CN115317811A - 一种基于动态半影模型的动态调强装置及优化方法 - Google Patents

一种基于动态半影模型的动态调强装置及优化方法 Download PDF

Info

Publication number
CN115317811A
CN115317811A CN202210985163.4A CN202210985163A CN115317811A CN 115317811 A CN115317811 A CN 115317811A CN 202210985163 A CN202210985163 A CN 202210985163A CN 115317811 A CN115317811 A CN 115317811A
Authority
CN
China
Prior art keywords
blade
model
dynamic
penumbra
speed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210985163.4A
Other languages
English (en)
Inventor
不公告发明人
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.)
Zhongke Chaojing Nanjing Technology Co ltd
Original Assignee
Zhongke Chaojing Nanjing Technology Co ltd
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 Zhongke Chaojing Nanjing Technology Co ltd filed Critical Zhongke Chaojing Nanjing Technology Co ltd
Priority to CN202210985163.4A priority Critical patent/CN115317811A/zh
Publication of CN115317811A publication Critical patent/CN115317811A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • 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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N5/103—Treatment planning systems
    • A61N5/1031—Treatment planning systems using a specific method of dose optimization
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • A61N2005/1092—Details

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)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种基于动态半影模型的动态调强装置及优化方法。涉及医学物理领域，具体优化方法的步骤如下：首先采用叶片速度时序函数，在叶片允许的最大速度和最大加速度的前提下，建立不同时刻下的叶片速度的时序模型；其次，在动态调强优化过程中，基于已建立的不同时刻下的叶片速度的时序模型以及动态半影模型，采用直接机器参数优化方法快速优化生成动态调强计划。本发明能够快速优化得到满足临床要求的动态调强计划。

Description

一种基于动态半影模型的动态调强装置及优化方法
技术领域
本发明属于医学物理领域，涉及了一种用于动态调强优化问题模型，具体的，是涉及一种基于动态半影模型的动态调强装置及优化方法。
背景技术
随着放射治疗技术的蓬勃发展，其放射治疗计划的装置和方法也在相继提出并付诸使用，尤其近些年快速发展的动态调强技术。
动态调强即在射线照射时多叶准直器叶片处于运动状态，利用多叶准直器的相对应的每对叶片在射线照射时在计算机控制下对靶区进行扫描以实现对射野强度的调节。动态模式依靠对每个叶片运动的速度和照射的剂量率的调整来实现强度的调试。对于动态调强，由于在治疗时，叶片在运动过程中治疗机一直在出束，所以要想缩短总的治疗实施时间就应该尽量缩短治疗出束的时间；对于目前的动态调强，存在以下缺陷：第一，照射的时间较长，效率较低；第二，没有考虑叶片半影，造成实际的精度有误差。
发明内容
发明目的：本发明的目的是提供了一种基于动态半影模型的动态调强装置及优化方法，建立基于不同时刻下的叶片速度的时序模型，并基于此实施直接机器参数优化模型，实现动态调强计划的快速、精确优化。
技术方案：本发明所述的一种基于动态半影模型的动态调强装置，包括用户输入装置，叶片关于速度的时序模型装置，动态调强优化装置及用户输出装置；
进一步的，所述用户输入装置包括用户输入器官组织、叶片最大运动速度、叶片最大加速度、剂量变化率、机架角及计划优化参数等基本参数信息；
进一步的，所述叶片关于速度的时序模型装置包括使用叶片速度-时间函数在不同时刻上建立叶片速度的时序模型；具体的，在射线源照射过程中，基于光栅叶片的相对运动实现剂量调节，在叶片允许的最大速度和最大加速度的前提下，考虑叶片的非匀速运动，建立不同时刻下的叶片速度的时序模型；
进一步的，所述动态调强优化装置包括通过叶片速度的时序模型得到目标函数对叶片运动时间的偏导数，基于建立的叶片速度的时序模型以及位置的可变半影模型，采用直接机器参数优化生成动态调强计划；
进一步的，所述用户输出装置，包括叶片通过优化装置得到的叶片运动时间以及所对应的运动位置、叶片的运动速度及叶片的加速度等信息；
本发明还提出一种基于动态半影模型的动态调强优化方法，由叶片速度的时序模型建立模块，动态调强优化模块共两个模块组成；
其中，所述叶片速度-时间建立模块由机器参数作为输入参数，采用叶片可变速度时间函数建立叶片速度的时序模型；
所述动态调强优化模块，基于建立的叶片速度的时序模型，采用基于半影模型的直接机器参数优化生成动态调强计划。
进一步的，所述叶片速度-时间建立模块包括：
使用叶片速度-时间函数在不同时刻上建立叶片速度的时序模型：在射线源照射过程中，基于光栅叶片的相对运动实现剂量调节，在叶片允许的最大速度和最大加速度的前提下，考虑叶片的非匀速运动，建立不同时刻下的叶片速度的时序模型，计算公式如下所示：
式(1)表示叶片位置x与叶片加速度a(t)以及速度v(t)之间的关系：
x＝γ(a(t),v(t)) (1)
其中，a(t)表示叶片t时刻点的加速度，v(t)表示叶片t时刻点的速度，γ表示x与叶片加速度a(t)以及速度v(t)之间的映射关系。
式(2)表示叶片t时刻点的加速度约束：
|a(t)|<amax (2)
其中，amax是叶片运动的最大加速度。
式(3)表示的是叶片t时刻点的速度约束：
|v(t)|<vmax (3)
其中，vmax是叶片运动的最大速度。
进一步的，所述动态调强优化模块的执行步骤具体如下：
步骤1：用户输入叶片参数，构建叶片模型，使用蒙特卡罗方法，模拟不同位置下的半影参数：从叶片运动的初始化的位置到最终位置之间进行离散化处理，对于其中的每一个位置进行蒙特卡罗方法模拟，用此方式，可以得到不同位置下的半影参数；
步骤2：根据不同位置的半影参数，建立基于位置的可变半影模型，半影模型即考虑到不同位置的射束的散射，修正位置的偏差；
步骤3：使用可变半影模型的直接机器参数优化方法，优化子野形状；当满足结束条件时，则结束，否则继续使用可变半影模型的直接机器参数装置和方法，优化子野形状；
进一步的，在步骤2中，所述建立基于位置的可变半影模型是：针对不同位置的半影参数，在叶片和放射源的不同相对位置分别进行计算，当放射源被叶片遮挡的程度不同的时候，形成一组不同的强度曲线，通过数据拟合，可以得到可变半影模型；
所述步骤3中，直接机器参数优化方法，使用直接机器参数优化调整叶片位置，利用目标函数对时间的偏导数，采用共轭梯度法计算目标函数极小值，目标函数计算公式如下：
F＝F(x)＝min∑i[∑jMxij*Mj(x)-Di]2 (4)
Figure BDA0003801795820000031
其中，v(t),a(t)分别来自于式(2)与式(3)，F为目标函数值，x为叶片位置，1≤i≤S，1≤j≤N，其中S与N均为正整数，S表示器官点总数，N表示粒子束总数，Mxij是当叶片位置为x时第j个粒子束对第i个器官点的剂量贡献，Di为第i个器官点的处方剂量，Mj(x)是第j个粒子束穿过叶片x后的剂量强度分布，t为叶片运动时间，
Figure BDA0003801795820000032
是关于叶片在位置x处速度、加速度与时间的函数。
对上述公式目标函数F求偏导数，通过叶片速度的时序模型得到目标函数对光栅时间偏导数，偏导数计算公式如下：
Figure BDA0003801795820000033
其中，
Figure BDA0003801795820000034
来自于式(1)，F为目标函数值，t为叶片运动时间，x为叶片位置，D为器官点的剂量贡献矩阵，M是剂量强度分布。
使用直接机器参数优化调整叶片位置，利用目标函数对时间的偏导数，采用共轭梯度法计算目标函数极小值，快速、精确优化动态调强计划。
有益效果：本发明与现有技术相比，本发明通过叶片速度-时间参数，建立叶片速度的时序模型，初创性的考虑了基于位置的可变半影模型，采用直接机器参数约束优化，能够快速交付精确的动态调强计划。
附图说明
图1是本发明的一种基于动态半影模型的动态调强装置的模块图；
图2是本发明的一种基于动态半影模型的动态调强优化方法结构流程图。
具体实施方式
下面结合附图及实施例对本发明作进一步的说明。
本发明所述的一种基于动态半影模型的动态调强装置，包括相互连接的用户输入装置、叶片关于速度的时序模型装置，动态调强优化装置，用户输出装置；
所述的用户输入装置包括用户输入器官组织、叶片最大运动速度、叶片最大加速度、剂量变化率、机架角、计划优化参数等基本参数信息；
所述的叶片速度的时序模型装置，由机器参数作为输入参数，采用叶片可变速度时间函数建立叶片速度的时序模型；
所述的动态调强优化装置，基于建立的叶片速度的时序模型，采用直接机器参数优化生成动态调强计划。
所述的用户输出装置具体包括：叶片通过优化装置得到的叶片运动时间以及所对应的运动位置、叶片的运动速度、叶片的加速度等信息；
进一步的，所述的叶片速度的时序模型装置具体包括：
使用叶片速度-时间函数在不同时刻上建立叶片速度的时序模型：在射线源照射过程中，基于光栅叶片的相对运动实现剂量调节，在叶片允许的最大速度和最大加速度的前提下，考虑叶片的非匀速运动，建立不同时刻下的叶片速度的时序模型，其计算公式如下所示：
式(1)表示叶片位置x与叶片加速度a(t)以及速度v(t)之间的关系：
x＝γ(a(t),v(t)) (1)
其中，a(t)表示叶片t时刻点的加速度，v(t)表示叶片t时刻点的速度，γ表示x与叶片加速度a(t)以及速度v(t)之间的映射关系。
式(2)表示叶片t时刻点的加速度约束：
|a(t)|<amax (2)
其中，amax是叶片运动的最大加速度。
式(3)表示的是叶片t时刻点的速度约束：
|v(t)|<vmax (3)
其中，vmax是叶片运动的最大速度。
进一步的，所述的动态调强优化装置具体包括：通过叶片速度的时序模型得到对叶片运动时间的偏导数，基于建立的叶片速度的时序模型，采用直接机器参数优化生成动态调强计划。
其具体操作步骤如下：
步骤1、用户输入器官组织、叶片最大运动速度、叶片最大加速度、剂量变化率、机架角、计划优化参数等基本参数信息；
步骤2、叶片速度的时序模型，使用叶片速度-时间函数在不同时刻上建立叶片速度的时序模型，在射线源照射过程中，基于光栅叶片的相对运动实现剂量调节，在叶片允许的最大速度和最大加速度的前提下，考虑叶片的非匀速运动，建立不同时刻下的叶片速度的时序模型；
步骤3、使用可变半影模型的直接机器参数优化方法，优化子野形状；当满足结束条件时，则结束，否则继续使用可变半影模型的直接机器参数装置和方法，优化子野形状；
步骤2包括如下具体步骤，通过叶片速度的时序模型得到目标函数对光栅时间偏导数，目标函数计算公式如下：
F＝F(x)＝min∑i[∑jMxij*Mj(x)-Di]2 (4)
Figure BDA0003801795820000051
其中，v(t),a(t)分别来自于式(2)与式(3)，F为目标函数值，x为叶片位置，1≤i≤S，1≤j≤N，其中S与N均为正整数，S表示器官点总数，N表示粒子束总数，Mxij是当叶片位置为x时第j个粒子束对第i个器官点的剂量贡献，Di为第i个器官点的处方剂量，Mj(x)是第j个粒子束穿过叶片x后的剂量强度分布，t为叶片运动时间，
Figure BDA0003801795820000052
是关于叶片在位置x处速度、加速度与时间的函数。
对上述公式目标函数F求偏导数，通过叶片速度的时序模型得到目标函数对光栅时间偏导数，偏导数计算公式如下：
Figure BDA0003801795820000053
其中，
Figure BDA0003801795820000054
来自于式(1)，F为目标函数值，t为叶片运动时间，x为叶片位置，D为器官点的剂量贡献矩阵，M是剂量强度分布。
步骤3包括如下具体步骤：
步骤(3.1)、将控制点子野发布在对应的叶片运动位置；
步骤(3.2)、基于叶片速度的时序模型及机器参数约束优化子野形状，对控制点进行权重优化；
步骤(3.3)、确定其生成可执行的位置；若可以生成，则输出优化后的动态调强计划，从而满足交付的射野，直至结束；
若否，则返回步骤(3.2)，继续对控制点进行权重优化。
进一步的，所述的用户输出装置具体包括：叶片通过优化装置得到的叶片运动时间以及所对应的运动位置、叶片的运动速度、叶片的加速度等信息；
本发明的具体实施例如图2所述，图2是本发明实施例的一种基于动态半影模型的动态调强优化方法结构流程图，基于叶片速度的时序模型提高动态调强优化速度与效果的放射治疗计划包括以下步骤：
步骤1、设置射野、优化参数和器官组织信息。
具体包括：输入影像为前列腺的CT影像，其中前列腺的CT影像包含有危及器官、靶区器官、等信息，同时设置9个治疗射野，网格大小设置为0.5cm，钨门选择非等中心对称；靶区及危及器官的条件约束如下：
Figure BDA0003801795820000055
Figure BDA0003801795820000061
步骤2、笔形束矩阵强度优化。
将设置好参数的输入影像进行器官矩阵强度优化。
步骤3、对强度进行子野分割。
根据强度优化结果进行子野分割，本发明中设置了每个射野下的子野数量，当子野体积小于一定尺寸时，便会舍弃此子野，保留符合要求的子野。
步骤4、生成动态调强的控制点
将符合要求的子野转换成动态调强的离散分布控制点，计算叶片的速度和时间模型，并按照子野的分布。
步骤5、将控制点对应分布在多叶光栅移动位置。
将控制点一一对应的分布到对应的叶片位置。
步骤6、基于已建立的叶片速度的时序模型以及位置的可变半影模型及机器参数优化子野模型。
将动态调强控制点信息输入到动态调强优化中，其中需要考虑直接机器参数优化及叶片的速度时间模型，可变半影模型、机器参数优化等；在本发明中部分参数设置如下，最小叶片速度为3mm/s，最大速度不超过30mm/s，最大加速度为12mm/s^2。当优化目标函数值F降低幅度小于设置的阈值时，动态调强优化结束。
步骤7、输出计划后的动态调强计划。
查看加入基于已建立的叶片速度的时序模型以及位置的可变半影模型的动态调强优化计划。
本发明的一种基于动态半影模型的动态调强装置及优化方法，建立基于不同时刻下的叶片速度的时序模型，并基于此实施直接机器参数优化模型，基于已有动态调强计划快速、精确优化。因此，本发明具有重要的实用价值。

Claims (6)

1.一种基于动态半影模型的动态调强装置，其特征在于，包括用户输入装置，叶片关于速度的时序模型装置，动态调强优化装置及用户输出装置；
所述用户输入装置包括用户输入器官组织、叶片最大运动速度、叶片最大加速度、剂量变化率、机架角及计划优化参数；
所述叶片关于速度的时序模型装置包括使用叶片速度-时间函数建立叶片速度的时序模型；
所述动态调强优化装置包括通过叶片速度的时序模型得到目标函数对叶片运动时间的偏导数；
所述用户输出装置包括叶片通过优化装置得到的叶片运动时间以及所对应的运动位置、叶片的运动速度及叶片的加速度信息。
2.根据权利要求1所述的一种基于动态半影模型的动态调强装置的优化方法，其特征在于，包括模型建立模块及动态调强优化模块。
3.根据权利要求2所述的一种基于动态半影模型的动态调强装置的优化方法，其特征在于，所述模型建立模块，是根据优化的参数信息，使用叶片速度-时间函数在不同时刻上建立叶片速度的时序模型：
具体的，在射线源照射过程中，基于光栅叶片的相对运动实现剂量调节，在叶片允许的最大速度和最大加速度的前提下，考虑叶片的非匀速运动，建立不同时刻下的叶片速度的时序模型，计算公式如下所示：
式(1)表示叶片位置x与叶片加速度a(t)以及速度v(t)之间的关系：
x＝γ(a(t),v(t)) (1)
其中，a(t)表示叶片t时刻点的加速度，v(t)表示叶片t时刻点的速度，γ表示叶片位置x与叶片加速度a(t)、速度v(t)之间的映射关系；
式(2)表示叶片t时刻点的加速度约束：
|a(t)|<amax (2)
其中，amax表示叶片运动的最大加速度；
式(3)表示叶片t时刻点的速度约束：
|v(t)|<vmax (3)
其中，vmax表示叶片运动的最大速度。
4.根据权利要求2所述的一种基于动态半影模型的动态调强装置的优化方法，其特征在于，所述动态调强优化模块的具体执行步骤如下：
步骤(1)：用户输入叶片参数，构建叶片模型，使用蒙特卡罗方法，通过模拟大量的光子穿过构建的叶片模型，模拟不同位置下的半影参数；
步骤(2)：根据不同位置的半影参数，建立基于位置的可变半影模型，半影模型即考虑到不同位置的射束的散射和透射，修正位置的偏差；
步骤(3)：使用可变半影模型的直接机器参数优化方法，优化子野形状；当满足结束条件时，则结束，否则继续使用可变半影模型的直接机器参数装置和方法，优化子野形状。
5.根据权利要求4所述所述的一种基于动态半影模型的动态调强装置的优化方法，其特征在于，
在步骤(2)中，所述建立基于位置的可变半影模型具体是：针对不同位置的半影参数，在叶片和放射源的不同相对位置分别进行计算，当放射源被叶片遮挡的程度不同时，形成一组不同的强度曲线，通过数据拟合，可得到可变半影模型。
6.根据权利要求4所述所述的一种基于动态半影模型的动态调强装置的优化方法，其特征在于，
在步骤(3)中，所述直接机器参数优化方法具体是：使用直接机器参数优化调整叶片位置，利用目标函数对时间的偏导数，采用共轭梯度法计算目标函数极小值，其目标函数计算公式如下：
F＝F(x)＝min∑i[∑jMxij*Mj(x)-Di]2 (4)
Figure FDA0003801795810000021
其中，v(t),a(t)分别来自于式(2)与式(3)，F为目标函数值，x为叶片位置，1≤i≤S，1≤j≤N，其中S与N均为正整数，S表示器官点总数，N表示粒子束总数，Mxij是当叶片位置为x时第j个粒子束对第i个器官点的剂量贡献，Di为第i个器官点的处方剂量，Mj(x)是第j个粒子束穿过叶片x后的剂量强度分布，t为叶片运动时间，
Figure FDA0003801795810000022
是关于叶片在位置x处速度、加速度与时间的函数；
对上述公式目标函数F求偏导数，通过叶片速度的时序模型得到目标函数对光栅时间偏导数，偏导数计算公式如下：
Figure FDA0003801795810000023
其中，
Figure FDA0003801795810000024
来自于式(1)，F为目标函数值，t为叶片运动时间，x为叶片位置，D为器官点的剂量贡献矩阵。
CN202210985163.4A 2022-08-17 2022-08-17 一种基于动态半影模型的动态调强装置及优化方法 Pending CN115317811A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210985163.4A CN115317811A (zh) 2022-08-17 2022-08-17 一种基于动态半影模型的动态调强装置及优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210985163.4A CN115317811A (zh) 2022-08-17 2022-08-17 一种基于动态半影模型的动态调强装置及优化方法

Publications (1)

Publication Number Publication Date
CN115317811A true CN115317811A (zh) 2022-11-11

Family

ID=83923152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210985163.4A Pending CN115317811A (zh) 2022-08-17 2022-08-17 一种基于动态半影模型的动态调强装置及优化方法

Country Status (1)

Country Link
CN (1) CN115317811A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012040349A (ja) * 2011-02-03 2012-03-01 Mitsubishi Electric Corp マルチリーフコリメータ、粒子線治療装置、および治療計画装置
CN105477789A (zh) * 2015-11-24 2016-04-13 南阳师范学院 基于二次规划模型抑制总出束时间的动态调强放疗方法
CN105709341A (zh) * 2016-01-15 2016-06-29 中国科学院合肥物质科学研究院 一种基于梯度法和漫水填充法的调强子野优化方法
CN109499011A (zh) * 2018-12-21 2019-03-22 苏州雷泰医疗科技有限公司 用于正交双层光栅装置的动态调强子野分割方法
CN111246915A (zh) * 2017-10-26 2020-06-05 瓦里安医疗系统国际股份公司 用于使用多层多叶准直系统的方法和设备
CN112203723A (zh) * 2018-06-29 2021-01-08 光线搜索实验室公司 用于放射治疗计划的系统和方法
CN112883516A (zh) * 2021-02-25 2021-06-01 中科超精(南京)科技有限公司 一种基于叶片速度时间曲线的旋转调强优化装置
CN112885425A (zh) * 2021-02-25 2021-06-01 中科超精(南京)科技有限公司 一种放射治疗剂量在线重建和验证系统
CN113181562A (zh) * 2021-02-25 2021-07-30 中科超精(南京)科技有限公司 一种旋转式多层多叶光栅系统及其直接子野优化方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012040349A (ja) * 2011-02-03 2012-03-01 Mitsubishi Electric Corp マルチリーフコリメータ、粒子線治療装置、および治療計画装置
CN105477789A (zh) * 2015-11-24 2016-04-13 南阳师范学院 基于二次规划模型抑制总出束时间的动态调强放疗方法
CN105709341A (zh) * 2016-01-15 2016-06-29 中国科学院合肥物质科学研究院 一种基于梯度法和漫水填充法的调强子野优化方法
CN111246915A (zh) * 2017-10-26 2020-06-05 瓦里安医疗系统国际股份公司 用于使用多层多叶准直系统的方法和设备
CN112203723A (zh) * 2018-06-29 2021-01-08 光线搜索实验室公司 用于放射治疗计划的系统和方法
CN109499011A (zh) * 2018-12-21 2019-03-22 苏州雷泰医疗科技有限公司 用于正交双层光栅装置的动态调强子野分割方法
CN112883516A (zh) * 2021-02-25 2021-06-01 中科超精(南京)科技有限公司 一种基于叶片速度时间曲线的旋转调强优化装置
CN112885425A (zh) * 2021-02-25 2021-06-01 中科超精(南京)科技有限公司 一种放射治疗剂量在线重建和验证系统
CN113181562A (zh) * 2021-02-25 2021-07-30 中科超精(南京)科技有限公司 一种旋转式多层多叶光栅系统及其直接子野优化方法

Similar Documents

Publication Publication Date Title
CN104117151B (zh) 一种在线自适应放疗计划优化方法
US20200009405A1 (en) Image-guided radiation therapy
Bush et al. Monte Carlo simulation of RapidArc radiotherapy delivery
Yu et al. A method for implementing dynamic photon beam intensity modulation using independent jaws and a multileaf collimator
CN106573152B (zh) 用于自适应放射治疗规划的受监管的4d剂量图变形
US11938342B2 (en) Time optimized radiation treatment
US10076673B2 (en) Interactive dose gradient based optimization technique to control IMRT delivery complexity
CN108175953B (zh) 一种基于动态光栅的旋转调强优化方法及放射治疗设备
CN102921115A (zh) 一种建立基于测量数据的医用直线加速器简便照射源模型的方法
CN103127623B (zh) 一种放射治疗中在线验证加速器出束准确性的方法
CN108211136B (zh) 基于动态光栅的旋转调强优化方法及放射治疗设备
JP2019517880A (ja) 陽子治療のためのロバストなブロードビーム最適化
US8680487B2 (en) Charged particle dose simulation device, charged particle beam irradiation device, charged particle dose simulation method, and charged particle beam irradiation method
Michiels et al. Patient-specific bolus for range shifter air gap reduction in intensity-modulated proton therapy of head-and-neck cancer studied with Monte Carlo based plan optimization
EP3524321A1 (en) Methods to optimize coverage for multiple targets simultaneously for radiation treatments
Verhaegen et al. Incorporating dynamic collimator motion in Monte Carlo simulations: an application in modelling a dynamic wedge
US9486644B2 (en) Method and system for dose determination of radiation therapy
CN117580618A (zh) 促进生成用于多叶准直器的叶片序列的方法和装置
CN106061555A (zh) 粒子射线治疗计划装置、及粒子射线照射的仿真方法
CN105477789A (zh) 基于二次规划模型抑制总出束时间的动态调强放疗方法
CN115317811A (zh) 一种基于动态半影模型的动态调强装置及优化方法
CN107998519A (zh) 一种用于imrt的分子动力学再优化算法
CN112883516A (zh) 一种基于叶片速度时间曲线的旋转调强优化装置
JP2018108284A (ja) 情報処理装置、情報処理方法およびコンピュータプログラム
Al-Yahya et al. Monte Carlo based modulated electron beam treatment planning using a few-leaf electron collimator—feasibility study

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