CN117153410A - 利用虚拟钨门规约的直接子野优化方法、设备及存储介质 - Google Patents

利用虚拟钨门规约的直接子野优化方法、设备及存储介质 Download PDF

Info

Publication number
CN117153410A
CN117153410A CN202310971104.6A CN202310971104A CN117153410A CN 117153410 A CN117153410 A CN 117153410A CN 202310971104 A CN202310971104 A CN 202310971104A CN 117153410 A CN117153410 A CN 117153410A
Authority
CN
China
Prior art keywords
sub
field
shape
fields
virtual
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
CN202310971104.6A
Other languages
English (en)
Inventor
鞠垚
韩欢迎
姚毅
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.)
Suzhou Linatech Medical Science And Technology
Original Assignee
Suzhou Linatech Medical Science And Technology
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 Suzhou Linatech Medical Science And Technology filed Critical Suzhou Linatech Medical Science And Technology
Priority to CN202310971104.6A priority Critical patent/CN117153410A/zh
Publication of CN117153410A publication Critical patent/CN117153410A/zh
Pending legal-status Critical Current

Links

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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Urology & Nephrology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种利用虚拟钨门规约的直接子野优化方法、设备及存储介质，包括：输入数据；建立数学模型，并使用列生成算法求解直接子野优化模型；在子问题中，利用虚拟钨门规约的方式生成Jaw‑Seg子野形状；使用区域生长算法以Jaw‑Seg子野形状为基准，向外围扩大；在主问题中，求解生成子野的权重；根据预设的要求，筛选、合并子野形状，并重新计算子野的权重；使用子野形状微调算法微调子野形状，并重新计算子野的权重；判断是否满足收敛条件。本发明提出一种虚拟钨门规约的子野生成算法，并使用区域生长算法和子野形状微调算法，在子野形状的规整度与被照射的有效区域尽可能大之间取得平衡，同时使计划的效果有很大的提升。

Description

利用虚拟钨门规约的直接子野优化方法、设备及存储介质
技术领域
本发明属于放射治疗领域的静态调强技术，具体涉及一种利用虚拟钨门规约的直接子野优化方法、计算设备及存储介质。
背景技术
放射治疗是癌症治疗的主要手段之一。目前主流的放疗方式是调强放射治疗(IMRT,Intensity Modulated Radiation Therapy)。调强放射治疗的目标是：肿瘤部位均匀地达到处方剂量，周围正常器官的受照剂量控制在规定范围内，并且要尽可能地低。实现调强放射治疗的物理装置有多种，最常用的是多叶光栅(MLC,Multi-Layers Collimator)。MLC由多对左右叶片组成，每一组左叶片和右叶片都可以运动至不同位置，因此MLC可以实现不同的开口形状，称为子野，多个子野通量的累加即可形成非均匀的通量矩阵，如图1所示。使用多个角度多个子野形状照射肿瘤区，每个子野采用合适的通量可以使：肿瘤区(靶区,Target)的剂量达到处方剂量，并且靶区内剂量较为均匀，同时正常器官(又称危及器官(OAR,Organ at Risk))的受量可以尽可能地低。
IMRT的求解问题可以描述为：以Target和OAR受照剂量与处方剂量的偏差最小化为目标函数，求解MLC形成的子野形状和每个子野的照射强度。IMRT有两种建模框架：两步法和直接子野优化法(DAO,Direct Aperture Optimization)。
两步法指将IMRT问题分解成两阶段：前一个阶段进行每个角度的通量图的求解，后一个阶段进行子野形状的分割。一般地，在求解最优通量图阶段，可以取得较好的优化结果，但在子野形状的分割阶段，受限于MLC的物理限制和半影等因素，分割得到的子野通量图和最优通量图有一定的误差，出现“退化”的现象。
直接子野优化法在优化通量的过程中，同时考虑到MLC的物理限制，能够很好地避免产生“退化”现象。直接子野优化的求解方法分为三类：随机搜索法，梯度类算法，列生成算法。上述三类算法各有优缺点，具体如下：
第一，随机搜索算法(如：模拟退火法，禁忌搜索算法等)在算法设计的过程中，引入随机性的因素，能够获得全局最优解，但是存在收敛速度慢的问题。
第二，梯度类算法利用梯度信息能够较快求解，但是对于非凸问题，易陷入局部最优。
第三，列生成算法是一种求解大规模问题的精确算法，将问题分为两部分：主问题和子问题，在直接子野优化问题中，主问题一般用来优化子野权重，而子问题生成子野形状，能够在较短的时间内获得最优解。但是，在列生成求解直接子野优化问题中，存在以下问题：
(1)在子问题生成子野形状的过程中，常常建模为最短路问题、0-1线性规划问题等，前者存在生成的子野形状杂乱、不规则的问题，从而在实际照射过程中产生较大的光栅半影，造成通量有较大偏差，后者存在计算量巨大的问题，导致求解的时间不能满足临床的要求。
(2)过度地追求子野形状的规整，将会导致很多有效区域被漏照射，尽可能多的区域被照射又带来子野形状的不规则，所以，子野形状的规整度与被照射的有效区域尽可能大之间需要权衡。
发明内容
为了解决上述技术问题，本发明提出了一种利用虚拟钨门规约的直接子野优化方法、计算设备及存储介质。
为了达到上述目的，本发明的技术方案如下：
第一方面，本发明公开一种利用虚拟钨门规约的直接子野优化方法，包括：
步骤S1：输入计算所需要的数据；
步骤S2：采用静态调强的方式照射，以照射剂量与处方剂量偏差的二范数平方最小化为目标，建立数学模型，并使用列生成算法求解直接子野优化问题，包括限制主问题和子问题；
步骤S3：根据当前的梯度信息，利用虚拟钨门规约的子野生成算法生成子野形状Jaw-Seg；
步骤S4：使用区域生长算法以Jaw-Seg子野形状为基准，向外围进行一定程度的生成，扩大有效区域；
步骤S5：求解步骤S4生成子野的权重；
步骤S6：根据预设要求，筛选子野形状，合并子野形状，并重新计算子野的权重；
步骤S7：使用子野形状微调算法微调步骤S6获得的子野形状，并重新计算子野的权重；
步骤S8：判断是否满足收敛条件；
若满足，则优化结束，得到子野形状和对应的权重；
否则，重复步骤S3-S8。
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，步骤S1中，输入以下一种或多种数据：子野数量的上限Seg_num、最小的子野权重MUm，靶区和危及器官的剂量-体积约束、沉积矩阵以及射束的信息。
作为优选的方案，步骤S3具体包括：
步骤S3.1：遍历钨门的所有可能取值，计算子问题的目标函数，当目标函数达到最小时，记录当前钨门位置为虚拟钨门位置；
步骤S3.2：在虚拟钨门内逐行求解左右叶片位置；
步骤S3.3：在虚拟钨门外求解左右叶片位置。
作为优选的方案，步骤S4具体包括：
步骤S4.1：输入Jaw-Seg子野形状和梯度图map；
步骤S4.2：在有开口区域的行进行行生长；
步骤S4.3：向上进行列生长；
步骤S4.4：向下进行列生长。
作为优选的方案，步骤S4中，列生长具体包括：
步骤A：输入Jaw-Seg子野形状和梯度图map；
步骤B：判断是否满足列生长条件；
若满足，则进入步骤C；
若不满足，则停止生长，并跳转至步骤D；
步骤C：执行区域生长，具体为：
先在邻近行里找到一个有效点，然后行生长，再向更远的邻近行寻找有效点，进行行生长，直至邻近行再无有效点，即可完成一个区域的生长；
接着跳转至步骤B，寻找下一个区域；
步骤D：选取面积最大的生长区域；
步骤E：根据生长区域，更新子野形状和左右叶片位置。
作为优选的方案，步骤S7具体包括：
步骤S7.1：输入子野形状和子野的权重；
步骤S7.2：计算目标函数相对于通量的梯度g，其能够指导子野形状微调中叶片的扰动方向；
步骤S7.3：循环对每个子野进行扰动；
步骤S7.4：若所有子野均未能成功扰动，则停止扰动；
若存在若干子野扰动成功，则跳转至步骤S7.2。
作为优选的方案，步骤S7.3具体包括：
步骤S7.3.1：循环每一对叶片进行扰动；
步骤S7.3.2：使用目标函数相对于通量的梯度g进行粗筛，判断左叶片或右叶片的扰动是否能够使子问题的目标函数下降；
若能够，则粗筛通过，进入步骤S7.3.3；
否则，则跳转至步骤S7.3.1，下一对叶片进行扰动；
步骤S7.3.3：计算扰动后的子野形状的规整度，判断其是否提高；
若是，则进入步骤S7.3.4；
否则，则跳转至步骤S7.3.1，下一对叶片进行扰动；
步骤S7.3.4：计算扰动后的主问题目标函数，判断目标函数是否下降；
若是，则本次扰动成功；
否则，则跳转至步骤S7.3.1，下一对叶片进行扰动。
作为优选的方案，步骤S7.3.3中，子野形状的规整度以面积周长比align作为评价指标，值越大，表示形状越规整；
其中，area表示子野的面积，peri表示子野的周长。
第二方面，本发明还公开一种利用虚拟钨门规约的直接子野优化设备，包括：
一个或多个处理器；
存储器；
以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括上述任一利用虚拟钨门规约的直接子野优化方法的指令。
第三方面，本发明还公开一种存储介质，存储介质存储有一个或多个计算机可读程序，一个或多个程序包括指令，指令适于由存储器加载并执行上述任一利用虚拟钨门规约的直接子野优化方法。
本发明一种利用虚拟钨门规约的直接子野优化方法、计算设备及存储介质，具有以下有益效果：
第一，本发明利用虚拟钨门规约的子野生成算法生成子野形状，相比于最短路径方法，生成的子野形状更加规则，大大减少了在实际照射过程中由于子野形状不规则，叶片半影对剂量的影响。
第二，本发明使用区域生长算法，改进了列生成算法形成的子野形状，扩大了子野的有效区域，很大程度上避免了靶区的漏照射。
第三，本发明在追求子野形状较高的规整度的基础上，使用子野形状微调算法微调子野形状，在子野形状的规整度与被照射的有效区域尽可能大之间取得平衡，使计划的效果有很大的提升。
第四，本发明定量化地描述子野形状的规整度，为子野形状优化提供数值支持。
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为多个子野叠加形成非均匀通量图。
图2为本发明实施例提供的利用虚拟钨门规约的直接子野优化方法的流程图。
图3为本发明实施例提供的不同方法形成的子野形状；
其中：图3(a)为Jaw-Seg子野；
图3(b)为使用区域生长算法扩大后的Jaw-Seg-Grow子野；
图3(c)为使用最短路径法得到的Shortest-Path子野。
图4为本发明实施例提供的子野生长的流程图。
图5为本发明实施例提供的列生长得到多个区域。
图6为本发明实施例提供的子野生长中的列生长规则的流程图。
图7为本发明实施例提供的子野形状微调的流程图。
图8为本发明实施例提供的单个子野扰动方法的流程图。
图9为本发明实施例提供的形状优化前的子野。
图10为本发明实施例提供的形状优化后的子野。
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。
“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，一种利用虚拟钨门规约的直接子野优化方法、计算设备及存储介质的其中一些实施例中，如图2所示，直接子野优化方法包括：
步骤S1：输入计算所需要的数据，包括：子野数量的上限Seg_num、最小的子野权重MUm，靶区和危及器官的剂量-体积约束、沉积矩阵以及射束的信息；
步骤S2：采用静态调强Step and shoot的方式照射，以照射剂量与处方剂量偏差的二范数平方最小化为目标，建立数学模型，并使用列生成算法求解直接子野优化问题，包括限制主问题和子问题；
步骤S3：根据当前的梯度信息，利用虚拟钨门规约的子野生成算法生成子野形状Jaw-Seg；
步骤S4：使用区域生长算法以Jaw-Seg子野形状为基准，向外围进行一定程度的生成，扩大有效区域；
步骤S5：求解步骤S4生成子野的权重；
步骤S6：根据预设要求，筛选子野形状，合并子野形状，并重新计算子野的权重；
步骤S7：使用子野形状微调算法微调步骤S6获得的子野形状，并重新计算子野的权重；
步骤S8：判断是否满足收敛条件；
若满足，则优化结束，得到子野形状和对应的权重；
否则，重复步骤S3-S8。
下面对每个步骤进行详细阐述。
对步骤S2进一步阐述如下：
采用静态调强Step and shoot的方式照射，以照射剂量di与处方剂量偏差的二范数平方最小化为目标，建立数学模型如下：
xk＝Qkwk
wk≥0
其中，f表示目标函数，δi表示体素i的权重，Dk,i表示子野k对体素i的剂量贡献，xk为子野k的通量，Qk表示子野k的形状，wk表示子野k的权重。
目标函数包含了关于靶区和危及器官约束的惩罚项，包括剂量约束(最小剂量约束fmin，最大剂量约束fmax)，剂量体积约束fDVH，平均剂量约束fu，如下所示。
其中，V为体素的个数，H(x)为阶跃函数，若x大于0，则H(x)等于1，否则为0.dmin为最小剂量，dmax为最大剂量，du为平均剂量，针对危及器官来说，d1表示DVH的期望的剂量，d2为当前剂量体积曲线的体积对应的剂量值。
使用列生成算法，求解直接子野优化问题，将上述问题分解为列生成的两个问题(主问题和定价子问题)，使用变量代换的方式可将上面的问题转化为主问题：
s.t.x-Qw＝0
w≥0
其中，H＝DTδD，c＝-DTδdp。由于子野数量巨大，可将上述主问题转化为受限主问题(RMP)。
利用KKT的条件，可推导出满足最优性的条件，得到对应的定价子问题如下：
s.t.q∈Q
其中，gk表示子野k的梯度，q表示可行的子野形状。
这里未添加叶片的约束，允许不同行的叶片交叉，可扩展考虑叶片的其他物理约束。当定价子问题的目标函数值大于等于0，则问题达到最优；当定价子问题小于0，可以根据梯度信息找到使主问题改进量最大子野形状。
对步骤S3进一步阐述如下：
根据当前的梯度信息，生成子野形状。初始时期，子野的形状集合为空，利用定价子问题(PP)模型产生相应的子野形状，由于使用最短路算法产生的子野形状不规则，在实际照射过程中，有较大的半影的影响，并且，使用上述的定价子问题(PP)模型获得的子野形状是贪婪的，导致生成的子野形状过于杂乱、不规则，本发明提出一种利用虚拟钨门规约的子野生成算法。在求解子问题时，考虑首先求解出一个最优的矩形区域，在此范围内的子野可以使得定价子问题(PP)的目标函数尽可能地小，同时子野形状也较为规整。
步骤S3具体包括：
步骤S3.1：遍历钨门的所有可能取值[xmin,xmax,ymin,ymax]，计算子问题的目标函数，当目标函数达到最小时，记录当前位置为虚拟钨门位置Jaw-SegX1，Jaw-SegX2，Jaw-SegY1，Jaw-SegY2；
步骤S3.2：在虚拟钨门内逐行求解左右叶片位置：该行第一个有效值所在位置即为左叶片位置Ln，最后一个有效值所在位置为右叶片位置Rn；
步骤S3.3：在虚拟钨门外求解左右叶片位置：钨门外左右叶片与临近行的左叶片位置一致，且保证钨门外叶片处于闭合状态，即Ln＝Rn＝Lm,其中m为靠近虚拟钨门外的开口叶片的索引。
经过实验表明，利用虚拟钨门规约得到的子野形状(简称为Jaw-Seg)，与最短路径法(简称为Shortest-Path)得到的子野形状对比如图3。可见，利用虚拟钨门规约得到的子野形状更为规整，而Shortest-Path算法得到的子野零散子野较多，叶片交叉现象较多。
对步骤S4进一步阐述如下：
步骤S4：使用区域生长算法以Jaw-Seg子野形状为基准，向外围进行一定程度的生成，扩大有效区域；
由于过度追求子野形状的规整度，可能导致漏照了许多邻近的有效区域。因此，使用区域生长算法以Jaw-Seg子野形状为基准，向外围进行一定程度的生成，扩大有效区域，如图4所示。
步骤S4，子野形状生长具体包括：
步骤S4.1：输入Jaw-Seg子野形状和梯度图map；
步骤S4.2：在有开口区域的行进行行生长：检查开口区域的左、右叶片位置，若左叶片的邻近位置仍为有效值(可以使得子问题目标函数下降)，那么左叶片生长，否则左叶片停止生长；右叶片亦然；
步骤S4.3：向上进行列生长：检查第一个有效行的上一行(记为pre_row)是否可以生长，判断标准(称为：列生长条件)为：pre_row是否有有效值，且有效值所处位置是第一个有效行的4邻域范围(为了保证叶片不交叉)；若pre_row满足生长条件，则执行列生长；
步骤S4.4：向下进行列生长：检查最后一个有效行的下一行(记为next_row)是否满足生长条件，若是则执行列生长，否则，停止生长。
考虑到列生长得到的区域可能有多个，如图5所示，应当逐一获取，直至得到所有的有效区域，然后选取区域面积最大的一个。如图6所示，列生长具体包括以下步骤：
步骤A：输入Jaw-Seg子野形状和梯度图map；
步骤B：判断是否满足列生长条件；
若满足，则进入步骤C；
若不满足，则停止生长，并跳转至步骤D；
步骤C：执行区域生长，具体为：
先在邻近行里找到一个有效点，然后行生长，再向更远的邻近行寻找有效点，进行行生长，直至邻近行再无有效点，即可完成一个区域的生长；
接着跳转至步骤B，寻找下一个区域；
步骤D：选取面积最大的生长区域；
步骤E：根据生长区域，更新子野形状和左右叶片位置。
对步骤S5进一步阐述如下：
在主问题中，求解生成子野的权重MU，由于变量的数量不多，可使用共轭梯度或者拟牛顿的方法对子野权重进行求解。
对步骤S6进一步阐述如下：
根据预设要求，筛选子野形状，合并子野形状，重新计算子野的权重MU。筛选规则如下：根据设置的最小子野权重值MUm，将权重小于MUm的子野删除；将面积过小的子野删除；当子野的数量超过最大子野数量的限制Seg_num，将子野按照子野品质进行排序，删除规整度过小的子野。
对步骤S7进一步阐述如下：
步骤S7：使用子野形状微调算法微调步骤S6获得的子野形状，并重新计算子野的权重。在生成子野形状并优化MU后，为了进一步提高子野的规整度，对子野形状进行微调，确保子野规整度提高的同时，目标函数有所下降。
如图7所示，步骤S7具体包括：
步骤S7.1：输入子野形状、子野的权重和其他用于计算梯度和目标函数的信息；
步骤S7.2：计算目标函数相对于通量的梯度g，其能够指导子野中叶片的扰动方向，值得注意的是：能使子问题的目标函数下降的扰动才是有效的；
步骤S7.3：循环对每个子野进行扰动；
步骤S7.4：若所有子野均未能成功扰动，则停止扰动；
若存在若干子野扰动成功，则跳转至步骤S7.2。
进一步，如图8所示，步骤S7.3具体包括：
步骤S7.3.1：循环每一对叶片进行扰动；
步骤S7.3.2：使用目标函数相对于通量的梯度g进行粗筛，判断左叶片(或右叶片)前进一步或者后退一步是否能够使子问题的目标函数下降；
若能够，则粗筛通过，进入步骤S7.3.3；
否则，则跳转至步骤S7.3.1，下一对叶片进行扰动；
步骤S7.3.3：计算扰动后的子野形状的规整度，判断其是否提高；
若是，则进入步骤S7.3.4；
否则，则跳转至步骤S7.3.1，下一对叶片进行扰动；
步骤S7.3.4：计算扰动后的主问题目标函数，判断目标函数是否下降；
若是，则本次扰动成功；
否则，则跳转至步骤S7.3.1，下一对叶片进行扰动。
步骤S7.3.3中，子野形状的规整度以面积周长比align作为评价指标，align以正方形为参考(正方形的align为1)，形状越靠近正方形，值越大，表示形状越规整；
其中，area表示子野的面积，peri表示子野的周长。
上述循环对每个子野进行扰动，扰动成功需满足以下三个条件：
1.使用目标函数相对于通量的梯度g进行粗筛，左叶片(右叶片)前进一步或者后退一步使子问题的目标函数下降；
2.利用子野形状的规整度公式进行判断，扰动后的子野规整度有提高；
3.扰动后的主问题目标函数值下降，否则，扰动无效。
对步骤S8进一步阐述如下：
步骤S8：判断是否满足收敛条件；
其中，fe表示最近一次迭代主问题的目标函数值，ε表示很小的正实数；
若满足，则优化结束，得到子野形状和对应的权重；
否则，重复步骤S3-S8。
图9和图10展示了子野形状优化前后的变化情况，表1展示了子野形状优化前后的规整度变化情况。
表1子野形状优化前后的规整度对比
序号 优化前 优化后 序号 优化前 优化后 序号 优化前 优化后
1 0.89 0.89 7 0.5 0.5 13 0.25 0.26
2 0.89 0.89 8 0.59 0.89 14 0.36 0.44
3 0.84 0.84 9 0.36 0.4 15 0.3 0.45
4 0.9 0.9 10 0.18 0.21 16 0.29 0.36
5 0.83 0.83 11 0.24 0.3 17 0.34 0.47
6 0.72 0.72 12 0.27 0.34
从表1可以看出，子野形状在优化前后规整度有了很大的改进。
进一步，本发明实施例还公开一种利用虚拟钨门规约的直接子野优化设备，包括：
一个或多个处理器；
存储器；
以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括上述实施例公开的利用虚拟钨门规约的直接子野优化方法的指令。
进一步，本发明实施例还公开一种存储介质，存储介质存储有一个或多个计算机可读程序，一个或多个程序包括指令，指令适于由存储器加载并执行上述实施例公开的利用虚拟钨门规约的直接子野优化方法。
本发明一种利用虚拟钨门规约的直接子野优化方法、计算设备及存储介质，具有以下有益效果：
第一，本发明利用虚拟钨门规约的子野生成算法生成子野形状，相比于最短路径方法，生成的子野形状更加规则，大大减少了在实际照射过程中由于子野形状不规则，叶片半影对剂量的影响。
第二，本发明使用区域生长算法，改进了列生成算法形成的子野形状，扩大了子野的有效区域，很大程度上避免了靶区的漏照射。
第三，本发明在追求子野形状较高的规整度的基础上，使用子野形状微调算法微调子野形状，在子野形状的规整度与被照射的有效区域尽可能大之间取得平衡，使计划的效果有很大的提升。
第四，本发明定量化地描述子野形状的规整度，为子野形状优化提供数值支持。
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，本发明的方法和设备，或者本发明的方法和设备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设备。
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 (10)

1.利用虚拟钨门规约的直接子野优化方法，其特征在于，包括：
步骤S1：输入计算所需要的数据；
步骤S2：采用静态调强的方式照射，以照射剂量与处方剂量偏差的二范数平方最小化为目标，建立数学模型，并使用列生成算法求解直接子野优化问题，包括限制主问题和子问题；
步骤S3：根据当前的梯度信息，利用虚拟钨门规约的子野生成算法生成子野形状Jaw-Seg；
步骤S4：使用区域生长算法以Jaw-Seg子野形状为基准，向外围进行一定程度的生成，扩大有效区域；
步骤S5：求解所述步骤S4生成子野的权重；
步骤S6：根据预设要求，筛选子野形状，合并子野形状，并重新计算子野的权重；
步骤S7：使用子野形状微调算法微调所述步骤S6获得的子野形状，并重新计算子野的权重；
步骤S8：判断是否满足收敛条件；
若满足，则优化结束，得到子野形状和对应的权重；
否则，重复步骤S3-S8。
2.根据权利要求1所述的直接子野优化方法，其特征在于，所述步骤S1中，输入以下一种或多种数据：子野数量的上限Seg_num、最小的子野权重MUm，靶区和危及器官的剂量-体积约束、沉积矩阵以及射束的信息。
3.根据权利要求1所述的直接子野优化方法，其特征在于，所述步骤S3具体包括：
步骤S3.1：遍历钨门的所有可能取值，计算子问题的目标函数，当目标函数达到最小时，记录当前钨门位置为虚拟钨门位置；
步骤S3.2：在虚拟钨门内逐行求解左右叶片位置；
步骤S3.3：在虚拟钨门外求解左右叶片位置。
4.根据权利要求1所述的直接子野优化方法，其特征在于，所述步骤S4具体包括：
步骤S4.1：输入Jaw-Seg子野形状和梯度图map；
步骤S4.2：在有开口区域的行进行行生长；
步骤S4.3：向上进行列生长；
步骤S4.4：向下进行列生长。
5.根据权利要求4所述的直接子野优化方法，其特征在于，所述步骤S4中，所述列生长具体包括：
步骤A：输入Jaw-Seg子野形状和梯度图map；
步骤B：判断是否满足列生长条件；
若满足，则进入步骤C；
若不满足，则停止生长，并跳转至步骤D；
步骤C：执行区域生长，具体为：
先在邻近行里找到一个有效点，然后行生长，再向更远的邻近行寻找有效点，进行行生长，直至邻近行再无有效点，即可完成一个区域的生长；
接着跳转至步骤B，寻找下一个区域；
步骤D：选取面积最大的生长区域；
步骤E：根据生长区域，更新子野形状和左右叶片位置。
6.根据权利要求1所述的直接子野优化方法，其特征在于，所述步骤S7具体包括：
步骤S7.1：输入子野形状和子野的权重；
步骤S7.2：计算目标函数相对于通量的梯度g，其能够指导子野形状微调中叶片的扰动方向；
步骤S7.3：循环对每个子野进行扰动；
步骤S7.4：若所有子野均未能成功扰动，则停止扰动；
若存在若干子野扰动成功，则跳转至步骤S7.2。
7.根据权利要求6所述的直接子野优化方法，其特征在于，所述步骤S7.3具体包括：
步骤S7.3.1：循环每一对叶片进行扰动；
步骤S7.3.2：使用目标函数相对于通量的梯度g进行粗筛，判断左叶片或右叶片的扰动是否能够使子问题的目标函数下降；
若能够，则粗筛通过，进入步骤S7.3.3；
否则，则跳转至步骤S7.3.1，下一对叶片进行扰动；
步骤S7.3.3：计算扰动后的子野形状的规整度，判断其是否提高；
若是，则进入步骤S7.3.4；
否则，则跳转至步骤S7.3.1，下一对叶片进行扰动；
步骤S7.3.4：计算扰动后的主问题目标函数，判断目标函数是否下降；
若是，则本次扰动成功；
否则，则跳转至步骤S7.3.1，下一对叶片进行扰动。
8.根据权利要求7所述的直接子野优化方法，其特征在于，所述步骤S7.3.3中，子野形状的规整度以面积周长比align作为评价指标，值越大，表示形状越规整；
其中，area表示子野的面积，peri表示子野的周长。
9.利用虚拟钨门规约的直接子野优化设备，其特征在于，包括：
一个或多个处理器；
存储器；
以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行，所述一个或多个程序包括上述权利要求1-8中任一所述的利用虚拟钨门规约的直接子野优化方法的指令。
10.存储介质，其特征在于，所述存储介质存储有一个或多个计算机可读程序，一个或多个程序所述包括指令，所述指令适于由存储器加载并执行上述权利要求1-8中任一所述的利用虚拟钨门规约的直接子野优化方法。
CN202310971104.6A 2023-08-03 2023-08-03 利用虚拟钨门规约的直接子野优化方法、设备及存储介质 Pending CN117153410A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310971104.6A CN117153410A (zh) 2023-08-03 2023-08-03 利用虚拟钨门规约的直接子野优化方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310971104.6A CN117153410A (zh) 2023-08-03 2023-08-03 利用虚拟钨门规约的直接子野优化方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN117153410A true CN117153410A (zh) 2023-12-01

Family

ID=88901595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310971104.6A Pending CN117153410A (zh) 2023-08-03 2023-08-03 利用虚拟钨门规约的直接子野优化方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117153410A (zh)

Similar Documents

Publication Publication Date Title
US7809107B2 (en) Method for controlling modulation strength in radiation therapy
EP3549636B1 (en) System and method for radiotherapy treatment planning and delivery
US11291856B2 (en) Method, a computer program product and a computer system for radiotherapy
Bedford et al. Constrained segment shapes in direct‐aperture optimization for step‐and‐shoot IMRT
EP3384962B1 (en) System and method for automatic radiotherapy treatment planning
US20130077751A1 (en) System and Method for Intensity Modulated Arc Therapy Treatment Planning
CN105031820A (zh) 调强放疗逆向优化方法和装置
CN110237439B (zh) 用于正交双层光栅装置的静态调强子野优化方法
US20180111005A1 (en) Method of selecting beam geometries
CN108771795B (zh) 确定放射治疗的照射分布的装置和放射治疗系统
EP3791401A1 (en) Systems and methods for planning, controlling and/or delivering radiotherapy and radiosurgery using combined optimization of dynamic axes (coda)
CN107349531B (zh) 一种放疗设备、存储介质、子野形状生成方法及装置
US20220409929A1 (en) Method and apparatus to facilitate generating a leaf sequence for a multi-leaf collimator
Bedford et al. Direct-aperture optimization applied to selection of beam orientations in intensity-modulated radiation therapy
WO2017153211A1 (en) Pre-optimization method for quick prediction of achievability of clinical goals in intensity modulated radiation therapy
CN117153410A (zh) 利用虚拟钨门规约的直接子野优化方法、设备及存储介质
CN107961447B (zh) 一种放疗计划的获得方法和装置
CN109248385B (zh) 基于蒙特卡洛树搜索的放射治疗计划优化系统
WO2022088341A1 (zh) 放疗的控制方法及装置
Deng et al. Neuro-dynamic programming for fractionated radiotherapy planning
CN110876839B (zh) 不均匀网格分布模拟直线加速器治疗计划的剂量计算方法
US11517767B2 (en) Generating a plurality of treatment plans for radiation therapy
CN111437521B (zh) 一种非均匀容积弧形调强方法
CN109432611B (zh) 扩充型动态楔形板控制点的生成方法、设备和存储介质
CN110289075B (zh) 一种基于模糊熵的直接子野优化方法及系统

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