入来确定(多个)剂量分布导出函数。因此,在一个或多个示例中,用户可以定义该体积的子体积并录入剂量相关目标,例如最小剂量、最大剂量或其他目标要求,并且剂量分布导出函数可以至少部分基于所述用户定义。
在一个或多个其他示例中,步骤402包括从候选剂量分布导出函数集中选择一个或多个剂量分布导出函数。在一个或多个示例中,基于所述体积所在的患者身体部位来确定候选剂量分布导出函数。因此,预定的剂量分布导出函数可以与身体的不同部位相关联,然后基于感兴趣的身体部位被选为候选。在一个或多个示例中,该方法可以包括用户识别体积中的身体器官,或者计算机系统201识别体积中的身体器官,例如基于预定的器官识别数据,并且呈现与所述识别的器官预先关联的多个预定的“候选”剂量分布导出函数以供选择。
对于整个体积或其一部分,该剂量分布导出函数或每个剂量分布导出函数可以是确定相对于体积的预定部分或全部的按体积的剂量(例如按照体积的百分比)、相对于预定剂量水平的按剂量的体积或平均剂量中的一个或多个的函数。对于整个体积或其一部分,该剂量分布导出函数或每个剂量分布导出函数可以是确定相对于体积的预定部分或全部的均匀度指数的函数(例如按照体积的百分比),表示目标体积或其子体积中的剂量均匀度。对于整个体积或其一部分,该剂量分布导出函数或每个剂量分布导出函数可以是确定相对于预定等剂量水平的适形度指数的函数。治疗计划的适形度指数可以定义为由参考等剂量水平覆盖的体积与目标体积之间的比率。应当理解,存在用于计算均匀度指数和适形度指数的多种定义和算法,但是为了本公开的目的,使用哪一种并不重要。
对于整个体积或其一部分,该剂量分布导出函数或每个剂量分布导出函数可以是罚函数,例如二次罚函数。二次罚函数的类型包括最小剂量函数、最大剂量函数或剂量体积直方图函数。
对于整个体积或其一部分,剂量分布导出函数可以是相对于某一体素的所谓单体素函数,其输出被递送到所述体素的剂量。在一个或多个示例中,候选剂量分布导出函数集包括体积中体素中每一个的相对应单体素函数。因此,在剂量分布导出函数的上述示例中,在一个或多个示例中,对体积的一部分的参考可以包括单体素。
通常,剂量分布导出函数可以是针对体积的某个感兴趣区域(即,单体素或体素组)将剂量分布作为输入并给出单个数字作为输出的任何函数。该数字,即剂量测量值,包括可以与剂量相关目标进行比较的剂量相关统计。
如下所描述,步骤403包括接收每个剂量分布导出函数的相应剂量测量值的剂量相关目标。因此,由剂量分布导出函数输出的剂量测量值可以被指定为在优化过程中要移向的目标。因此,临床医生可以规定他们希望通过优化过程实现的目标剂量测量。
在一个或多个示例中,可以接收至少两个剂量分布导出函数。该至少两个剂量分布导出函数可以是不同的“类型”,以改进治疗计划的部分的剂量分布或维持治疗计划的部分的剂量分布。因此,在一个或多个示例中,剂量分布导出函数包括至少第一剂量分布导出函数和第二剂量分布导出函数。
第一剂量分布导出函数可以是用于相对于第一治疗计划中选定子体积的剂量分布改进第二治疗计划中所述体积的选定子体积的剂量分布的函数。应当理解,所述改进是通过优化过程实现的,如下文所描述。因此,以这样的方式配置第一剂量分布导出函数及其相关联的目标,使得剂量测量值(根据从第二治疗计划导出的剂量分布评价)相对于所述相关联的目标的一致性指示对于所述体积的选定子体积的剂量分布的期望变化的改进。
第二剂量分布导出函数可以是用于在第二治疗计划中基本维持在第一治疗计划中定义的一个或多个子体积的剂量分布的函数。因此,第二剂量分布导出函数具有在所述优化期间维持子体积的剂量分布的效果。因此,第二剂量分布导出函数和其相关联的目标被配置为使得其剂量测量值(根据第二治疗计划的剂量分布评价)相对于所述相关联的目标的不一致指示所述剂量分布与(多个)选定子体积的第一治疗计划的剂量分布的任何偏差的劣化。
剂量分布导出函数类型的这种组合可以提供对优化的有效控制,这在以前是不可能的。因此,虽然优化的变量可以包括治疗计划的参数,但是剂量分布导出函数可以包括用于评价第二治疗计划的任何标准,在一个或多个示例中,这可以提供比先前可能的更准确的针对性优化,并且因此减少了在达到改进的第二治疗计划的过程中对可能耗时的重复优化的需要。如下文所描述,剂量分布导出函数的使用及其随后并入到优化过程中更有效地将临床医生的期望与所解决的优化问题结合起来。
作为实际的示例,用户(例如临床医生)可能想要通过使根据第二治疗计划的剂量分布评价的剂量分布导出函数的剂量测量值变得小于或大于某个相关联的阈值或目标值来满足某些临床目的。因此,定义了相对应的剂量分布导出函数,用于包括在优化过程中。
用户还可能希望在其他方面尽可能好地保持第二治疗计划相对于第一治疗计划的品质。为了实现这一点,可以生成一个或多个第二剂量分布导出函数,以便总结当前计划的状态。一个或多个第二剂量分布导出函数可以被设计成使得基于第二治疗计划的剂量分布,它们的剂量测量值相对于目标的劣化意味着第二治疗计划的品质相对于第一治疗计划劣化。
在一个或多个示例中,例如,可以通过确定用户选择的一个或多个感兴趣区域的(例如,相等的)间隔的体积位置处的体积处的剂量目的来生成一个或多个第二剂量分布导出函数。在一个或多个示例中,可以例如通过为感兴趣区域的每个体素确定将剂量分布映射到所述体素中的剂量的相对应单体素函数来生成一个或多个第二剂量分布导出函数。指数为i的体素的单体素函数将剂量分布d=(d_1,…,d_n)映射到d_i。
在一个或多个示例中,接收目标的步骤403包括接收在至少一个剂量分布导出函数上的概率分布。在一个或多个示例中,目标或概率分布可以特定于至少一个剂量分布导出函数中的特定一个。然而,在这里描述的示例中,每个剂量分布导出函数的概率分布被表示为剂量分布导出函数集(例如多个剂量分布导出函数)的目标。在这种情况下,该方法可以假设单独的剂量分布导出函数之间的独立性,并导出该集合的概率分布。替代地,该方法可以使用预定的相关性数据从组成剂量分布导出函数中每一个的概率分布中导出该剂量分布导出函数集的概率分布,其中相关性数据可以指示不同的剂量分布导出函数如何相互关联。
根据概率分布,可以确定围绕一些相关联的目标值的剂量分布导出函数的剂量测量值范围的偏好程度或可实现程度。应当理解,偏好程度可以表示临床医生的偏好,因此偏好程度也可以理解为剂量测量值相对于目标的接受程度。
因此,在一个或多个示例中,针对剂量分布导出函数使用概率分布而不是单个目标值可以提供在执行治疗计划时更好地表示临床医生用户的目的和偏好的能力,和/或可以提供更有效和高效的优化,因为与来自剂量分布导出函数的不同剂量测量输出相关联的临床相关性/满意度可以更有效地由概率分布表征。因此,在一个或多个示例中,在所述概率分布的规范中捕获了与第二治疗计划的不同结果相关联的临床(不)满意度的不同细微差别。因此,使用概率分布而不是单个目标值可能是有利的,因为它可以被视为“模糊”的目标值,并且因此可以比使用单个目标值为优化过程提供更多的信息。与在该剂量分布导出函数或每个剂量分布导出函数上使用权重相比,使用概率分布也可能是有利的,因为概率分布为优化过程提供了更多的信息。因此,用于优化过程的更多信息可以导致更高效和有效的优化过程,并因此导致更有效的第二治疗计划。
接收概率分布的步骤可以包括例如经由输入设备204接收定义概率分布的用户输入。因此,在一个或多个示例中,用户输入可以表示由用户绘制的概率分布,并且因此可以指示对所述一个或多个剂量分布导出函数的值的范围的偏好程度。在其他示例中,该方法可以包括基于由用户输入的一个或多个参数来生成概率分布,这些参数指示平均向量、协方差和为剂量测量值的至少一个范围规定的概率分布的任何其他定义特性中的一个或多个。
在一个或多个示例中,接收概率分布的步骤可以包括接收用户从多个预定的候选概率分布中选择的概率分布。候选概率分布可以具有各种形状、宽度、平均向量或协方差以及任何其他定义特性。候选概率分布可以由系统201呈现以由用户选择。显示给用户以供选择的候选概率分布可以经历基于体积的选定区域的过滤步骤,例如特定身体器官的选择,以基于预定的过滤信息留下最适合于选定区域的一个或多个候选概率分布。
在一个或多个示例中,预定候选概率分布可以基于来自其他治疗计划的历史数据,并且因此可以基于历史上已经实现的来指示对于剂量分布导出函数的剂量测量值范围实现期望目标的概率。
在一个或多个示例中,概率分布被表示为几个概率分布的合成。因此,例如,剂量分布导出函数集的剂量测量值的概率分布可以由所述剂量分布导出函数中每一个的相关联概率分布来表示。应当理解,每个组成剂量分布导出函数的剂量测量值的相关联概率分布可以从所有所述剂量分布导出函数的联合概率分布确定。
概率分布可以包括在剂量测量值的预定范围内的连续函数。例如,剂量测量值的预定范围可以包括由用户规定的非零范围,或者可以包括由系统101执行的方法的默认设置。
示例图3示出了表示示例图2所示的第一治疗计划的剂量分布203、205的带注解的剂量体积直方图300,其中为体积的两个不同区域(肿瘤和OAR)定义了两个剂量分布导出函数,由箭头301和302指示。对于每个剂量分布导出函数301、302,还定义了概率分布303和304。
在一个或多个示例中,在相应的剂量分布导出函数301、302上的概率分布303、304有效地指定了在治疗计划(即,第二治疗计划)中实现/可接受/令人满意的剂量测量值(给定输入剂量分布时来自剂量分布导出函数的输出)的相对应可能性。一个概率分布303宽且对称,这可以指示临床医生正在接受目标剂量测量值周围的更宽范围的剂量测量值。另一个概率分布304更窄且偏斜,这可以指示临床医生对目标剂量测量值一侧的剂量测量值的接受程度低于另一侧。
因此,在相应的剂量分布导出函数301、302上的概率分布303、304被设计为反映了第二治疗计划的每个剂量分布导出函数的剂量测量值的公差。这为定义用户/临床医生的偏好或基于历史数据可实现的提供了灵活性。因此,如果应该严格满足相关联的剂量测量剂量分布导出函数,则临床医生可以录入具有有小标准偏差的以期望的剂量测量目标为中心的峰值的概率分布。替代地,如果不太严格地满足与剂量分布导出函数相关联的剂量测量目标,则可以使用具有有较大标准偏差的以期望目标为中心的峰值的概率分布。根据需要,也可以使用对称或不对称的不同形状的概率分布来表达临床医生的偏好。类似地,历史数据可以指示如何精确地满足剂量测量目标,并且概率分布的形状/定义特性可以反映这一点。
例如,治疗目标中的体积处的剂量函数的剂量测量值的公差可能小于危及器官中的体积处的剂量函数的剂量测量值的公差;此外,它们可以用不同的单位来测量,例如cGy(例如用于体积处的剂量)或无量纲(例如均匀度指数)。概率分布303、304的使用可以解释这些差异。
更详细地,一旦定义了剂量分布导出函数集,也可以规定多维真实随机变量的概率分布,其维数等于剂量分布导出函数的数目n。这种概率分布可以从每个剂量分布导出函数的概率分布中导出。n维随机变量X=(X1,X2,…,Xn)的概率分布由其累积分布函数FX唯一地确定,该函数以n实数为输入,以在区间[0,1]中的数目为输出,使得
-分别针对x和y的实现的所有对(x1,x2,…,xn)、(y1,y2,…,yn),FX(x1,x2,…,xn)≤FX(y1,y2,…,yn),使得针对所有i=1,2,…,n,xi≤yi;
因此,在一个或多个示例中,剂量分布导出函数集的概率分布被表示为累积分布函数。然而,概率分布可以以不同的方式加以规定,累积分布函数只是一种方式。
其中xj≠i=(x1,…,xi-1,xi+1,…,xn)。
因此,在一个或多个示例中,概率分布由边际累积分布函数i=1,2,…,n来表示。应当理解,在一个或多个示例中,对于要完全定义的相对应优化问题,规定与组成剂量分布导出函数中每一个相关联的边际累积分布函数就足够了。在一个或多个示例中,可以通过对X的分布特性的附加假设,从所有Xi的边际累积分布函数在X上恢复累积分布函数FX。因此,在一个或多个示例中,假设X遵循多元正态分布,并且每对Xi,Xj之间的相关性是给定的(例如,通过用户输入或作为预定值);由此,累积分布函数FX可以通过本领域技术人员已知的过程来确定。
如上面所提到的,第一剂量分布导出函数可以包括用于相对于第一治疗计划中选定子体积的剂量分布改进第二治疗计划中所述体积的选定子体积的剂量分布的函数。作为实际的示例,可以定义具有相对应目标值的两个第一剂量分布导出函数:“在目标的95%体积处至少5900cGy”和“在目标的5%体积处最多6100cGy”,作为示例。
因此,我们可以假设X=(X1,X2)是多元正态随机变量,具有均值5900、6100和协方差矩阵:
因此,X1,X2的边际累积分布函数是均值分别为5900、6100和标准偏差为50的单变量正态分布函数。在这个示例中,值50(cGy)被用作默认参数值,但是也可以使用其他标准偏差值。因此,累积分布函数FX可以被写成所述单变量正态分布的累积分布函数的乘积。
如上面所提到,一个或多个第二剂量分布导出函数被设计成在第二治疗计划中维持第一治疗计划的品质。
因此,作为示例,可以有第一治疗计划,其中对于体积的一些子体积,体积10%、20%、…、90%处的体积处的剂量值分别为900、800、…、100cGy,该子体积覆盖危及器官。为了尽可能最好地保持处于危及器官剂量的当前状态,我们可以以与上述相同的方式构建多元正态分布,使得边际分布是均值为900、800、…、100和标准偏差为200(默认参数值)的单变量正态分布。在这个示例中,值200(cGy)被用作默认参数值,但是也可以使用其他标准偏差值。
在一个或多个其他示例中,第一治疗计划可以仅根据历史递送的临床计划集的一个或多个剂量分布来定义(这是所谓的冷启动情况的示例)。因此,该方法可以被配置为根据历史剂量分布评价剂量分布导出函数,并生成估计的高斯混合模型(简而言之,几个正态分布的组合),根据该模型计算边际分布。根据高斯混合模型计算边际分布的数学过程对于本领域技术人员来说是已知的。
步骤404包括确定要解决的优化问题。一般而言,步骤404可以包括确定总目标函数,该总目标函数包括来自该剂量分布导出函数或每个剂量分布导出函数及其相对应的目标/概率分布的贡献,以及任何约束(如果存在的话),其中损失函数被应用于每个剂量分布导出函数或从其导出的目标函数。总目标函数可以包括来自目标函数的加权贡献。
步骤404可以包括确定目标函数集,在该目标函数集上执行优化过程,即解决或部分解决优化问题,所述目标函数集的每个目标函数是至少一个变量,该变量包括定义第二治疗计划的参数,其中至少一个变量的修改被配置为影响由剂量分布导出函数输出的剂量测量值中至少一个,并且其中该目标函数集的确定是基于剂量分布导出函数和它们相应的目标(以及可选的概率分布)。
因此,可以按照第一参数集来定义第一治疗计划,并且下面描述的优化过程可以提供对第一参数集的变化的确定,以产生定义第二治疗计划的第二参数集。目标函数可以根据这些参数中的一个或多个来定义。替代地,第一治疗计划可以提供剂量分布,基于该剂量分布确定剂量分布导出函数,并且步骤404可以包括定义目标函数,该目标函数具有定义第二治疗计划的参数。
步骤404可以包括通过将相应的损失函数应用于每个剂量分布导出函数及其相关联的概率分布,将一个或多个剂量分布导出函数转换成目标函数,该目标函数可以定义优化问题。在步骤403包括接收剂量测量目标而不是概率分布的其他示例中,步骤404可以包括通过将相应的损失函数应用于每个剂量分布导出函数和以剂量测量目标为中心的默认分布,例如正态分布,将一个或多个剂量分布导出函数转换成目标函数,目标函数可以定义优化问题。
如何从剂量分布导出函数中导出一个或多个目标函数以及因此总目标函数的示例如下。
步骤402和403提供剂量分布d的n个剂量分布导出函数的集合ψ1,ψ2,…,ψn(例如,一个或多个)以及例如该集合的相关联概率分布。
为了确定总目标函数Ψtot:
用η指代我们用来表示第二治疗计划的计划参数。计划参数可以例如包括设备106的操作参数,并且从中可以导出剂量分布,但是原则上计划参数可以是唯一确定剂量分布的任何参数。应当理解,相对应的剂量分布d=d(η)完全由计划参数决定。将计划参数转化成剂量分布的函数d(η)可以是预先确定的,或者是本领域技术人员已知的。
在步骤404中定义的要在步骤405中解决的优化问题是:
最小化Ψtot(η)
使η满足可由用户提供的任何约束或放射疗法递送设备106的技术约束。
在一个或多个示例中,该方法可以使用加权和形式
应当理解,形成总目标函数的M个目标函数可以等于或小于剂量分布导出函数的数量n。因此,在一个或多个示例中,多个剂量分布导出函数中的两个或更多个可以组合成一个目标函数。
该设置可以包括以下步骤:
1.决定函数的数量M和权重wi。系统101可以接收用户输入来规定这些值,或者可以具有默认值。例如,M可以等于2,并且剂量分布导出函数可以分成两组:单体素函数和非单体素函数。因此,这两组中每一组的函数可以组合成两个目标函数。
2.对于每个i=1,2,…,M:
a.决定索引集Si,它是所有索引{1,2,…,n}的子集。系统101可以接收用户输入来规定Si值,或者可以使用默认值。
b.决定索引集中剂量分布导出函数例如累积分布函数FX或概率密度函数fX的值上的概率分布的参数化,其中X=(X1,X2,…,Xn)是向量值随机变量。这可以由用户输入或预定算法来决定。一种示例方式是将概率密度函数用于单体素类型的剂量分布定义的函数,否则使用累积分布函数。
c.决定损失函数L,将2b中参数化的输出作为输入,并在观察参数化的输出时给出表示损失贡献的数字作为输出。例如,L可以是对数损失L(t)=-log t或交叉熵损失L(t)=-a log t-(1-a)log(1-t),其中a∈{0,1}。同样,损失函数的选择可以通过用户输入来接收,或者可以选择预定的损失函数。在一个或多个示例中,损失函数的选择可以基于剂量分布定义的函数的类型,例如单体素类型或非单体素类型。
作为示例,假设我们想要将剂量分布导出函数分组为较低/较高峰值搜寻(尽可能低/高)和尾部搜寻(尽可能接近众数)。然后,我们将对前一种情况使用累积分布函数和具有0/1的交叉熵损失,对后一种情况使用概率密度函数和对数损失。这里,索引集表示函数的相关索引。
因此,总而言之,在一个或多个示例中,总目标函数是所有目标函数的总和,并且使用剂量分布导出函数的一个或多个和相关联的概率分布或目标以及损失函数来确定每个目标函数。因此,总目标函数Ψtot固有地并入了剂量分布导出函数和可选的概率分布。如本文所描述,就选择剂量测量以指导优化过程的灵活性而言,以这种方式将优化问题公式化是有利的。
作为更具体的示例,该方法可以被配置为基于相应的至少一个剂量分布定义的函数,通过以下步骤确定包括至少一个目标函数的总目标函数:
(i)接收剂量分布导出函数的集合,该集合被分成所有组成单体素函数的索引集S1和不是单体素函数的所有组成函数的索引集S2;
(ii)对于S1和S2中的每个函数,接收表示为边际累积分布函数的相关联概率分布;
(iii)假设S1和S2中所有函数的剂量测量值之间的独立性,并获得两个累积分布函数,一个用于S1中的那些,一个用于S2中的那些(如何从边际分布和独立性假设中导出累积分布是本领域技术人员已知的);
(iv)对于S2,在相对应的累积分布函数上应用交叉熵损失函数,这将定义一个目标函数Ψ2;
(v)对于S1,求微分以从来自相对应的概率密度函数的累积分布函数获得,并应用对数损失函数,这将定义另一个目标Ψ1;
(vi)使用相等的权重w1=w2=1以获得总目标函数为Ψtot=Ψ1+Ψ2。
在一个或多个示例中,本方法是有利的,因为它在定义优化问题时提供了更大的灵活性。在现有技术的方法中,目标函数通常是二次惩罚。然而,可能希望使用一个或多个剂量分布导出函数(通常称为临床目的)来执行优化过程,这些函数在现有技术的方法中不容易或不能被直接优化,因此存在一种折衷,其中在二次惩罚上进行优化来代替剂量分布导出函数。
本方法可以通过直接从剂量分布导出函数及其目标和可选概率分布导出目标函数,而不是使用剂量分布导出函数来评估优化过程的每次重复,来提供增加的灵活性。这里描述的连同损失函数一起使用概率分布或结合正态分布的剂量测量目标将剂量分布导出函数转换成定义优化问题的目标函数的方法可以提供改进的灵活性和有效性。
步骤405包括解决(或部分解决)在步骤404中确定的优化问题。因此,步骤405包括寻找变量(第二治疗计划的参数),变量最小化要满足约束的总目标函数。步骤404中定义的优化问题的求解是常规的。
步骤406可以包括根据从步骤405得到的治疗计划参数确定所述第二治疗计划。
步骤407包括使用第二治疗计划配置或编程放射疗法递送设备106以根据第二治疗计划递送放射治疗的可选步骤。
当试图微调治疗计划时,本公开的示例方法能够按照临床目的捕获特定目标。新颖的总目标函数的使用减少了寻找对应于临床医生偏好的常规罚函数的特定权重的需要,其可能是耗时的过程。此外,由于优化问题的公式化可能不包含非线性约束,因此在一个或多个示例中,人们可能能够显著更快地执行优化。
这里描述的方法在一个或多个示例中可能是有利的,因为它提供了选择任意剂量分布定义的函数来生成总目标函数的能力。例如,可以直接提出评价标准,如临床目的。如上文所描述,这允许通过使用所述第一剂量分布和第二剂量分布定义函数来微调现有治疗计划的自然方式。此外,在一个或多个示例中,概率分布能够捕获比仅使用二次惩罚更复杂的用户偏好的细微差别。相反,通过以概率分布的形式接收用户输入,并通过使用适当的损失函数,总目标函数使得当计划被认为不合理时,其值变得非常大,这更类似于临床医生在手动计划时可能的思考方式。在一个或多个示例中,由于概率分布的使用,该方法还可以更有效地处理不同目的之间的权衡。
应当理解,在一个或多个示例中,该方法包括接收一个或多个约束的步骤,其中第一治疗计划根据第一参数集来定义,并且一个或多个约束定义第二治疗计划的参数在所述优化中可能采用和/或可能不采用的值。例如,第一治疗计划可以按照与放射疗法递送设备106相关的参数来定义,并且约束因此可以涉及放射疗法递送设备的技术限制,例如最大机架旋转速度或最大功率输出的项。在其他示例中,约束可以表示对该体积或其子体积的剂量分布的限制。
示例图5示出了作为计算机程序产品示例的计算机可读介质500。计算机可读介质可以包括非暂时性计算机可读介质。计算机可读介质500包含计算机程序,该计算机程序包括计算机程序代码,当由诸如具有处理器202和存储器203的计算机系统201的装置执行时,该计算机程序代码被配置为执行这里描述的方法。
以上附图中的指令和/或流程步骤可以以任何顺序执行,除非明确说明了特定的顺序。此外,本领域技术人员将认识到,虽然已经讨论了指令/方法的一个示例集合,但是本说明书中的材料也可以以各种方式组合以产生其他示例,并且将在该详细描述提供的上下文中被理解。
在一些示例实施例中,上述方法步骤被实施为功能和软件指令,这些指令被具体化为可执行指令集合,这些可执行指令在用所述可执行指令编程并受所述可执行指令控制的计算机或机器上实现。这些指令被加载以在处理器(例如一个或多个CPU)上执行。术语处理器包括微处理器、微控制器、处理器模块或子系统(包括一个或多个微处理器或微控制器),或其他控制或计算设备。处理器可以指单个组件或多个组件。
在其他示例中,本文所示的方法以及与其相关联的数据和指令被存储在相应的存储设备中,这些存储设备被实施为一个或多个非瞬态机器或计算机可读或计算机可用的存储介质。这种计算机可读或计算机可用的存储介质被认为是物品(或制品)的一部分。物品或制品可以指任何制造的单个组件或多个组件。这里定义的非瞬态机器或计算机可用介质不包括信号,但是这种介质能够接收和处理来自信号和/或其他瞬态介质的信息。
本说明书中讨论的材料的示例实施例可以全部或部分地通过网络、计算机或基于数据的设备和/或服务来实现。这些可能包括云、互联网、内部网、移动设备、台式机、处理器、查找表、微控制器、消费者设备、基础设施或其他支持设备和服务。如本文和权利要求中可能使用的,提供了以下非排他性定义。
在一个示例中,这里讨论的一个或多个指令或步骤是自动化的。术语“自动化的”或“自动地”(及其类似的变形)是指使用计算机和/或机械/电气设备来控制装置、系统和/或过程的操作,而不需要人工干预、观察、努力和/或决策,除非另外指明需要用户输入。
在本说明书中,已经根据细节的选定集合介绍了示例实施例。然而,本领域普通技术人员将会理解,可以实施包括这些细节的不同选定集合的许多其他示例实施例。所附权利要求旨在覆盖所有可能的示例实施例。
Claims (15)
1.一种用于为患者的体积生成放射疗法治疗计划的计算机实施的方法,所述方法包括:
接收第一治疗计划,第二治疗计划基于所述第一治疗计划,所述第一治疗计划指示所述体积上的剂量分布;
接收至少一个剂量分布导出函数,所述剂量分布导出函数或每个剂量分布导出函数被配置为基于作为输入的剂量分布——按照其被定义的所述体积的至少一部分——的至少一部分提供值作为输出;
接收每个剂量分布导出函数的相应值的目标,包括接收所述至少一个剂量分布导出函数中的每一个或所述至少一个剂量分布导出函数的组的概率分布,所述概率分布表示对于输入剂量分布,从所述剂量分布导出函数输出的值的范围的合意性;
确定包括总目标函数的优化问题,所述总目标函数包括一个或多个目标函数的总和,其中所述目标函数或每个目标函数包括所述至少一个剂量分布导出函数、相应概率分布和相应损失函数中的一个或多个的函数;
基于所述优化问题执行优化过程;以及
从所述优化过程中确定所述第二治疗计划。
2.根据权利要求1所述的计算机实施的方法,其中,所述剂量分布导出函数中每一个或所述剂量分布导出函数的组的概率分布表示对于围绕相应目标值的输入剂量分布,从所述剂量分布导出函数输出的值的范围的偏好程度或可实现程度。
3.根据权利要求1或权利要求2所述的计算机实施的方法,其中接收所述概率分布的步骤包括以下步骤中的一个或多个:
接收定义所述概率分布的用户输入;以及
从多个预定的候选概率分布中对概率分布的用户选择。
4.根据前述权利要求中任一项所述的计算机实施的方法,其中所述第一治疗计划包括以下之一:
按照放射疗法递送设备的并且从其导出所述体积上的剂量分布的操作参数定义的治疗计划;
按照所述剂量分布定义的治疗计划;以及
按照从空间的每个方向在时间上积分的并且从其导出所述体积上的剂量分布的辐照强度定义的治疗计划。
5.根据前述权利要求中任一项所述的计算机实施的方法,其中接收剂量分布导出函数的步骤包括以下一个或多个步骤:
接收用户输入以定义所述剂量分布导出函数中一个或多个;以及
从候选剂量分布导出函数集中选择一个或多个剂量分布导出函数,所述候选剂量分布导出函数基于定义所述体积的患者的身体部位来确定。
6.根据前述权利要求中任一项所述的计算机实施的方法,其中,对于整个体积或其一部分,所述剂量分布导出函数包括下列中一个或多个:按体积的剂量、按剂量的体积、平均剂量、包括整个体积或部分体积中的剂量均匀度度量的均匀度、适形度指数和罚函数,所述罚函数包括最小剂量、最大剂量或剂量体积直方图函数。
7.根据前述权利要求中任一项所述的计算机实施的方法,其中所述至少一个剂量分布导出函数包括至少第一剂量分布导出函数和第二剂量分布导出函数,其中:
所述第一剂量分布导出函数包括用于响应于所述优化过程相对于所述第一治疗计划改进所述第二治疗计划中的体积的选定子体积的剂量分布的函数,其中所述第一剂量分布导出函数及其相关联的目标被配置为提供指示所述体积的选定子体积的剂量分布的期望变化的改进的值;以及
所述第二剂量分布导出函数包括用于在所述优化过程之后在所述第二治疗计划中基本上维持在所述第一治疗计划中定义的一个或多个子体积的剂量分布的函数,其中所述第二剂量分布导出函数及其相关联的目标被配置为提供指示所述体积的一个或多个选定子体积的剂量分布的任何偏差的劣化的值。
8.根据前述权利要求中任一项所述的计算机实施的方法,其中所述损失函数选自以下一个或多个:
对数损失函数;以及
交叉熵损失函数。
9.根据权利要求1所述的计算机实施的方法,其中所述目标函数或每个目标函数包括所述剂量分布导出函数、以所述目标为中心的正态分布表示的相应的目标和相应的损失函数中的一个或多个的函数。
10.根据前述权利要求中任一项所述的计算机实施的方法,其中所述方法包括以下步骤:对于每个剂量分布导出函数,将所述概率分布表示为所述优化问题中的累积分布函数或概率密度函数。
11.根据前述权利要求中任一项所述的计算机实施的方法,其中执行所述优化过程的步骤包括:
最小化所述总目标函数,并且其中所述总目标函数包括所述一个或多个目标函数的加权和。
12.一种用于生成放射疗法治疗计划的装置,所述装置包括处理器和存储器以及存储在所述存储器中的计算机程序代码,所述计算机程序代码被配置为当由所述处理器执行时,使所述装置执行权利要求1至11中任一项所述的方法。
13.根据权利要求12所述的装置,其中所述装置包括输入设备,所述输入设备被配置为接收由用户绘制的表示概率分布的输入。
14.一种包括计算机程序代码的计算机程序,所述计算机程序代码被配置为当由处理器执行时,执行权利要求1至11中任一项的方法。
15.根据权利要求14所述的计算机程序,其中,所述计算机程序存储在例如非暂时性计算机可读介质的计算机可读介质上。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20168169.9 | 2020-04-06 | ||
EP20168169.9A EP3892327B1 (en) | 2020-04-06 | 2020-04-06 | Radiation therapy treatment planning |
PCT/EP2021/058505 WO2021204633A1 (en) | 2020-04-06 | 2021-03-31 | Radiation therapy treatment planning |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115103706A true CN115103706A (zh) | 2022-09-23 |
Family
ID=70189834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180013303.5A Pending CN115103706A (zh) | 2020-04-06 | 2021-03-31 | 放射疗法治疗计划 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230117544A1 (zh) |
EP (1) | EP3892327B1 (zh) |
JP (1) | JP2023519563A (zh) |
CN (1) | CN115103706A (zh) |
WO (1) | WO2021204633A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016092441A1 (en) * | 2014-12-11 | 2016-06-16 | Koninklijke Philips N.V. | A method to reduce local hot/cold spots in dmpo-based imrt planning |
EP3228356B1 (en) * | 2016-04-07 | 2018-03-14 | RaySearch Laboratories AB | Method, computer program and system for optimizing a radiotherapy treatment plan |
WO2018077709A1 (en) * | 2016-10-28 | 2018-05-03 | Koninklijke Philips N.V. | Graphical user interface for iterative treatment planning |
-
2020
- 2020-04-06 EP EP20168169.9A patent/EP3892327B1/en active Active
-
2021
- 2021-03-31 US US17/906,201 patent/US20230117544A1/en active Pending
- 2021-03-31 JP JP2022556178A patent/JP2023519563A/ja active Pending
- 2021-03-31 CN CN202180013303.5A patent/CN115103706A/zh active Pending
- 2021-03-31 WO PCT/EP2021/058505 patent/WO2021204633A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP3892327B1 (en) | 2024-05-08 |
US20230117544A1 (en) | 2023-04-20 |
JP2023519563A (ja) | 2023-05-11 |
EP3892327A1 (en) | 2021-10-13 |
WO2021204633A1 (en) | 2021-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2983781B1 (en) | Incremental treatment planning | |
US10346593B2 (en) | Methods and systems for radiotherapy treatment planning | |
US20210093893A1 (en) | Dose-distribution estimation in proton therapy | |
Jia et al. | Beam orientation optimization for intensity modulated radiation therapy using adaptive l2, 1-minimization | |
US10342994B2 (en) | Methods and systems for generating dose estimation models for radiotherapy treatment planning | |
EP2994195A2 (en) | An interactive dose gradient based optimization technique to control imrt delivery complexity | |
WO2014122567A1 (en) | Apparatus for determining a number of beams in imrt | |
CN113795303A (zh) | 用于放射治疗规划的质量感知持续学习的方法和系统 | |
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 | |
US11980776B2 (en) | Radiation-induced toxicity and machine learning | |
CN115103706A (zh) | 放射疗法治疗计划 | |
CN115666718B (zh) | 放射疗法治疗规划 | |
Yan et al. | Intelligence-guided beam angle optimization in treatment planning of intensity-modulated radiation therapy | |
EP4180088A1 (en) | A machine learning based system for generating objective functions for radiation therapy treatment planning | |
Wang et al. | Predicting the dose distribution of multi-lesion lung stereotactic ablative radiotherapy plans using generative adversarial networks |
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 |