CN116153465A - 基于参考dvh的放疗计划生成装置、电子设备及存储介质 - Google Patents
基于参考dvh的放疗计划生成装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116153465A CN116153465A CN202310449160.3A CN202310449160A CN116153465A CN 116153465 A CN116153465 A CN 116153465A CN 202310449160 A CN202310449160 A CN 202310449160A CN 116153465 A CN116153465 A CN 116153465A
- Authority
- CN
- China
- Prior art keywords
- function
- target
- dose
- sub
- radiotherapy
- 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.)
- Granted
Links
- 238000001959 radiotherapy Methods 0.000 title claims abstract description 129
- 231100000628 reference dose Toxicity 0.000 claims abstract description 48
- 230000004907 flux Effects 0.000 claims abstract description 34
- 230000006870 function Effects 0.000 claims description 117
- 210000000056 organ Anatomy 0.000 claims description 48
- 230000005855 radiation Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 23
- 230000001419 dependent effect Effects 0.000 abstract 1
- 238000005457 optimization Methods 0.000 description 25
- 238000013461 design Methods 0.000 description 11
- 210000000920 organ at risk Anatomy 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008021 deposition Effects 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
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本申请公开了一种基于参考DVH的放疗计划生成装置、电子设备及存储介质。其中,基于参考DVH的放疗计划生成装置包括:获取模块,用于获取目标对象对应的参考剂量分布数据,其中,参考剂量分布数据以剂量体积分布曲线的形式表示;函数求解模块,用于根据参考剂量分布数据对目标函数进行求解,得到目标通量,其中,目标函数为用于设计放疗计划的函数,目标通量为使得目标函数成立的最小解;计划生成模块,用于根据目标通量生成目标放疗计划,其中,目标放疗计划用于对目标对象执行放射治疗。本申请解决了现有技术中过于依赖放疗物理师的人工经验针对单点剂量设置放疗计划的优化约束函数导致的放疗计划生成效率低的技术问题。
Description
技术领域
本申请涉及医疗科技领域,具体而言,涉及一种基于参考DVH的放疗计划生成装置、电子设备及存储介质。
背景技术
在现有的计划设计系统中,优化约束函数均为单点剂量的限制,即要求DVH(Doseand Volume,剂量体积直方图)曲线上的某个点满足对应的条件,并且在现有技术中,DVH曲线上的单点剂量设置优化约束函数的工作通常是由放疗物理师基于自身的计划经验来人工完成的,这种计划设计方式不仅会消耗放疗物理师大量的时间,而且由于是基于单点剂量设置约束函数,还会导致无法从整体的剂量分布上对放疗计划进行设计以及优化。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请提供了一种基于参考DVH的放疗计划生成装置、电子设备及存储介质,以至少解决现有技术中过于依赖放疗物理师的人工经验针对单点剂量设置放疗计划的优化约束函数导致的放疗计划生成效率低的技术问题。
根据本申请的一个方面,提供了一种基于参考DVH的放疗计划生成装置,包括:获取模块,用于获取目标对象对应的参考剂量分布数据,其中,参考剂量分布数据以剂量体积分布曲线的形式表示;函数求解模块,用于根据参考剂量分布数据对目标函数进行求解,得到目标通量,其中,目标函数为用于设计放疗计划的函数,目标通量为使得目标函数成立的最小解;计划生成模块,用于根据目标通量生成目标放疗计划,其中,目标放疗计划用于对目标对象执行放射治疗。
进一步地,函数求解模块包括:确定单元,用于基于参考剂量分布数据确定目标器官中第j个体素点对应的插值剂量数据,其中,目标器官至少包括目标对象对应的放疗靶区和危及器官,目标器官中包含有N个体素点,第j个体素点为N个体素点中的任意一个体素点,N和j均为正整数;函数求解单元,用于根据插值剂量数据对目标函数进行求解,得到目标通量。
进一步地,确定单元包括:第一获取子单元,用于获取参考剂量分布数据所对应的剂量体积分布曲线中的目标点的数量,其中,目标点用于表征目标器官在每个预设的百分比体积下所对应的剂量数据;第二获取子单元,用于获取目标器官中所包含的体素点的数量;第一确定子单元,用于根据体素点的数量和目标点的数量确定插值剂量数据。
进一步地,第一确定子单元包括:第一获取子模块,用于获取第j个体素点在N个体素点中对应的初始索引,其中,初始索引表征第j个体素点在N个体素点中对应的顺序序号;排序子模块,用于根据N个体素点中每个体素点对应的剂量数据对N个体素点进行排序,得到排序结果;第一确定子模块,用于根据排序结果确定第j个体素点对应的目标索引,其中,目标索引表征第j个体素点在排序结果中对应的顺序序号;第二确定子模块,用于根据初始索引、目标索引、体素点的数量以及目标点的数量确定插值剂量数据。
进一步地,第二确定子模块包括:第二获取子模块,用于获取第j个体素点对应的剂量数据在剂量体积分布曲线上所对应的位置数据;第三确定子模块,用于根据位置数据、初始索引、目标索引、体素点的数量以及目标点的数量确定插值剂量数据。
进一步地,函数求解单元包括:第三获取子单元,用于获取第j个体素点对应的中间剂量数据,其中,中间剂量数据为依据剂量乘积矩阵和目标函数对应的一个通量计算得到的第j个体素点对应的剂量数据,剂量乘积矩阵为依据目标对象对应的历史射野信息所生成的矩阵;计算子单元,用于计算中间剂量数据与插值剂量数据的差值,得到第一差值;函数求解子单元,用于依据第一差值对目标函数进行求解,得到目标通量。
进一步地,函数求解子单元包括:第四确定子模块,用于根据第一差值确定目标函数对应的第一函数,其中,第一函数为目标函数中与目标器官中的危及器官相对应的函数;计算子模块,用于计算插值剂量数据与中间剂量数据的差值,得到第二差值;第五确定子模块,用于根据第一差值和第二差值确定目标函数对应的第二函数,其中,第二函数为目标函数中与目标器官中的放疗靶区相对应的函数;函数求解子模块,用于依据第一函数和第二函数对目标函数进行求解,得到目标通量。
进一步地,第一函数至少包括第一子函数和第二子函数,第一子函数依据第一差值确定,第二子函数表征第一差值的二次平方运算;第二函数至少包括第二子函数和第三子函数,第三子函数依据第二差值确定。
进一步地,放疗计划生成装置还包括:第一确定模块,用于在第一差值为正数时,确定第一子函数为1;第二确定模块,用于在第一差值为非正数时,确定第一子函数为0;第三确定模块,用于在第二差值为正数时,确定第三子函数为1;第四确定模块,用于在第二差值为非正数时,确定第三子函数为0。
进一步地,获取模块包括:第四获取单元,用于获取目标对象对应的历史放疗计划,其中,历史放疗计划为目标对象在历史时刻进行放射治疗时所使用的放疗计划;第二确定单元,用于将历史放疗计划中记录的剂量分布数据确定为参考剂量分布数据。
根据本申请的另一方面,还提供了一种计算机可读存储介质,其中,计算机可读存储介质中存储有计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备控制上述的基于参考DVH的放疗计划生成装置。
根据本申请的另一方面,还提供了一种电子设备,其中,电子设备包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器控制上述的基于参考DVH的放疗计划生成装置。
由上述内容可知,本申请通过获取目标对象对应的参考剂量分布数据,并基于参考剂量分布数据对目标函数进行求解,得到目标通量用于生成目标对象对应的放疗计划,一方面由于不再需要依赖放疗物理师的人工经验设置优化约束函数,因此可以节约放疗物理师的时间成本,提高放疗计划的生成效率。另一方面由于本申请是基于剂量体积直方图形式的参考剂量分布数据生成放疗计划,而剂量体积直方图为目标对象的目标器官在整体约束下的剂量分布信息,因此本申请不再是依据单点剂量上的约束条件生成放疗计划,而是依据整体的剂量分布信息设置约束条件,从而确保了生成的目标放疗计划在目标器官的每个区域上都能够有较高精度的剂量分布。
由此可见,本申请不仅达到了自动化生成放疗计划的目的,还实现了依据整体的剂量分布信息设置约束条件并生成放疗计划,以确保在目标器官的每个区域上都能够有较高精度的剂量分布的技术效果,进而解决了现有技术中过于依赖放疗物理师的人工经验针对单点剂量设置放疗计划的优化约束函数导致的放疗计划生成效率低的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种可选的基于参考DVH的放疗计划生成装置的示意图;
图2是根据本申请实施例的一种可选的确定第j个体素点对应的插值剂量数据的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
还需要说明的是,本申请所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据以及电子病历数据等),均为经用户授权或者经过各方充分授权的信息和数据。例如,本系统和相关用户或机构间设置有接口,在获取相关信息之前,需要通过接口向前述的用户或机构发送获取请求,并在接收到前述的用户或机构反馈的同意信息后,获取相关信息。
下面结合各实施例来进一步说明本申请。
实施例1
根据本申请实施例,提供了一种基于参考DVH的放疗计划生成装置。其中,图1是根据本申请实施例的一种可选的基于参考DVH的放疗计划生成装置的示意图。如图1所示,基于参考DVH的放疗计划生成装置(以下简称为放疗计划生成装置)包括如下模块:获取模块101、函数求解模块102以及计划生成模块103。
具体地,获取模块101,用于获取目标对象对应的参考剂量分布数据,其中,参考剂量分布数据以剂量体积分布曲线的形式表示。
在一种可选的实施例中,目标对象为准备执行放射治疗的对象。另外,目标对象对应的参考剂量分布数据可以通过多种方式获取得到,例如,可以通过获取目标对象对应的放疗靶区的轮廓图像、危及器官的轮廓图像以及目标对象的CT图像,然后利用预先训练完成的神经网络模型对放疗靶区的轮廓图像、危及器官的轮廓图像以及目标对象的CT图像进行处理,由神经网络模型输出目标对象对应的参考剂量分布数据。另外,在目标对象已经在之前执行过放射治疗的情况下,还可以直接从目标对象对应的历史放疗计划中提取历史剂量分布数据作为目标对象的参考剂量分布数据,例如,目标对象可能需要执行3次放射治疗,因此可以将第2次放射治疗中使用的剂量分布数据作为制定第3次放射治疗的放疗计划时所需的参考剂量分布数据。
进一步地,在本领域中,还可以通过其他本领域技术人员可以预见的技术手段得到目标对象的参考剂量分布数据,例如,通过模拟算法计算得到参考剂量分布数据等等,本申请对参考剂量分布数据的具体获取方式不做特别限定。
需要说明的是,在本申请中,参考剂量分布数据以剂量体积分布曲线的形式表示,因此,参考剂量分布数据也可以称为DVH曲线。本领域技术人员能够理解的是,DVH曲线描述了整体(包括放疗靶区和各个危及器官)的剂量分布信息,在此基础上,本申请中的放疗计划生成装置将基于DVH曲线依据整体的剂量分布信息设置用于生成放疗计划的约束条件,从而确保生成的放疗计划在目标对象的目标器官(目标对象的放疗靶区和每个危及器官)的每个区域上都能够有较高精度的剂量分布。
可选地,放疗计划生成装置还包括函数求解模块102,函数求解模块102用于根据参考剂量分布数据对目标函数进行求解,得到目标通量,其中,目标函数为用于设计放疗计划的函数,目标通量为使得目标函数成立的最小解。
需要说明的是,在本申请中,目标函数如公式(1)所示:
其中,表示目标通量,即使得目标函数成立的最小解,D为PTV(目标对象的放疗靶区)、OAR(目标对象的危及器官)的优化剂量,具体地,/>表示目标对象的放疗靶区的优化剂量,/>表示目标对象的危及器官的优化剂量,需要注意到的是,/>和/>一般可由剂量沉积矩阵和通量x计算得出。
需要说明的是,目标器官的参考剂量分布数据可分为两部分,一部分为目标对象的危及器官对应的DVH曲线(即公式(1)中的),另一部分为目标对象的放疗靶区对应的DVH曲线(即公式(1)中的/>)。此外,公式(1)中的/>可以理解为是基于依据目标对象的放疗靶区对应的DVH曲线所设计的函数,/>可以理解为是基于目标对象的危及器官对应的DVH曲线所设计的函数,后续会对该两个函数进行详细说明。
还需要说明的是,在公式(2)中,p表示分位数,为参考剂量数据,volume为参考剂量数据对应的体积百分比,通常来说可以将目标器官内体积百分比分为0~100,并计算出每一个体积对应的剂量,即DVH曲线(也称为剂量体积分布曲线)。
可选地,放疗计划生成装置还包括计划生成模块103,计划生成模块103用于根据目标通量生成目标放疗计划,其中,目标放疗计划用于对目标对象执行放射治疗。
具体地,在得到目标通量之后,计划生成模块便可以将目标通量作为约束条件生成针对目标对象的目标放疗计划。
需要说明的是,在放射治疗中,放疗物理师通过计划设计系统提供的优化约束函数来设计放疗计划,其中,常用的优化约束函数包含最大剂量/最小剂量/体积剂量/等效均匀剂量/平均剂量/体积剂量等等,以优化约束函数为体积剂量为例,放疗物理师可以设置约束条件要求放疗靶区的95%体积达到4500cGy,设置完该约束条件之后,计划设计系统可以采用基于梯度的优化方法来进行通量优化,从而得到符合该约束条件的放疗计划。需要注意到的是,在放疗计划的生成过程中,放疗物理师需要根据优化的结果来不断调试约束条件以达到满意的结果。
但是,在现有的计划设计系统中,优化约束函数均为单点剂量的限制,即要求DVH曲线上的某个点满足对应的条件(例如上述的要求放疗靶区的95%体积达到4500cGy),这样在计划设计的过程中,某些器官需要人工设计采用哪些点来作为约束,才能更好的运用优化引擎获得满意的结果,而如何选取这些优化约束的点便需要取决于物理师的计划经验和一些临床试验报告总结的经验,这种方式的弊端则是最后设计的放疗计划在不同的放疗物理师和不同的医院之间存在较大的差异,不同的放疗物理师之间、医院之间的计划质量也存在较大的差异,并且人工生成放疗计划会占用放疗物理师大量的时间,导致放疗计划的生成效率较低。
虽然目前存在一些自动进行计划设计的方法,例如基于规则的优化方法、基于历史数据训练的方法。但是,这些方法也均存在一些弊端,例如,基于规则的方法通常是事先定义一组生成优化约束的方法,然后让计划优化引擎按照该规则顺序进行,直至获得满意的结果,这种方法较为繁琐,需要为每一种癌种专门定义对应的规则,而且适应性较差,并且制定规则的方式也取决于制定者计划设计的经验,因此无论是从实用性上还是计划生成的时效性上都较差。
另外,基于历史数据训练的方法是先选取一批分布差异较小的病例,来训练剂量预测的模型或者预测优化参数的模型,最后直接利用剂量预测或预测出的优化参数输入给计划优化系统,得到优化结果。但是,基于剂量预测的方法在应用的过程中,剂量预测的结果转换到优化约束的方式通常是点到点的约束,而对于实际的计划设计应用场景而言,核心的诉求并不是要求某个体素点上的差异,放疗物理师核心关注的是一些剂量的统计指标,并且由于计划设计中的参数空间巨大,至少包含剂量/体积/权重等参数,因此如果要训练一个效果较好的预测模型,则前提是需要大量的人工计划数据,而且不同的参数可能获得相同的优化结果,这导致基于历史数据训练的方法存在实用性较低以及预测精度难以保证的问题。
由上述内容可知,现有技术中由于是基于单点剂量设置约束函数,因此难以实现从整体剂量分布数据上对放疗计划进行设计以及优化,而基于剂量预测的方式为点到点的约束,并不是放疗物理师直接关注的临床指标,而且剂量预测无法在每个器官区域上都保证很高的精度,同时,基于剂量预测的方式还需要大量的训练数据,不仅预测精度难以保证,而且实用性还很低。
为了解决上述问题,本申请通过获取目标对象对应的参考剂量分布数据,并基于参考剂量分布数据对目标函数进行求解,得到目标通量用于生成目标对象对应的放疗计划,一方面由于不再需要依赖放疗物理师的人工经验设置优化约束函数,因此可以节约放疗物理师的时间成本,提高放疗计划的生成效率。另一方面由于本申请是基于剂量体积直方图形式的参考剂量分布数据生成放疗计划,而剂量体积直方图为目标对象的目标器官在整体约束下的剂量分布信息,因此本申请不再是依据单点剂量上的约束条件生成放疗计划,而是依据整体的剂量分布信息设置约束条件,从而确保了生成的目标放疗计划在目标器官的每个区域上都能够有较高精度的剂量分布。
换言之,本申请提供了一种直接基于参考的剂量体积分布曲线进行自动设计放疗计划的方式,不仅能够减少剂量预测模型误差对于最终计划优化的影响,减少计划设计过程中的参数设置和调整,而且还能通过自动设计计划节省放疗物理师的时间成本,以及产出质量统一的放疗计划。
在一种可选的实施例中,函数求解模块包括确定单元和函数求解单元。其中,确定单元,用于基于参考剂量分布数据确定目标器官中第j个体素点对应的插值剂量数据,其中,目标器官至少包括目标对象对应的放疗靶区和危及器官,目标器官中包含有N个体素点,第j个体素点为N个体素点中的任意一个体素点,N和j均为正整数;函数求解单元,用于根据插值剂量数据对目标函数进行求解,得到目标通量。
可选地,图2示出了根据本申请实施例的一种可选的确定第j个体素点对应的插值剂量数据的流程图,如图2所示,包括如下步骤:
步骤S201,获取参考剂量分布数据所对应的剂量体积分布曲线中的目标点的数量,其中,目标点用于表征目标器官在每个预设的百分比体积下所对应的剂量数据;
步骤S202,获取目标器官中所包含的体素点的数量;
步骤S203,根据体素点的数量和目标点的数量确定插值剂量数据。
可选地,确定单元中包括第一获取子单元、第二获取子单元以及第一确定子单元。其中,第一获取子单元用于执行上述步骤S201,第二获取子单元用于执行上述步骤S202,第一确定子单元用于执行上述步骤S203。
可选地,第一确定子单元包括第一获取子模块、排序子模块、第一确定子模块以及第二确定子模块。
其中,第一获取子模块,用于获取第j个体素点在N个体素点中对应的初始索引,其中,初始索引表征第j个体素点在N个体素点中对应的顺序序号;排序子模块,用于根据N个体素点中每个体素点对应的剂量数据对N个体素点进行排序,得到排序结果;第一确定子模块,用于根据排序结果确定第j个体素点对应的目标索引,其中,目标索引表征第j个体素点在排序结果中对应的顺序序号;第二确定子模块,用于根据初始索引、目标索引、体素点的数量以及目标点的数量确定插值剂量数据。
进一步地,第二确定子模块还包括有第二获取子模块和第三确定子模块。其中,第二获取子模块,用于获取第j个体素点对应的剂量数据在剂量体积分布曲线上所对应的位置数据;第三确定子模块,用于根据位置数据、初始索引、目标索引、体素点的数量以及目标点的数量确定插值剂量数据。
需要注意到的是,在计算时,由于DVH曲线上所有点均已按照剂量大小排序,但DVH曲线上的点的数目无法与目标器官内体素点的个数相对应,因此需要先将目标器官内所有的体素点按照剂量大小从小到大进行排序,在此基础上,对于目标器官内的体素点j,设其重新排序后在所有体素点中的索引为k。因此,在本申请中,第j个体素点在N个体素点中对应的初始索引即为j,通过k来表示第j个体素点对应的目标索引。其中,k为将目标器官中所有体素点的剂量从小到大排序后第j个体素点在目标器官中所有体素点中所对应的索引(即目标索引)。
进一步地,为了计算得到第j个体素点对应的插值剂量数据,还需要获取第j个体素点对应的剂量数据在DVH曲线上所对应的位置数据,本申请中通过i表示该位置数据。需要注意到的是,,其中,/>表征第j个体素点对应的中间剂量数据(也称为第j个体素点对应的优化剂量数据),中间剂量数据可以依据剂量乘积矩阵和目标函数对应的一个通量计算得到,剂量乘积矩阵为依据目标对象对应的历史射野信息所生成的矩阵。/>为DVH曲线上i位置上的点所对应的剂量数据,/>为DVH曲线上与i位置上的点相邻的点所对应的剂量数据。
在一种可选的实施例中,函数求解单元包括:第三获取子单元、计算子单元以及函数求解子单元。
其中,第三获取子单元,用于获取第j个体素点对应的中间剂量数据,其中,中间剂量数据为依据剂量乘积矩阵和目标函数对应的一个通量计算得到的第j个体素点对应的剂量数据,剂量乘积矩阵为依据目标对象对应的历史射野信息所生成的矩阵;计算子单元,用于计算中间剂量数据与插值剂量数据的差值,得到第一差值;函数求解子单元,用于依据第一差值对目标函数进行求解,得到目标通量。
可选地,函数求解子单元包括:第四确定子模块、计算子模块、第五确定子模块以及函数求解子模块。
具体地,第四确定子模块,用于根据第一差值确定目标函数对应的第一函数,其中,第一函数为目标函数中与目标器官中的危及器官相对应的函数;计算子模块,用于计算插值剂量数据与中间剂量数据的差值,得到第二差值;第五确定子模块,用于根据第一差值和第二差值确定目标函数对应的第二函数,其中,第二函数为目标函数中与目标器官中的放疗靶区相对应的函数;函数求解子模块,用于依据第一函数和第二函数对目标函数进行求解,得到目标通量。
进一步地,第一函数至少包括第一子函数和第二子函数,第一子函数依据第一差值确定,第二子函数表征第一差值的二次平方运算;第二函数至少包括第二子函数和第三子函数,第三子函数依据第二差值确定。
可选地,第一函数如公式(4)所示:
可选地,第二函数如公式(5)所示:
容易注意到的是,基于公式(4)和公式(5),可代入公式(1)中进行运算,从而得到目标通量。
在一种可选的实施例中,放疗计划生成装置还包括:第一确定模块、第二确定模块、第三确定模块以及第四确定模块。
具体地,第一确定模块,用于在第一差值为正数时,确定第一子函数为1;第二确定模块,用于在第一差值为非正数时,确定第一子函数为0;第三确定模块,用于在第二差值为正数时,确定第三子函数为1;第四确定模块,用于在第二差值为非正数时,确定第三子函数为0。
在一种可选的实施例中,获取模块包括:第四获取单元和第二确定单元。其中,第四获取单元,用于获取目标对象对应的历史放疗计划,其中,历史放疗计划为目标对象在历史时刻进行放射治疗时所使用的放疗计划;第二确定单元,用于将历史放疗计划中记录的剂量分布数据确定为参考剂量分布数据。
可选地,在目标对象已经在之前执行过放射治疗的情况下,可以直接从目标对象对应的历史放疗计划中提取历史剂量分布数据作为目标对象的参考剂量分布数据,例如,目标对象可能需要执行3次放射治疗,因此可以将第2次放射治疗中使用的剂量分布数据作为制定第3次放射治疗的放疗计划时所需的参考剂量分布数据。这种获取参考剂量分布数据的方式不仅具有获取效率高的优点,还可以确保参考剂量分布数据足够贴近于目标对象的患病状况。
由上述内容可知,本申请通过获取目标对象对应的参考剂量分布数据,并基于参考剂量分布数据对目标函数进行求解,得到目标通量用于生成目标对象对应的放疗计划,一方面由于不再需要依赖放疗物理师的人工经验设置优化约束函数,因此可以节约放疗物理师的时间成本,提高放疗计划的生成效率。另一方面由于本申请是基于剂量体积直方图形式的参考剂量分布数据生成放疗计划,而剂量体积直方图为目标对象的目标器官在整体约束下的剂量分布信息,因此本申请不再是依据单点剂量上的约束条件生成放疗计划,而是依据整体的剂量分布信息设置约束条件,从而确保了生成的目标放疗计划在目标器官的每个区域上都能够有较高精度的剂量分布。
由此可见,本申请不仅达到了自动化生成放疗计划的目的,还实现了依据整体的剂量分布信息设置约束条件并生成放疗计划,以确保在目标器官的每个区域上都能够有较高精度的剂量分布的技术效果,进而解决了现有技术中过于依赖放疗物理师的人工经验针对单点剂量设置放疗计划的优化约束函数导致的放疗计划生成效率低的技术问题。
实施例2
根据本申请实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备控制上述实施例1中的基于参考DVH的放疗计划生成装置。
实施例3
根据本申请实施例的另一方面,还提供了一种电子设备,包括一个或多个处理器和存储器,存储器用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器控制上述实施例1中的基于参考DVH的放疗计划生成装置。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (12)
1.一种基于参考DVH的放疗计划生成装置,其特征在于,包括:
获取模块,用于获取目标对象对应的参考剂量分布数据,其中,所述参考剂量分布数据以剂量体积分布曲线的形式表示;
函数求解模块,用于根据所述参考剂量分布数据对目标函数进行求解,得到目标通量,其中,所述目标函数为用于设计放疗计划的函数,所述目标通量为使得所述目标函数成立的最小解;
计划生成模块,用于根据所述目标通量生成目标放疗计划,其中,所述目标放疗计划用于对所述目标对象执行放射治疗。
2.根据权利要求1所述的基于参考DVH的放疗计划生成装置,其特征在于,所述函数求解模块包括:
确定单元,用于基于所述参考剂量分布数据确定目标器官中第j个体素点对应的插值剂量数据,其中,所述目标器官至少包括所述目标对象对应的放疗靶区和危及器官,所述目标器官中包含有N个体素点,所述第j个体素点为所述N个体素点中的任意一个体素点,N和j均为正整数;
函数求解单元,用于根据所述插值剂量数据对所述目标函数进行求解,得到所述目标通量。
3.根据权利要求2所述的基于参考DVH的放疗计划生成装置,其特征在于,所述确定单元包括:
第一获取子单元,用于获取所述参考剂量分布数据所对应的剂量体积分布曲线中的目标点的数量,其中,所述目标点用于表征所述目标器官在每个预设的百分比体积下所对应的剂量数据;
第二获取子单元,用于获取所述目标器官中所包含的体素点的数量;
第一确定子单元,用于根据所述体素点的数量和所述目标点的数量确定所述插值剂量数据。
4.根据权利要求3所述的基于参考DVH的放疗计划生成装置,其特征在于,所述第一确定子单元包括:
第一获取子模块,用于获取所述第j个体素点在所述N个体素点中对应的初始索引,其中,所述初始索引表征所述第j个体素点在所述N个体素点中对应的顺序序号;
排序子模块,用于根据所述N个体素点中每个体素点对应的剂量数据对所述N个体素点进行排序,得到排序结果;
第一确定子模块,用于根据所述排序结果确定所述第j个体素点对应的目标索引,其中,所述目标索引表征所述第j个体素点在所述排序结果中对应的顺序序号;
第二确定子模块,用于根据所述初始索引、所述目标索引、所述体素点的数量以及所述目标点的数量确定所述插值剂量数据。
5.根据权利要求4所述的基于参考DVH的放疗计划生成装置,其特征在于,所述第二确定子模块包括:
第二获取子模块,用于获取所述第j个体素点对应的剂量数据在所述剂量体积分布曲线上所对应的位置数据;
第三确定子模块,用于根据所述位置数据、所述初始索引、所述目标索引、所述体素点的数量以及所述目标点的数量确定所述插值剂量数据。
6.根据权利要求2所述的基于参考DVH的放疗计划生成装置,其特征在于,所述函数求解单元包括:
第三获取子单元,用于获取所述第j个体素点对应的中间剂量数据,其中,所述中间剂量数据为依据剂量乘积矩阵和所述目标函数对应的一个通量计算得到的所述第j个体素点对应的剂量数据,所述剂量乘积矩阵为依据所述目标对象对应的历史射野信息所生成的矩阵;
计算子单元,用于计算所述中间剂量数据与所述插值剂量数据的差值,得到第一差值;
函数求解子单元,用于依据所述第一差值对所述目标函数进行求解,得到所述目标通量。
7.根据权利要求6所述的基于参考DVH的放疗计划生成装置,其特征在于,函数求解子单元包括:
第四确定子模块,用于根据所述第一差值确定所述目标函数对应的第一函数,其中,所述第一函数为所述目标函数中与所述目标器官中的危及器官相对应的函数;
计算子模块,用于计算所述插值剂量数据与所述中间剂量数据的差值,得到第二差值;
第五确定子模块,用于根据所述第一差值和所述第二差值确定所述目标函数对应的第二函数,其中,所述第二函数为所述目标函数中与所述目标器官中的放疗靶区相对应的函数;
函数求解子模块,用于依据所述第一函数和所述第二函数对所述目标函数进行求解,得到所述目标通量。
8.根据权利要求7所述的基于参考DVH的放疗计划生成装置,其特征在于,所述第一函数至少包括第一子函数和第二子函数,所述第一子函数依据所述第一差值确定,所述第二子函数表征所述第一差值的二次平方运算;所述第二函数至少包括所述第二子函数和第三子函数,所述第三子函数依据所述第二差值确定。
9.根据权利要求8所述的基于参考DVH的放疗计划生成装置,其特征在于,所述放疗计划生成装置还包括:
第一确定模块,用于在所述第一差值为正数时,确定所述第一子函数为1;
第二确定模块,用于在所述第一差值为非正数时,确定所述第一子函数为0;
第三确定模块,用于在所述第二差值为正数时,确定所述第三子函数为1;
第四确定模块,用于在所述第二差值为非正数时,确定所述第三子函数为0。
10.根据权利要求1所述的基于参考DVH的放疗计划生成装置,其特征在于,所述获取模块包括:
第四获取单元,用于获取所述目标对象对应的历史放疗计划,其中,所述历史放疗计划为所述目标对象在历史时刻进行放射治疗时所使用的放疗计划;
第二确定单元,用于将所述历史放疗计划中记录的剂量分布数据确定为所述参考剂量分布数据。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备控制权利要求1至10中任意一项所述的基于参考DVH的放疗计划生成装置。
12.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器控制权利要求1至10中任意一项所述的基于参考DVH的放疗计划生成装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310449160.3A CN116153465B (zh) | 2023-04-24 | 2023-04-24 | 基于参考dvh的放疗计划生成装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310449160.3A CN116153465B (zh) | 2023-04-24 | 2023-04-24 | 基于参考dvh的放疗计划生成装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116153465A true CN116153465A (zh) | 2023-05-23 |
CN116153465B CN116153465B (zh) | 2023-07-21 |
Family
ID=86358586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310449160.3A Active CN116153465B (zh) | 2023-04-24 | 2023-04-24 | 基于参考dvh的放疗计划生成装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116153465B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110415785A (zh) * | 2019-08-29 | 2019-11-05 | 北京连心医疗科技有限公司 | 人工智能引导放疗计划的方法及系统 |
US20200075151A1 (en) * | 2018-08-31 | 2020-03-05 | The Board Of Regents Of The University Of Texas System | Dosevolume histogram and dose distribution based autoplanning |
CN113840632A (zh) * | 2019-05-20 | 2021-12-24 | 光线搜索实验室公司 | 用于放射疗法治疗计划的系统、计算机程序产品和方法 |
CN114496161A (zh) * | 2022-01-28 | 2022-05-13 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 放疗剂量的优化方法及装置 |
CN115083567A (zh) * | 2022-06-10 | 2022-09-20 | 苏州雷泰医疗科技有限公司 | 基于规则的自动放射治疗计划获得方法及装置 |
CN115829972A (zh) * | 2022-12-02 | 2023-03-21 | 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) | 一种放疗计划三维剂量分布与通量的同步预测方法及装置 |
-
2023
- 2023-04-24 CN CN202310449160.3A patent/CN116153465B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200075151A1 (en) * | 2018-08-31 | 2020-03-05 | The Board Of Regents Of The University Of Texas System | Dosevolume histogram and dose distribution based autoplanning |
CN113840632A (zh) * | 2019-05-20 | 2021-12-24 | 光线搜索实验室公司 | 用于放射疗法治疗计划的系统、计算机程序产品和方法 |
CN110415785A (zh) * | 2019-08-29 | 2019-11-05 | 北京连心医疗科技有限公司 | 人工智能引导放疗计划的方法及系统 |
CN114496161A (zh) * | 2022-01-28 | 2022-05-13 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 放疗剂量的优化方法及装置 |
CN115083567A (zh) * | 2022-06-10 | 2022-09-20 | 苏州雷泰医疗科技有限公司 | 基于规则的自动放射治疗计划获得方法及装置 |
CN115829972A (zh) * | 2022-12-02 | 2023-03-21 | 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) | 一种放疗计划三维剂量分布与通量的同步预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116153465B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10159851B2 (en) | Systems and methods for automatic training of dose prediction models and treatment plans as a cloud service | |
US11823778B2 (en) | Clinical goal treatment planning and optimization | |
JP6989518B2 (ja) | 放射線治療計画を最適化するための方法、コンピュータプログラム、及びシステム | |
US10864382B2 (en) | System and method for radiation therapy treatment planning | |
JP2019524304A (ja) | 画像ベースの放射線治療計画に使用されるように構成される医用製品 | |
CN116072263B (zh) | 基于放疗的计划参数预测装置 | |
CN116030938B (zh) | 放疗剂量分布区间的确定装置及电子设备 | |
CN112037885A (zh) | 放疗计划中的剂量预测方法、装置、计算机设备及存储介质 | |
CN116153465B (zh) | 基于参考dvh的放疗计划生成装置、电子设备及存储介质 | |
CN116052840B (zh) | 基于放疗的剂量分布数据处理装置、电子设备及存储介质 | |
CN116569190B (zh) | 用于放疗治疗计划的剂量图预测的方法和计算机程序产品 | |
CN114446441A (zh) | 基于计划库调用的自适应放疗的方法和装置 | |
CN117717723B (zh) | 射野信息确定装置、处理器以及电子设备 | |
EP3616752A1 (en) | Intensity modulated proton therapy plan optimization for localized plan deficiencies | |
WO2023196533A1 (en) | Automated generation of radiotherapy plans | |
CN117883712A (zh) | 一种剂量预测方法及系统 | |
WO2020011850A1 (en) | Intensity modulated proton therapy plan optimization for localized plan deficiencies |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |