CN115920257A - 一种调强放射治疗射束角度优化系统 - Google Patents

Abstract

本发明属于调强放射治疗领域，公开了一种调强放射治疗射束角度优化系统，对放疗数据进行压缩并采用稀疏读取，然后计算剂量沉积矩阵；通过共轭梯度算法求解射束方向的强度分布矩阵；通过剂量沉积矩阵和强度分布矩阵计算剂量分布矩阵；通过侧抑制函数和邻近效应函数对射束方向约束；通过子野内体素剂量条件对剂量分布矩阵优化，得到每个射束方向的目标剂量；基于目标剂量、抑制值和邻近效应值计算射束方向的重要性；剔除重要性最低的射束方向，直至剩余射束方向数量等于预先设定的角度数量，然后将射束方向还原成射束角度，输出射束角度及其对应的目标剂量。本发明系统，提高了计算速度，有效避免射束角度过于集中和分散，提高了放疗效果。

Description

一种调强放射治疗射束角度优化系统

技术领域

本发明涉及调强放射治疗技术领域，尤其是涉及一种调强放射治疗射束角度优化系统。

背景技术

中国国家癌症中心2022公布的数据表明，我国2016年新发约406.4万恶性肿瘤病例，其中约有241.35万死亡病例，平均每天确诊约11134人。癌症粗发病率和粗死亡率在2000年到2016年持续上升，我国癌症防控任务愈发严峻。

目前主要有三种方式治疗癌症，分别是放射治疗、手术治疗和化学治疗。传统的放射治疗不可避免的会照射到靶区周围的正常器官，对其造成损伤。进而发展出了适形放射治疗，即使用准直器得到射野的形状，从而保护靶区周围的正常器官。但是由于靶区形状不规则，比如某些区域隆起，这时适形放射治疗不能保证靶区内的剂量分布均匀，就有癌细胞不能完全被杀死的可能。针对这个问题发展出了调强放射治疗。调强放射治疗通过调整每个方向上射线强度，使得靶区每一点的剂量分布均匀，进而增强放射治疗的效果，降低癌症复发的可能性。是否选择了合适的角度对放疗质量有很大影响，但射束角度优化很难最优化，因为这是一个非凸问题，具有多个局部极小值。在国内外，射束角度优化的问题已经有很多学者进行了研究，针对计算速度和最终临床放疗效果的研究仍然有较大的提升空间。

发明内容

本发明提出一种调强放射治疗射束角度优化系统，以期能加快射束角度的求解速度，使实际放疗效果达到临床要求。

一种调强放射治疗射束角度优化系统，包括如下模块：

数据预处理模块；将放疗数据进行压缩并采用稀疏读取，得到稀疏矩阵样本；

方向划分模块；初始化射束角度为0～360°，剔除禁忌角度，并按照固定步长划分出若干个射束方向；

第一计算模块；以射束长度为步长，对稀疏矩阵样本进行行累加，得到当前所有射束方向的剂量沉积矩阵；

第二计算模块；通过共轭梯度算法求解射束方向的强度分布矩阵；

第三计算模块；通过剂量沉积矩阵和强度分布矩阵计算剂量分布矩阵；

优化模块；通过侧抑制函数和邻近效应函数对射束方向进行约束；通过子野内体素剂量条件对剂量分布矩阵优化，得到每个射束方向的目标剂量；

剔除模块；基于目标剂量、抑制值和邻近效应值，计算射束方向的重要性；剔除重要性最低的射束方向，直至剩余射束方向数量等于预先设定的角度数量，然后将射束方向还原成射束角度，输出射束角度及其对应的目标剂量。

进一步的，射束长度：BeamLen＝rows*clos；

射束方向划分：

式中，BeamLen表示每个方向的射束长度；rows表示子野的行数；clos表示子野的列数；{θ_j}表示所有禁忌角度的集合；α表示固定步长。

进一步的，第二计算模块的具体执行过程为：输入剂量沉积矩阵P、迭代初值x₀、右端项b、方向系数A、阈值ε，初始化当前迭代次数k＝0、方向向量d₀＝b-Ax₀、梯度r₀＝d₀、总迭代次数n＝size(P,1)；然后进行迭代更新，迭代过程具体如下：

(1)计算迭代步长：

(2)更新迭代初值：x_k+1＝x_k+ρ_kd_k；

(3)计算迭代梯度：r_k+1＝b-Ax_k+1；

如果‖r_k+1‖≤ε或者达到总迭代次数n，则停止迭代，返回近似解x_k+1作为强度分布矩阵X，否则继续迭代；

(4)更新组合系数：

(5)更新共轭方向：d_k+1＝r_k+1+β_kd_k；

(6)更新迭代次数：k＝k+1；

(7)进行下一次迭代；

式中，ρ_k表示第k次迭代的步长；r_k表示第k次迭代的梯度；r_k+1表示第k+1次迭代的梯度；d_k表示第k次迭代的方向向量；x_k表示第k次迭代的初值；x_k+1第k+1次迭代的初值。

进一步的，剂量分布矩阵：D＝P*X；

侧抑制函数：LI＝C₁*(cos^2.5η+cos¹⁸η)*std；

临近效应函数：PE＝C₂*(cos^2.5η+cos¹⁸η)*std；

式中，D表示剂量分布矩阵；P表示剂量沉积矩阵；X表示强度分布矩阵；LI表示侧抑制值；PE表示临近效应值；C₁和C₂表示控制参数；η表示射束间的角度差；std表示移除效应标准差。

进一步的，通过子野内体素剂量条件对剂量分布矩阵优化的具体执行过程为：

(1)计算调强放疗中单个体素的剂量：d_v＝∑_iD_ivy_i；

(2)计算网格强度：y_i＝∑_jω_jp_ij；

(3)建立目标优化函数：ObjectValue＝f_k(x),k＝1,2,3,4；

(4)建立剂量约束：

f₁(x)＝∑_iω_i*MinDose(x_i,V_i,d_min)

f₂(x)＝∑_iω_i*MaxDose(x_i,V_i,d_max)

f₃(x)＝∑_iω_i*PreDose(x_i,V_i,d_pre)

f₄(x)＝∑_iω_i*DVC(x_i,V_i,d_dvc,r)

式中，V_i表示子野；x_i表示网格强度y_i的解；v表示单个体素；d_v表示单个体素的剂量；ω_i表示子野的得分权重；d_r表示子野内剂量最大的体素的剂量；f₁(x)用于约束子野V_i中每个体素的最小剂量都不低于预先定义的剂量d_min；f₂(x)用于约束子野V_i中每个体素的最大剂量都不高于预先定义的剂量d_max；f₃(x)用于约束子野V_i中所有体素的剂量需接近预先定义的剂量d_pre；f₄(x)用于约束子野V_i内剂量最大的体素的剂量不高于预先定义的剂量d_dvc。

进一步的，重要性：

式中，importance表示重要性数值；M_j表示当前剔除的射束方向；ObjectValue表示目标剂量优化值；LI表示侧抑制值；PE表示临近效应值。

进一步的，射束方向还原为射束角度：γ＝M_i*α，M_i∈M；

式中，γ表示射束角度；M_i表示第i个射束方向；α表示固定步长；M表示射束方向的集合。

本发明采用上述调强放射治疗射束角度优化系统，具备如下优势：1)在调强放射治疗射束角度选择的数据处理过程中，压缩了贡献度矩阵，在不改变最终放疗效果的前提下，使得计算数据大大减少；2)采用稀疏读取压缩后的贡献度矩阵，使得射束角度求解速度变快；3)为防止射束方向过于集中提出了侧抑制值，为防止射束方向过于分散提出了邻近效应，从而避免了冷点和热点问题，保证了最终选择的射束角度的合理性，进而保证了放疗效果。

附图说明

图1为本发明系统的计算流程示意图；

图2为本发明系统采用共轭梯度算法求解强度分布矩阵的流程图；

图3为调强放疗中的注量图示例。

具体实施方式

以下结合附图和实施例对本发明的技术方案作进一步说明。

本发明的调强放射治疗射束角度优化系统，通过对贡献度矩阵进行压缩并采用稀疏读取来提高计算速度，引入了侧抑制值和邻近效应，避免了射束方向过于集中和分散，从而保证放疗效果。本系统包括数据预处理模块、第一计算模块、方向划分模块、第二计算模块、第三计算模块、优化模块和剔除模块，其总体流程图如图1所示。

数据预处理模块：导入临床使用的各器官放疗数据，得到数据集Q_ij(贡献度矩阵)。其中，i表示体素数，j表示子光束数。此处的j统计的是未剔除禁忌角度下的射束方向数。对数据集进行压缩，压缩倍率设置为δ，即将Q_ij的行向量以δ为步长进行合并，再进行稀疏读取，最终完成了矩阵压缩，得到稀疏矩阵样本Q′_mn。其中，m＝i/δ，n＝j。

方向划分模块：初始化射束角度为0～360°，剔除禁忌角度，按照固定步长α进行划分，最终得到若干个射束方向。

式中，{θ_j}表示所有禁忌角度的集合；α表示固定步长。

第一计算模块：首先初始化子野的行和列，然后计算出每个方向的射束长度。

BeamLen＝rows*clos

式中，BeamLen表示每个方向的射束长度；rows表示子野的行数；clos表示子野的列数。然后使用BeamLen作为步长在稀疏矩阵样本Q′_mn中进行行累加，得到当前所有方向的剂量沉积矩阵P。剂量沉积矩阵P表示单位强度射束在待照射体模内的剂量分布数据。

第二计算模块：使用共轭梯度算法求解当前射束方向的强度分布矩阵X，其流程如图2所示。首先，输入剂量沉积矩阵P、迭代初值x₀、右端项b、方向系数A、阈值ε，初始化当前迭代次数k＝0、方向向量d₀＝b-Ax₀、梯度r₀＝d₀、总迭代次数n＝size(P,1)；然后进行迭代更新，迭代过程具体如下：

(1)计算步长：

(2)更新迭代点：x_k+1＝x_k+ρ_kd_k；

(3)计算新的梯度：r_k+1＝b-Ax_k+1；

如果‖r_k+1‖≤ε或者达到总迭代次数n，则停止迭代，返回近似解x_k+1作为强度分布矩阵X，否则继续迭代；

(4)更新组合系数：

(5)更新共轭方向：d_k+1＝r_k+1+β_kd_k；

(6)更新迭代次数：k＝k+1；

(7)进行下一次迭代。

第三计算模块：通过剂量沉积矩阵和强度分布矩阵计算剂量分布矩阵。

D＝P*X

优化模块：引入侧抑制函数和邻近效应函数，避免射束方向过于集中和分散。

LI＝C₁*(cos^2.5η+cos¹⁸η)*std

PE＝C₂*(cos^2.5η+cos¹⁸η)*std

式中，C₁和C₂表示控制参数；η表示射束间的角度差；std表示移除效应标准差，std＝1。

通过子野内体素剂量条件对剂量分布矩阵优化，得到每个射束方向的目标剂量。调强放疗的注量图可以包含多个子野，每个子野的形状和权重都是唯一的。如图3所示，该注量图包含3个子野，每个子野的网格可以有被遮挡、未被遮挡两种状态。

计算调强放疗中单个体素的剂量d_v。

d_v＝∑_iD_ivy_i

式中，D_iv表示在第i个网格的子射束照射下体素v的剂量分布系数；y_i表示第i个网格的网格强度。网格强度y_i由射束权重和MLC叶片位置确定。

y_i＝∑_jω_jp_ij

式中，ω_j表示第j个子野的射束权重；第j个子野中的第i个网格被MLC屏蔽则p_ij＝0，第j个子野中的第i个网格没有被MLC屏蔽则p_ij＝1。

目标函数定义如下：

ObjectValue＝f_k(x),k＝1,2,3,4

式中，f₁(x)用于约束放疗子区域V_i中每个体素的最小剂量都不低于预先定义的剂量d_min；f₂(x)用于约束放疗子区域V_i中每个体素的最大剂量都不高于预先定义的剂量d_max；f₃(x)用于约束放疗子区域V_i中所有体素的剂量尽可能接近预先定义的剂量d_pre；f₄(x)用于约束放疗子区域V_i中所有体素里最大的剂量不高于预先定义的剂量d_dvc。

f₁(x)＝∑_iω_i*MinDose(x_i,V_i,d_min)

f₂(x)＝∑_iω_i*MaxDose(x_i,V_i,d_max)

f₃(x)＝∑_iω_i*PreDose(x_i,V_i,d_pre)

f₄(x)＝∑_iω_i*DVC(x_i,V_i,d_dvc,r)

式中，V_i表示放疗子区域(靶区或危及器官)；x_i是网格强度y_i的解；v表示单个体素；d_v表示单个体素剂量；ω_i为放疗子区域(靶区或危及器官)的得分权重；d_r为放疗子区域(靶区或危及器官)中剂量最大的体素的剂量。

剔除模块：首先计算重要性。在当前剩余的射束方向中依次剔除一个射束方向(此处剔除方向是暂时的，只是为了得到重要性，真正进行剔除是在下一环节)，然后重新计算目标函数，并进一步计算剔除了该方向之后剩余所有射束的重要性。

式中，importance表示重要性数值；M_j表示当前剔除的射束方向。

筛选出重要性最小的一组，并剔除该射束方向。如果剩余的射束方向数量等于预先设定的角度数量，则停止计算，使用公式M_i*α(M_i∈M)将方向还原成角度，返回结果；否则计算剔除射束方向后的强度分布矩阵，并重新迭代。

以上是本发明的具体实施方式，但本发明的保护范围不应局限于此。任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内，因此本发明的保护范围应以权利要求书所限定的保护范围为准。

Claims (7)

1.一种调强放射治疗射束角度优化系统，其特征在于，包括：

数据预处理模块；将放疗数据进行压缩并采用稀疏读取，得到稀疏矩阵样本；

方向划分模块；初始化射束角度为0～360°，剔除禁忌角度，并按照固定步长划分出若干个射束方向；

第一计算模块；以射束长度为步长，对稀疏矩阵样本进行行累加，得到当前所有射束方向的剂量沉积矩阵；

第二计算模块；通过共轭梯度算法求解射束方向的强度分布矩阵；

第三计算模块；通过剂量沉积矩阵和强度分布矩阵计算剂量分布矩阵；

优化模块；通过侧抑制函数和邻近效应函数对射束方向进行约束；通过子野内体素剂量条件对剂量分布矩阵优化，得到每个射束方向的目标剂量；

剔除模块；基于目标剂量、抑制值和邻近效应值，计算射束方向的重要性；剔除重要性最低的射束方向，直至剩余射束方向数量等于预先设定的角度数量，然后将射束方向还原成射束角度，输出射束角度及其对应的目标剂量。

2.根据权利要求1所述的调强放射治疗射束角度优化系统，其特征在于，

射束长度：BeamLen＝rows*clos；

射束方向划分：

式中，BeamLen表示每个方向的射束长度；rows表示子野的行数；clos表示子野的列数；{θ_j}表示所有禁忌角度的集合；α表示固定步长。

3.根据权利要求2所述的调强放射治疗射束角度优化系统，其特征在于，第二计算模块的具体执行过程为：输入剂量沉积矩阵P、迭代初值x₀、右端项b、方向系数A、阈值ε，初始化当前迭代次数k＝0、方向向量d₀＝b-Ax₀、梯度r₀＝d₀、总迭代次数n＝size(P,1)；然后进行迭代更新，迭代过程具体如下：

(1)计算迭代步长：

(2)更新迭代初值：x_k+1＝x_k+ρ_kd_k；

(3)计算迭代梯度：r_k+1＝b-Ax_k+1；

如果‖r_k+1‖≤ε或者达到总迭代次数n，则停止迭代，返回近似解x_k+1作为强度分布矩阵X，否则继续迭代；

(4)更新组合系数：

(5)更新共轭方向：d_k+1＝r_k+1+β_kd_k；

(6)更新迭代次数：k＝k+1；

(7)进行下一次迭代；

式中，ρ_k表示第k次迭代的步长；r_k表示第k次迭代的梯度；r_k+1表示第k+1次迭代的梯度；d_k表示第k次迭代的方向向量；x_k表示第k次迭代的初值；x_k+1第k+1次迭代的初值。

4.根据权利要求3所述的调强放射治疗射束角度优化系统，其特征在于，

剂量分布矩阵：D＝P*X；

侧抑制函数：LI＝C₁*(cos^2.5η+cos¹⁸η)*std；

临近效应函数：PE＝C₂*(cos^2.5η+cos¹⁸η)*std；

式中，D表示剂量分布矩阵；P表示剂量沉积矩阵；X表示强度分布矩阵；LI表示侧抑制值；PE表示临近效应值；C₁和C₂表示控制参数；η表示射束间的角度差；std表示移除效应标准差。

5.根据权利要求4所述的调强放射治疗射束角度优化系统，其特征在于，优化模块中，通过子野内体素剂量条件对剂量分布矩阵优化的具体执行过程为：

(1)计算调强放疗中单个体素的剂量：d_v＝∑_iD_ivy_i；

(2)计算网格强度：y_i＝∑_jω_jp_ij；

(3)建立目标优化函数：ObjectValue＝f_k(x),k＝1,2,3,4；

(4)建立剂量约束：

f₁(x)＝∑_iω_i*MinDose(x_i,V_i,d_min)

f₂(x)＝∑_iω_i*MaxDose(x_i,V_i,d_max)

f₃(x)＝∑_iω_i*PreDose(x_i,V_i,d_pre)

f₄(x)＝∑_iω_i*DVC(x_i,V_i,d_dvc,r)

式中，V_i表示子野；x_i表示网格强度y_i的解；v表示单个体素；d_v表示单个体素的剂量；ω_i表示子野的得分权重；d_r表示子野内剂量最大的体素的剂量；f₁(x)用于约束子野V_i中每个体素的最小剂量都不低于预先定义的剂量d_min；f₂(x)用于约束子野V_i中每个体素的最大剂量都不高于预先定义的剂量d_max；f₃(x)用于约束子野V_i中所有体素的剂量需接近预先定义的剂量d_pre；f₄(x)用于约束子野V_i内剂量最大的体素的剂量不高于预先定义的剂量d_dvc。

6.根据权利要求5所述的调强放射治疗射束角度优化系统，其特征在于，

重要性：

式中，importance表示重要性数值；M_j表示当前剔除的射束方向；ObjectValue表示目标剂量优化值；LI表示侧抑制值；PE表示临近效应值。

7.根据权利要求6所述的调强放射治疗射束角度优化系统，其特征在于，

射束方向还原为射束角度：γ＝M_i*α，M_i∈M；

式中，γ表示射束角度；M_i表示第i个射束方向；α表示固定步长；M表示射束方向的集合。

Images