CN1195563C - 自动化剂量规划方法和装置 - Google Patents

Abstract

本发明涉及定向放射外科学中的自动化剂量规划方法及装置。该方法包括下列步骤：将待辐照的靶容积的位置数据输入到计算机；在剂量规划中上将多个具有预设权重的射束定位于靶容积中的某些预设位置；通过迭代极小化方法使剂量规划相对射束位置及射束权重进行极小化，以及将容积划分为3个分容积，即一个分容积包括靶容积的内部部分，一个分容积包括从内部紧靠着靶容积界限的一层，即靶容积的分层界限，而另一个分容积包括围绕靶容积的区域，从而极小化步骤包括三个分容积的分离优化，以在靶容积内部实现高剂量，在周围部分实现低剂量，并在中间的部分实现均匀的剂量。

Description

自动化剂量规划方法和装置

技术领域

本发明涉及定向放射外科学中的自动化剂量规划方法和装置。

背景技术

在肿瘤、血管畸形及脑内的类似畸形的神经外科治疗中经常使用定向放射外科技术，包含，例如，钴-60源的伽玛辐射，如市售的一种名为Gammakniven(伽玛刀)的设备。最好是将多个这种源分布在患者的头部的周围。借助准直器可将射线束聚焦于脑内的一个很小的球状区。球体的直径可选，照射的持续时间也可选(权重)，并且通过在脑内将从数个这种辐照点发出的剂量叠加就可以生成这样一个辐射剂量场，其中肿瘤所接受的剂量最大，而同时周围的组织所接受的剂量最小。如今，剂量规划完全是由医师或医院的物理学家以手工方式进行，他们将称为射束的照射点定位于肿瘤内部并通过对脑部X射线断层照片比较剂量分布与肿瘤扩散情况。同样也可以求助于计算机程序，比如市售的GammaPlan程序，该程序可容许对靶容积(或目标容积)及剂量分布进行二维或三维观察，也可以将通过成像技术，如计算机断层分析照相技术(CT)、磁共振成像(MRI)及血管造影成像，得到的分层图像进行存储，但其中辐照点的选择是完全以手工方式进行。这个基本上是手工操作的过程很耗费时间，并且对经验和个人执行剂量规划的技能要求很高。

曾经试图以自动方式进行剂量规划。有一种这样的方法是基于假设射束是球形并且力图以最佳方式填充靶容积的想法。在只涉及二维的情况下这一方法的作用相当好，但不能应用于三维观察。另外一种试验过的方法涉及使射束连续位移通过靶容积以便获得叠加剂量来覆盖靶容积。这一方法理论上有效，但迄今为止一直不成功，因为尚不能使射束通过容积连续移动。

发明内容

因此，本发明的目的是提供一种用于定向放射外科学的自动化剂量规划方法和装置，利用本方法和装置可完全或至少部分地消除上述的问题及缺点。

此目的可借助下述的代表性方案来达到。即，

本发明提供一种用于定向放射外科学的自动化剂量规划方法，包括以下步骤：将待辐照的靶容积的位置数据输入到计算机；在剂量规划中将多个具有预设权重的射束定位于靶容积中的某些预设位置；以及通过迭代极小化方法使剂量规划相对射束位置及射束权重进行极小化，其特征在于还包括以下步骤：将容积划分为3个分容积，即一个分容积包括靶容积的内部部分，一个分容积包括从内部紧靠着靶容积界限的一层，即靶容积的分层界限，而另一个分容积包括围绕靶容积的区域，从而极小化步骤包括三个分容积的分离优化，以在靶容积内部实现高剂量，在周围部分实现低剂量，并在中间的部分实现均匀的剂量，且在预设定位中，射束一方面定位于靶容积的中心点，另一方面定位于该容积中的辐射最小的区域，且定位的射束的数目足以保证满足预定的标准。

本发明还提供一种用于定向放射外科学的自动化剂量规划的装置，包括：将待辐照的靶容积的位置数据输入到计算机的输入装置；存储所述数据的存储器；以及用来在剂量规划中上将多个具有预设权重的射束定位于靶容积中的某些预设位置，并通过迭代极小化方法使所述剂量规划相对所述射束位置及所述射束权重进行极小化的数据处理单元，其特征在于：上述数据处理单元还具有如下功能，即，将容积划分为3个分容积，即一个分容积包括靶容积的内部部分，一个分容积包括从内部紧靠着靶容积界限的一层，即靶容积的分层界限，而另一个分容积包括围绕靶容积的区域，从而极小化步骤包括三个分容积的分离优化，以在靶容积内部实现高剂量，在周围部分实现低剂量，并在中间的部分实现均匀的剂量，且在预设定位中，射束一方面定位于靶容积的中心点，另一方面定位于该容积中的辐射最小的区域，且定位的射束的数目足以保证满足预定的标准。

附图说明

图1示出根据本发明的一个实施方案的流程图。

具体实施方式

为了举例的目的，下面通过一个例子对本方法进行更详细的描述。此方法包括下述步骤：

在步骤1借助剂量规划程序将解剖图像输入计算机。图像清楚地示出划分为薄层的靶容积。在步骤2利用计算机中的绘图工具对靶容积进行标记以便从而提供靶容积的部位信息。根据这样得到的数据，程序以预先确定的分辨率生成靶容积的三维模型。之后在步骤3将这一靶容积分割为3个分容积，即：

·内部容积；

·内部紧接着靶容积边界的分层容积；以及

·环绕靶容积周围区域建立起来的容积。

之后，确定有关开始剂量规划的构成。这样，在步骤4针对自动化剂量规划的第一部分启动准直器的尺寸。尺寸根据靶容积的大小选择。在下面的步骤5中根据剂量规划向靶容积的中心点射出第一射束。在其后的步骤6将后面的射束设定在内部容积中的一个位置上，该处得到的剂量最小。然后在步骤7进行一个试验以验证符合由用户选择的标准的剂量是否在整个内部容积中都得到了。这一可由用户通过接口进行控制的标准可以是，比如，使内部靶容积的90％具有高于预先确定的剂量。如在步骤8中发现剂量不足，则构成返回到上面的步骤6。

如需要，利用较小的准直器重复步骤6～8。通过这种方式就可以通过在设置大准直器并且在其后在逐渐添加较小的准直器的同时一点一点将其增加而设定低值标准的方式使用最小数量的射束得到理想的剂量分布。

在粗设定射束这一步之后，利用交互方法对剂量规划进行改进。对剂量规划使用质量度量。该度量是通过在其计算中包含在容积的内部部分、壳体部分及外部部分中接受的剂量而得到。大致说来，最好是在靶容积的外部为低剂量，在靶容积的内部为高剂量，而在壳体容积中为均匀剂量。在进行初次优化的步骤9中，采用一种称为布劳顿-弗来舍-高菲-舍农法(Broyden-Fletcher-Goldfarb-Schannon法，即BFGS方法)的准牛顿方法来求出由所有射束位置形成的多维区域中的极小值。这一方法可由其他方面得到，比如在W.H.Press，S.A.Tenkolsky，W.T.Vetterling及B.P.Flannery在“Numerical Recipes inC--The Art of Scientific Computing”Cambridge University Press，NewYork USA一书中有描述。这样，维数为3^*(射束数)。迭代一直继续到得到足够低的度量。采用这种方式，射束移动到可生成改进的剂量规划的位置。然而所有的射束仍保持同样的权重。

之后，在步骤10执行BFGS迭代的新序列。但此时只考虑权重因子。因此，射束不移动而只调节权重因子来改进剂量规划。

在步骤11中进行第三次寻优求出极小值，并且此时采用射束权重因子以及射束位置来求出极小值。之后，对通过第三次寻优得出的射束权重因子和位置由一位操作人员验证。如结果令人满意，其后就在剂量规划中将其用于治疗。如操作人员不满意，就通过常规方式进行补充手工优化，其间可能添加几个射束、射束可能移动等等。之后，重新启动此过程。这样就可以消除优化过程卡在非优化局部极小值的危险。这一迭代自动优化和手工校正可一直重复到步骤12，即操作人员认为结果良好足以用于治疗为止。

这样，本方法是通过使描述剂量规划的函数极小化而起作用。这一函数是基于待辐照的靶容积的三个不同分容积中的平均值及标准偏差。上文中已经介绍过，这些分容积为靶容积的内部、其边界及紧靠着的周围区域。为了使此方法既能用于改进现在已经令人满意的剂量规划并能从不佳的起始位置出发生成令人满意剂量规划，将函数分割为两个部分。

下面将描述设定参数来以50％的等剂量覆盖靶容积的一个示例。第一部分用来生成的一个剂量规划相当好地以50％的等剂量覆盖靶容积，并且第二部分目的在于保证50％的等剂量跟踪靶容积轮廓的同时其外部的剂量为极小值，并且其内部的剂量为极大值。函数最好是基于如下的形式：

f＝f₁+f₂

其中函数的各部分为：

f₁＝k₁(0.5-m_i+1.28σ_r)+k₂(m_u+1.28σ_u-0.5)

f₂＝(1-m_i)+m_u+σ_r+|0.5-m_r|+k₃(0.3-m_r+1.28σ_r)

其中如果靶容积的内部容积的90％包含超过最大剂量的50％的剂量，k₁＝0，否则k₁＝100，并且其中如果紧靠靶容积内部的容积的90％包含不到最大剂量的50％的剂量，k₂＝0，否则k₂＝100。将这些常数设定为100是因为在上述标准得不到满足时函数的这一部分占主导。这些常数的其他值，当然，也完全可能并仍然能给出令人满意的结果。此外，如果容积边界的90％接受超过最大剂量的30％的剂量，k₃＝0，否则k₃＝1。其他常数中m_i是容积内部的剂量平均值，而σ_i是在m_u和σ_u表示紧靠着容积之外的区域的相应的量的同一区域中的标准偏差，而m_r和σ_r是边界上的标准偏差。上述函数中的参数值0.5是根据选择50％的等剂量得出的，所以如选择其他值，此值也会改变。

然而，应当记住，优化结果仅仅是对剂量规划的建议，并且在应用之前永远应当由负责的医生或医院的物理学家进行评估。

射束自动定位的条件是辐射是空间相关的。不过大多数现在的辐射类型，比如伽玛辐射，都是这种。

根据本发明的方法一般适用于定向放射外科学中的自动化剂量计划。这一方法特别适于应用于采用数个射线束源但具有固定几何形状的辐射设备，即那种射线束方向固定或至少是锁定在某些方向上因而难于改变的设备中。在治疗室内，在这种类型的设备中，等角点的移动因而是不可能的，所以就代之以使患者相对等角点移动以便得到等角点位置。这一方法尤其适于与市售的Leksell伽玛刀或类似设备一起使用。这一方法的目的是根据已知的固定射线束的方向优化等角点、射线束维数及每个等角点的剂量的数目。因此，本方法也可用于任意靶几何形状，不管该几何形状如何复杂。

上面通过一个实施方案对本发明进行了描述，但应当理解也可以有多种其他形式。比如，分区的数目可超过3。也同样可以将剂量计划法应用于伽玛照射外科学之外的定向放射外科学。这些及其他一些明显的改变应当认为是在本发明的范围内。

Claims (6)

1.一种用于定向放射外科学的自动化剂量规划方法，包括以下步骤：

将待辐照的靶容积的位置数据输入到计算机；

在剂量规划中将多个具有预设权重的射束定位于靶容积中的预设位置；以及

通过迭代极小化方法使剂量规划相对射束位置及射束权重进行极小化，

其特征在于还包括以下步骤：

将靶容积划分为3个分容积，即一个分容积包括靶容积的内部部分，一个分容积包括从内部紧靠着靶容积界限的一层，即靶容积的分层界限，而另一个分容积包括围绕靶容积的区域，从而极小化步骤包括三个分容积的分离优化，以在靶容积内部实现高剂量，在周围部分实现低剂量，并在中间的部分实现均匀的剂量，且

在预设定位中，射束一方面定位于靶容积的中心点，另一方面定位于该容积中的辐射最小的区域，且定位的射束的数目足以保证满足预定的标准。

2.如权利要求1中所述的方法，其特征在于将数据输入计算机的步骤包括下列步骤：以图像形式，最好是以分层图像的形式将关于待治疗的容积的信息输入，并且根据所述的信息形成其位置已经确定的靶容积模型。

3.如权利要求1或2所述的方法，其特征在于极小化步骤包括只相对射束位置的初次极小化运算、只相对射束的权重的第二次极小化运算、以及既相对射束权重又相对射束位置的第三次极小化运算。

4.如权利要求1或2所述的方法，其特征在于极小化是借助布劳顿-弗来舍-高菲-舍农法实现的。

5.如权利要求1或2所述的方法，其特征在于输入计算机的数据是取自由计算机断层照相、磁共振成像及血管造影成像技术产生的脑部分层图像。

6.一种用于定向放射外科学的自动化剂量规划的装置，包括：

将待辐照的靶容积的位置数据输入到计算机的输入装置；

存储所述数据的存储器；以及

用来在剂量规划中将多个具有预设权重的射束定位于靶容积中的预设位置，并通过迭代极小化方法使所述剂量规划相对所述射束位置及所述射束权重进行极小化的数据处理单元，

其特征在于：

上述数据处理单元还具有如下功能，即，将靶容积划分为3个分容积，即一个分容积包括靶容积的内部部分，一个分容积包括从内部紧靠着靶容积界限的一层，即靶容积的分层界限，而另一个分容积包括围绕靶容积的区域，从而极小化步骤包括三个分容积的分离优化，以在靶容积内部实现高剂量，在周围部分实现低剂量，并在中间的部分实现均匀的剂量，且

在预设定位中，射束一方面定位于靶容积的中心点，另一方面定位于该容积中的辐射最小的区域，且定位的射束的数目足以保证满足预定的标准。