CN105617535A - 一种剂量分布估算方法以及子野优化方法 - Google Patents
一种剂量分布估算方法以及子野优化方法 Download PDFInfo
- Publication number
- CN105617535A CN105617535A CN201510982378.0A CN201510982378A CN105617535A CN 105617535 A CN105617535 A CN 105617535A CN 201510982378 A CN201510982378 A CN 201510982378A CN 105617535 A CN105617535 A CN 105617535A
- Authority
- CN
- China
- Prior art keywords
- shape
- dose
- distribution
- wild
- blade
- 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
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
-
- 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
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)
- Radiation-Therapy Devices (AREA)
Abstract
本发明提供了一种剂量分布估算方法，包括：确定叶片移动前的初始射野形状对感兴趣区域的初始剂量分布；移动构成所述初始射野形状中的预定叶片到预定长度后得到参考射野形状，以来自靶的射束照射得到所述感兴趣区域的参考剂量分布，其中，所述参考射野形状与所述初始射野形状相比具有规律性变化；以及将叶片移动后的射野形状与所述初始射野形状相比有变化的部分与所述参考射野形状的至少一部分相匹配并根据匹配结果相应地选定所述参考剂量分布的至少一部分并连同初始剂量分布计算叶片移动后的剂量分布。
Description
技术领域
本发明主要涉及放疗设备，尤其涉及一种剂量分布估算方法以及与其相关的子野优化方法。
背景技术
直接子野优化是放疗计划优化的主要方法，包括多叶光栅叶片位置调整和子野权重调整两个方面。其中，多叶光栅叶片位置调整是以多叶光栅叶片微调所引起的剂量分布变化作为依据，剂量分布变化计算的准确性在很大程度上影响了叶片位置调整的效果。同时，因为叶片调整过程中需要反复计算剂量分布变化，剂量分布变化的算法速度也决定了直接子野优化算法的性能。
Zhu等人提出的直接子野优化方法，其中的剂量变化估算方法如图1所示。其中，A为叶片11的当前位置，B为叶片11微调后的位置，该方法只考虑线段AB的中点和射线源10连线方向上，病人12体内的多个点D1、D2....DN上的剂量变化(具体请参见XiaofengZhu,TimothyCullip,GreggTracton,JohnnDooley,ShaX.Chang.DirectApertureOptimization1UsinganInverseFormofBackProjection.SubmittedtoIOPPublishingforpeerreview3January2013)。
该方法所估算点的剂量变化Di如下：
Di＝ωKABDi,A
其中Di,A为叶片11在A位置时，单位加速器跳数(MU)下该射野对该点的剂量贡献；ω是需要调整的子野MU；KAB是标记叶片11的开合方向的系数，如果叶片11从A到B是朝射野内微调，即叶片合上，则KAB＝-1；反之，KAB＝1。该方法的优点是不需要重新计算新叶片位置的剂量，速度较快，缺点是对剂量变化估算不准确。
Cheng等人提出的直接子野优化方法中，通过把需要调整的射野划分成若干个小野(beamlet),分别计算每个小野对病人体内剂量分布的贡献，以此评估叶片微调引起的剂量变化。在微调叶片时，通过加上或减去已经计算的小野剂量贡献来计算剂量分布变化(具体请参见：Li-TienCheng,BinDong,ChunhuaMen,XunJia,AndSteveJiang.BinaryLevel-SetShapeOptimizationModelAndAlgorithmForVolumetricModulatedArcTherapyInRadiotherapyTreatment.SIAMJ.SCI.COMPUT.Vol.35,No.6,pp.B1321–B1340)。该方法的优点是调整叶片时不需要重新计算剂量，对剂量变化的估计也较为准确，但缺点是需要预先计算各个小野的剂量贡献，计算量较大，耗时较长，对计算设备的内存占用较多。
因此，需要一种新的优化方法，能够兼顾计算准确性、计算速度和计算量。
发明内容
本发明要解决的技术问题是提供一种剂量分布变化估算方法及装置、子野优化方法及系统，对剂量分布变化的估算准确度较高，而且具有计算速度快、计算量小、占用内存少等优点。
为解决上述技术问题，本发明提供了一种剂量分布估算方法，包括：确定叶片移动前的初始射野形状对感兴趣区域的初始剂量分布；移动构成所述初始射野形状中的预定叶片到预定长度后得到参考射野形状，以来自靶的射束照射得到所述感兴趣区域的参考剂量分布，其中，所述参考射野形状与所述初始射野形状相比具有规律性变化；以及将叶片移动后的射野形状与所述初始射野形状相比有变化的部分与所述参考射野形状的至少一部分相匹配并根据匹配结果相应地选定所述参考剂量分布的至少一部分并连同初始剂量分布计算叶片移动后的剂量分布。
具体地，所述根据匹配结果相应地选定所述参考剂量分布的至少一部分是：根据所述参考射野形状的与所述叶片移动后的射野形状相匹配的至少一部分形状所影响到的所述感兴趣区域的至少一部分来确定叶片移动后的与所述参考射野形状的至少一部分相匹配的射野形状对所影响到的所述感兴趣区域的至少一部分并更新这部分的初始剂量分布为参考剂量分布。
更具体地，所述参考射野形状的与所述叶片移动后的射野形状相匹配的至少一部分形状所影响到的所述感兴趣区域的至少一部分是根据叶片的半影区来确定的。
具体地，得到参考射野形状和得到参考剂量分布的步骤包括：将构成所述初始射野形状的奇数列或偶数列叶片沿着第一方向移动预定长度形成射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的剂量分布。具体地，得到参考射野形状和得到参考剂量分布的步骤还包括：将构成所述初始射野形状的奇数列或偶数列叶片沿着与所述第一方向相反的第二方向移动预定长度形成射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的剂量分布。
根据本发明的另一方面，公开了一种剂量分布估算方法，包括：确定叶片移动前的初始射野形状对感兴趣区域的初始剂量分布；将构成所述初始射野形状的奇数列叶片沿着第一方向移动预定长度形成第一射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第一剂量分布，并沿着与所述第一方向相反的第二方向移动所述预定长度形成第二射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第二剂量分布；将构成所述初始射野形状的偶数列叶片沿着所述第一方向移动所述预定长度形成第三射野形状并允许来自所述靶的射束照射从而得到所述感兴趣区域的第三剂量分布，并沿着与所述第一方向相反的第二方向移动所述预定长度形成第四射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第四剂量分布；将叶片移动后的射野形状与所述初始射野形状相比有变化的部分与所述第一射野形状、第二射野形状、第三射野形状和第四射野形状中的至少一个的至少一部分相匹配并根据匹配结果在所述第一剂量分布、所述第二剂量分布、所述第三剂量分布和所述第四剂量分布中相应地选用至少一个的至少一部分并连同初始剂量分布计算叶片移动后的剂量分布。具体地，所述初始剂量分布是通过以下的任一种方法得到的：基于实验数据模拟、笔芯束模拟、蒙特卡罗模拟、卷积。具体地，所述预定长度为一个步长或多个步长，其中，所述一个步长为所述叶片的最小移动距离。具体地，所述预定长度是与机器约束彼此关联的。
根据本发明的另一方面，公开了一种子野优化方法，包括：输入与感兴趣区域、机器约束以及优化算法相关的数据；初始化各子野的形状和权重；优化各子野的形状和权重；输出优化结果；其中，所述优化各子野的形状的步骤至少包括：选择待调节的子野，所述待调节的子野的形状为初始射野形状；确定所述初始射野形状对所述感兴趣区域的初始剂量分布；移动构成所述初始射野形状的预定叶片到预定长度以得到参考子野形状并以来自靶的射束照射得到对所述感兴趣区域的参考剂量分布；从构成所述初始射野形状的叶片中确定待移动的叶片以及其移动方向；以及将叶片移动后的射野形状与所述初始射野形状相比有变化的部分与所述参考射野形状的至少一部分相匹配并根据匹配结果相应地选定所述参考剂量分布的至少一部分并连同初始剂量分布计算叶片移动后的剂量分布。进一步地，所述优化各子野的形状和权重还包括：基于叶片移动后的子野形状，优化其权重；是否接受该优化结果；若是，则进行优化结果输出步骤；若否，则选择待调节的子野的步骤顺序执行。
本发明能够通过解耦不同叶片移动的相互影响，可并行计算不同叶片移动对剂量分布的改变，与现有技术相比，保持计算精度的同时，效率提升显著。
附图说明
图1为现有技术中的一种剂量变化估算方法的示意图；
图2为根据本发明实施例的剂量估算方法的流程图；
图3a为根据图2的剂量估算方法示意性地示出了叶片移动前的初始射野形状；
图3b示意性地示出了从初始射野形状变化的一个参考射野形状；
图3c示意性地示出了从初始射野形状变化的一个参考射野形状；
图3d示意性地示出了从初始射野形状变化的一个参考射野形状；
图3e示意性地示出了从初始射野形状变化的一个参考射野形状；
图3f示意性地示出了叶片移动后的射野形状；
图4a示意性地示出了在图3a所示的初始射野形状下的初始剂量分布；
图4b示意性地示出了在图3b所示的参考射野形状下的参考剂量分布；
图4c示意性地示出了在图3c所示的参考射野形状下的参考剂量分布；
图4d示意性地示出了在图3d所示的参考射野形状下的参考剂量分布；
图4e示意性地示出了在图3e所示的参考射野形状下的参考剂量分布；
图4f示意性地示出了在图3f所示的射野形状下的剂量分布；
图5a示意性地示出了将图3b的参考射野形状网格化的形状；
图5b示意性地示出了将图3f的参考射野形状网格化的形状；以及
图6示意性地示出了根据本发明一种实施方式的子野优化方法。
具体实施方式
为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，因此本发明不受下面公开的具体实施例的限制。
以逆向调强放疗为例，先依据病人的解剖图像(例如，CT图像或MR图像)对包括肿瘤的感兴趣区域进行勾勒，然后规划出放射治疗计划，接着，依据一定的标准，诸如剂量体积的数学模型(通常为剂量体积直方图，即，DVH)对前述放射治疗计划进行评价，再根据评价合乎要求的放射治疗计划以医用直线加速器治疗。治疗中，根据放射治疗计划，医用直线加速器通过多叶光栅的叶片在不同的角度形成不同形状的开口或者在同一角度形成多个开口并允许来自靶的治疗束通过前述开口照射到病人的感兴趣区域上。这里，本领域普通技术人员可以理解，由MLC的开口限定的射束野一般可称为“射野”或“子野”；靶一般为钨靶，治疗束可以为光子束，也可以为电子束，且根据感兴趣区域的不同部分，可以出不同能级的治疗束；另外，感兴趣区域可以包括大体靶区(GTV，GrossTargetVolume)、临床靶区(CTV，ClinicalTargetVolume)、计划靶区(PTV，PlanningTargetVolume)以及危及器官(OAR，OrgansatRisk)等。可以理解，本发明能够用在放射治疗计划中，并能根据该放射治疗计划进行治疗。本发明尤其用于逆向放射治疗计划中，该逆向放射治疗计划包括对调强放射治疗(IMRT，IntensityModulatedRadiationTherapy)、调强弧形放射治疗(IMAT，IntensityModulatedArcRadiationTherapy)、容积旋转调强放射治疗(VMAT，VolumetricModulatedArcRadiationTherapy)和自适应放射治疗(ART，AdaptiveRadiationTherapy)的计划，但不限制于此。用于解决逆向放射治疗的基本数学模型包括两步法和直接子野优化方法(DAO，DirectApertureOptimization)，其中，两步法包括通量图优化(FluenceMapOptimization)和子野分割(LeafSequencing)步骤，本发明所述的方法适用于这两种方法，但不限制于此。
文中的“叶片”指的是多叶光栅(MLC，Multi-leafCollimator)中的叶片；“长度”指的是平行于叶片移动方向上的距离；“宽度”指的是叶片宽度。
参考图2，根据本发明的一个实施例，该剂量分布估算方法包括如下步骤：
S12：确定叶片移动前的初始射野形状对感兴趣区域的初始剂量分布；
S14：移动构成初始射野形状中的预定叶片到预定长度后得到参考射野形状，以来自靶的射束照射得到所述感兴趣区域的参考剂量分布，其中，参考射野形状与初始射野形状相比具有规律性变化；以及
S16：将叶片移动后的射野形状与所述初始射野形状相比有变化的部分与所述参考射野形状的至少一部分相匹配并根据匹配结果相应地选定所述参考剂量分布的至少一部分并连同初始剂量分布计算叶片移动后的剂量分布。
具体地，前述步骤S14可以包括将构成所述初始射野形状的奇数列或偶数列叶片沿着第一方向移动预定长度形成射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的剂量分布。
更具体地，在本发明的一种实施方式中，该步骤S14包括：
-S142：将构成所述初始射野形状的奇数列叶片沿着第一方向移动预定长度形成第一射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第一剂量分布；
-S144：将构成所述初始射野形状的奇数列叶片沿着与所述第一方向相反的第二方向移动预定长度形成第二射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第二剂量分布；
-S146：将构成所述初始射野形状的偶数列叶片沿着所述第一方向移动预定长度形成第三射野形状并允许来自所述靶的射束照射从而得到所述感兴趣区域的第三剂量分布；
-S148：将构成所述初始射野形状的偶数列叶片沿着与所述第一方向相反的第二方向移动预定长度形成第四射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第四剂量分布。
相应地，根据步骤S14包括S142-S148步骤的前述具体实施方式，步骤S16可以具体化为：
将叶片移动后的射野形状与所述初始射野形状相比有变化的部分与所述第一射野形状、第二射野形状、第三射野形状和第四射野形状中的至少一个的至少一部分相匹配并根据匹配结果在所述第一剂量分布、所述第二剂量分布、所述第三剂量分布和所述第四剂量分布中相应地选用至少一个的至少一部分并连同初始剂量分布计算最终剂量分布。
为了更直观地予以说明，下面，参见图3a-3f以及图4a-4f，图3a示意性地表示叶片移动前的初始射野形状，其中，该初始射野形状由图中左侧的叶片LL01-LL04、右侧的叶片RL01-RL04、上侧的叶片TL01、以及下侧的叶片BL01共同构成，示例性地为口字型，图4a示意性地表示该初始射野形状对感兴趣区域的初始剂量分布；图3b示意性地示出了在初始射野形状的基础上叶片LL02、LL04、RL02、RL04向右移动预定长度而其他叶片保持不变而形成的参考射野形状，图4b示意性地表示当单位机器跳数(1MU)的射束强度通过图3b所示的射野形状后的感兴趣区域的参考剂量分布；图3c示意性地示出了在初始射野形状的基础上叶片LL02、LL04、RL02、RL04向左移动预定长度而其他叶片保持不变而形成的参考射野形状，图4c示意性地表示当单位机器跳数(1MU)的射束强度通过图3c所示的射野形状后的感兴趣区域的参考剂量分布；图3d示意性地示出了在初始射野形状的基础上叶片LL01、LL03、RL01、RL03向左移动预定长度而其他叶片保持不变而形成的参考射野形状，图4d示意性地表示当单位机器跳数(1MU)的射束强度通过图3d所示的射野形状后的感兴趣区域的参考剂量分布；图3e示意性地示出了在初始射野形状的基础上LL01、LL03、RL01、RL03向右移动预定长度而其他叶片保持不变而形成的参考射野形状，图4e示意性地表示当单位机器跳数(1MU)的射束强度通过图3e所示的射野形状后的感兴趣区域的参考剂量分布；图3f示意性地示出了在初始射野形状的基础上LL02向右移动预定长度而其他叶片保持不变而形成的叶片移动后的射野形状，图4f示意性地表示根据前述图3a和图4a的初始射野形状和初始剂量分布以及图3b以及图4b所示的参考射野形状和参考剂量分布估算得到的叶片移动后的剂量分布。
图3b-图3e显示了以图3a为基础而变化的规律性，这种规律性在这种示意性实施方式中表现为偶数列叶片的右移预定长度、偶数列叶片左移预定长度、奇数列左移预定长度、奇数列右移预定长度。其中，在示例中，所述预定长度均为一个步长，所述一个步长指的是叶片的最小移动长度，该预定长度在软件中是被预定的，且与软件中对多叶光栅的约束相同，易言之，由初始射野形状优化而成的下一个射野形状只能通过移动一个或多个叶片中的预定长度而得到。可以理解，预定长度作为参数是可以被调节的，比如可以为多个步长，可以在整个优化中均使用统一预定长度，也可在迭代过程中自适应变化。本领域普通技术人员应当可以理解，这里，所谓预定长度指的均是叶片受机器约束朝着某方向移动而在等中心平面的预定投影长度，其中，等中心平面指的是预设的一个平面，该等中心平面垂直于射线源发出的射束且该平面与射线源的距离为预设距离，在本领域中，等中心平面与射线源之间的预设距离一般为100cm。然而，如果在某些放疗机器中，并非将感兴趣区域的中心设置在等中心上的，前述预定长度的内涵亦随之变动。
前述图4a的初始剂量分布可以通过笔芯束(Pencilbeam)模拟、蒙特卡罗模拟、卷积的方式得到，这些方式在现有技术中均是被公开的，也可以以实验数据模拟而得到。
现在具体说明如何根据图3f、图3a-3e和图4a-4e估算并得到图4f。
参见图3f，这里已经假定根据优化步骤可以从图3a变化到图3f。即，只有叶片LL02向右移动了预定投影长度，其余叶片保持不动。先从图3a-3e中挑选出与图3f相似的形状，所谓相似，指的是与图3a所示的初始射野形状相比，图3a到图3f发生的形状变化在那副图或那几幅图中也发生了。可见，图3b所示的参考射野形状体现了这种变化。接着，考虑利用图3b的参考射野形状以及参考剂量。参见图5a和图5b，图5a为图3b所示的子野的网格化的示意图，图5b为图3f所示子野的网格化的示意图，本领域普通技术人员可以理解，因为图3f、图5b中叶片的凸出部分投影S5(其面积为L×W，其中，L为预定长度，在此，该预定长度为一个步进长度，W为宽度，其中，L＝W)与图3b中对应的叶片凸出部分投影S5完全相同，所以图3f、图5b中叶片的凸出部分投影S5对剂量分布的影响可以采用图3b以及图5a中对应的叶片凸出部分投影S5的剂量分布；再者，因为叶片边缘存在半影区域，所以沿着纵向方向(指的是叶片移动方向)以及横向方向，相比于初始剂量分布，在叶片的凸出部分投影S5以外的纵向和横向的一小部分的剂量分布也发生了变化，而且，这一小部分通常处于叶片的凸出部分投影S5纵向两侧长度各为L横向两侧各为W的范围所包围，即，半影影响范围处于S1、S2、S3、S4、S6、S7、S8、S9内，这对于本领域普通技术人员而言是熟知的。结果，受半影影响的这一小部分仍旧可以采用图3b或图5a的叶片凸出部分投影S5周围区域所对应的图4b中的剂量分布。更具体地，若叶片凸出部分投影S5为10mm×10mm时，则半影区在叶片凸出部分投影S5的纵向两侧分别主要影响约8mm。
在叶片凸出部分投影S5的横向两侧分别主要影响约8mm，故，半影区影响的部分分布在以叶片凸出部分投影S5为中心的3×3的网格内。最后，以图3b中叶片凸出部分投影S5为中心的3×3的网格区域所对应的图4b的剂量分布更新图3a中的相应区域的剂量分布即为最新的剂量分布，如图4f所示。根据上文的叙述，本领域普通技术人员可以结合现有技术容易实现叶片移动后的剂量分布的更新，所以，有关剂量分布更新本身的内容在此不再赘述。
根据上文的叙述可以看出，在估算图3f所示的射野形状的剂量分布时并没有用到图3c-图3e所示的参考射野形状以及对应的图4c-图4e所示的参考剂量分布，这是因为图3b所示的参考射野形状已经反应了图3a到图3f所示的射野形状的变化。然而，可以理解，由于优化后的形状具有不可预测性，故就像上面的较佳实施方式所描述的事先将各种规律性形状以及其对应的剂量分布存储下来并用于后续的计算是必要的。
较优地，上文所述的实施方式可以通过在机器约束中加入每次只能移动一个叶片来实现。然而，可以理解，上文所述的实施方式也可以通过在机器约束中加入每次只能移动不相邻的叶片来实现，这时，如果叶片移动后的射野形状与叶片移动前的初始射野形状相比除了如图3f所示移动了一个叶片外还移动了其他的至少一个不相邻叶片，那么，应同时利用与被移动的叶片形状变化相关的参考射野形状以及对应的剂量分布。也可以理解，上文所述的实施方式也可以不限制叶片移动的数量以及叶片是否相邻，例如，当两个相邻的叶片同时向内凸伸一个长度时，可以选定对应的参考射野形状以及参考剂量分布同时利用加权的方法得到叶片移动后的剂量分布。
如图6所示，本发明还公开了一种子野优化方法，具体地，该子野优化方法包括：
S22：输入与感兴趣区域、机器约束以及优化算法相关的数据；
S24：初始化各子野的形状和权重；
S26：优化各子野的形状和权重；
S28：输出优化结果；
其中，S26中的优化各子野的形状的步骤至少包括：
-S261：选择待调节的子野，所述待调节的子野的形状为初始射野形状；
-S262：确定所述初始射野形状对所述感兴趣区域的初始剂量分布；
-S263：移动构成所述初始射野形状的预定叶片到预定长度以得到参考子野形状并以来自靶的射束照射得到对所述感兴趣区域的参考剂量分布；
-S264：从构成所述初始射野形状的叶片中确定待移动的叶片以及其移动方向；以及
-S265：将叶片移动后的射野形状与所述初始射野形状相比有变化的部分与所述参考射野形状的至少一部分相匹配并根据匹配结果相应地选定所述参考剂量分布的至少一部分并连同初始剂量分布计算叶片移动后的剂量分布。
其中，S26还包括：
-S266：基于叶片移动后的子野形状，优化其权重；
-S267：是否接受该优化结果；若是，则进行到S28，若否，则返回到S261。
更具体地，所述机器约束至少包括叶片以预定长度移动的约束。
优选地，所述机器约束包括优化中每次只能移动一个叶片的约束。
可选择地，所述机器约束不包括优化中每次只能移动一个叶片的约束，同时，所述机器约束包括每次只移动不相邻的叶片。
可选择地，所述机器约束不包括优化中每次只能移动一个叶片的约束，同时，所述机器约束不包括每次只移动不相邻的叶片，然而，此时，需要在优化过程中加入诸如加权计算的过程。
具体地，根据本发明的一种实施方式，在S263中包括步骤：
将构成所述初始射野形状的奇数列叶片沿着第一方向移动预定长度形成第一射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第一剂量分布；
将构成所述初始射野形状的奇数列叶片沿着与所述第一方向相反的第二方向移动预定长度形成第二射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第二剂量分布；
将构成所述初始射野形状的偶数列叶片沿着所述第一方向移动预定长度形成第三射野形状并允许来自所述靶的射束照射从而得到所述感兴趣区域的第三剂量分布；
将构成所述初始射野形状的偶数列叶片沿着与所述第一方向相反的第二方向移动预定长度形成第四射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第四剂量分布。
虽然本发明已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，在没有脱离本发明精神的情况下还可作出各种等效的变化或替换，因此，只要在本发明的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。
Claims (11)
1.一种剂量分布估算方法，包括：
确定叶片移动前的初始射野形状对感兴趣区域的初始剂量分布；
移动构成所述初始射野形状中的预定叶片到预定长度后得到参考射野形状，以来自靶的射束照射得到所述感兴趣区域的参考剂量分布，其中，所述参考射野形状与所述初始射野形状相比具有规律性变化；以及
将叶片移动后的射野形状与所述初始射野形状相比有变化的部分与所述参考射野形状的至少一部分相匹配并根据匹配结果相应地选定所述参考剂量分布的至少一部分并连同初始剂量分布计算叶片移动后的剂量分布。
2.根据权利要求1所述的剂量分布估算方法，其中，所述根据匹配结果相应地选定所述参考剂量分布的至少一部分是：根据所述参考射野形状的与所述叶片移动后的射野形状相匹配的至少一部分形状所影响到的所述感兴趣区域的至少一部分来确定叶片移动后的与所述参考射野形状的至少一部分相匹配的射野形状对所影响到的所述感兴趣区域的至少一部分并更新这部分的初始剂量分布为参考剂量分布。
3.根据权利要求2所述的剂量分布估算方法，其中，所述参考射野形状的与所述叶片移动后的射野形状相匹配的至少一部分形状所影响到的所述感兴趣区域的至少一部分是根据叶片的半影区来确定的。
4.根据权利要求1所述的剂量分布估算方法，其中，得到参考射野形状和得到参考剂量分布的步骤包括：
将构成所述初始射野形状的奇数列或偶数列叶片沿着第一方向移动预定长度形成射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的剂量分布。
5.根据权利要求4所述的剂量分布估算，其中，得到参考射野形状和得到参考剂量分布的步骤还包括：将构成所述初始射野形状的奇数列或偶数列叶片沿着与所述第一方向相反的第二方向移动预定长度形成射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的剂量分布。
6.一种剂量分布估算方法，包括：
确定叶片移动前的初始射野形状对感兴趣区域的初始剂量分布；
将构成所述初始射野形状的奇数列叶片沿着第一方向移动预定长度形成第一射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第一剂量分布，并沿着与所述第一方向相反的第二方向移动所述预定长度形成第二射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第二剂量分布；将构成所述初始射野形状的偶数列叶片沿着所述第一方向移动所述预定长度形成第三射野形状并允许来自所述靶的射束照射从而得到所述感兴趣区域的第三剂量分布，并沿着与所述第一方向相反的第二方向移动所述预定长度形成第四射野形状并允许来自靶的射束照射从而得到所述感兴趣区域的第四剂量分布；
将叶片移动后的射野形状与所述初始射野形状相比有变化的部分与所述第一射野形状、第二射野形状、第三射野形状和第四射野形状中的至少一个的至少一部分相匹配并根据匹配结果在所述第一剂量分布、所述第二剂量分布、所述第三剂量分布和所述第四剂量分布中相应地选用至少一个的至少一部分并连同初始剂量分布计算叶片移动后的剂量分布。
7.根据权利要求6所述的剂量分布估算方法，其中，所述初始剂量分布是通过以下的任一种方法得到的：基于实验数据模拟、笔芯束模拟、蒙特卡罗模拟、卷积。
8.根据权利要求6所述的剂量分布估算方法，其中，所述预定长度为一个步长或多个步长，其中，所述一个步长为所述叶片的最小移动距离。
9.根据权利要求6所述的剂量分布估算方法，其中，所述预定长度是与机器约束彼此关联的。
10.一种子野优化方法，包括：
输入与感兴趣区域、机器约束以及优化算法相关的数据；
初始化各子野的形状和权重；
优化各子野的形状和权重；
输出优化结果；
其中，所述优化各子野的形状的步骤至少包括：
选择待调节的子野，所述待调节的子野的形状为初始射野形状；
确定所述初始射野形状对所述感兴趣区域的初始剂量分布；
移动构成所述初始射野形状的预定叶片到预定长度以得到参考子野形状并以来自靶的射束照射得到对所述感兴趣区域的参考剂量分布；
从构成所述初始射野形状的叶片中确定待移动的叶片以及其移动方向；以及
将叶片移动后的射野形状与所述初始射野形状相比有变化的部分与所述参考射野形状的至少一部分相匹配并根据匹配结果相应地选定所述参考剂量分布的至少一部分并连同初始剂量分布计算叶片移动后的剂量分布。
11.根据权利要求10所述方法，其中，所述优化各子野的形状和权重还包括：
基于叶片移动后的子野形状，优化其权重；
是否接受该优化结果；若是，则进行优化结果输出步骤；若否，则选择待调节的子野的步骤顺序执行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510982378.0A CN105617535A (zh) | 2015-12-24 | 2015-12-24 | 一种剂量分布估算方法以及子野优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510982378.0A CN105617535A (zh) | 2015-12-24 | 2015-12-24 | 一种剂量分布估算方法以及子野优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105617535A true CN105617535A (zh) | 2016-06-01 |
Family
ID=56033120
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510982378.0A Pending CN105617535A (zh) | 2015-12-24 | 2015-12-24 | 一种剂量分布估算方法以及子野优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105617535A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106199672A (zh) * | 2016-06-30 | 2016-12-07 | 中国科学院合肥物质科学研究院 | 一种基于蒙特卡罗光子模拟的卷积叠加剂量计算方法 |
| CN106932810A (zh) * | 2017-04-01 | 2017-07-07 | 西安体医疗科技有限公司 | 一种伽玛射线剂量的卷积计算方法 |
| CN107349531A (zh) * | 2017-07-04 | 2017-11-17 | 上海联影医疗科技有限公司 | 一种放疗设备、存储介质、子野形状生成方法及装置 |
| CN109432611A (zh) * | 2018-10-18 | 2019-03-08 | 北京连心医疗科技有限公司 | 扩充型动态楔形板控制点的生成方法、设备和存储介质 |
| CN109999365A (zh) * | 2018-01-05 | 2019-07-12 | 北京连心医疗科技有限公司 | 一种混合蒙特卡罗的放疗逆向优化方法、设备和存储介质 |
| CN112245817A (zh) * | 2020-11-12 | 2021-01-22 | 靖江市人民医院 | 一种减小固定铅门野铅门到位误差对计划剂量影响的方法 |
| CN112926156A (zh) * | 2021-02-25 | 2021-06-08 | 中科超精(南京)科技有限公司 | 一种基于位置可变半影模型的直接子野优化装置及其优化方法 |
| CN113521558A (zh) * | 2021-06-02 | 2021-10-22 | 上海联影医疗科技股份有限公司 | 容积调强计划生成系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1526458A (zh) * | 2003-09-25 | 2004-09-08 | 四川大学 | 调强放射治疗中改善射束剖面强度分布的方法 |
| CN102722641A (zh) * | 2012-05-25 | 2012-10-10 | 南京大学 | 一种快速得到凹形肿瘤靶区剂量分布的方法 |
| WO2014167461A1 (en) * | 2013-04-11 | 2014-10-16 | Koninklijke Philips N.V. | Isodose optimization |
| CN104258508A (zh) * | 2014-10-16 | 2015-01-07 | 中国科学院合肥物质科学研究院 | 一种放射治疗中精确剂量分布调制系统及方法 |
| CN104636832A (zh) * | 2015-02-27 | 2015-05-20 | 上海联影医疗科技有限公司 | 剂量分布变化估算方法及装置、直接子野优化方法及系统 |
-
2015
- 2015-12-24 CN CN201510982378.0A patent/CN105617535A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1526458A (zh) * | 2003-09-25 | 2004-09-08 | 四川大学 | 调强放射治疗中改善射束剖面强度分布的方法 |
| CN102722641A (zh) * | 2012-05-25 | 2012-10-10 | 南京大学 | 一种快速得到凹形肿瘤靶区剂量分布的方法 |
| WO2014167461A1 (en) * | 2013-04-11 | 2014-10-16 | Koninklijke Philips N.V. | Isodose optimization |
| CN104258508A (zh) * | 2014-10-16 | 2015-01-07 | 中国科学院合肥物质科学研究院 | 一种放射治疗中精确剂量分布调制系统及方法 |
| CN104636832A (zh) * | 2015-02-27 | 2015-05-20 | 上海联影医疗科技有限公司 | 剂量分布变化估算方法及装置、直接子野优化方法及系统 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106199672B (zh) * | 2016-06-30 | 2019-01-08 | 中国科学院合肥物质科学研究院 | 一种基于蒙特卡罗光子模拟的卷积叠加剂量计算方法 |
| CN106199672A (zh) * | 2016-06-30 | 2016-12-07 | 中国科学院合肥物质科学研究院 | 一种基于蒙特卡罗光子模拟的卷积叠加剂量计算方法 |
| CN106932810A (zh) * | 2017-04-01 | 2017-07-07 | 西安体医疗科技有限公司 | 一种伽玛射线剂量的卷积计算方法 |
| CN107349531B (zh) * | 2017-07-04 | 2019-12-13 | 上海联影医疗科技有限公司 | 一种放疗设备、存储介质、子野形状生成方法及装置 |
| CN107349531A (zh) * | 2017-07-04 | 2017-11-17 | 上海联影医疗科技有限公司 | 一种放疗设备、存储介质、子野形状生成方法及装置 |
| CN109999365A (zh) * | 2018-01-05 | 2019-07-12 | 北京连心医疗科技有限公司 | 一种混合蒙特卡罗的放疗逆向优化方法、设备和存储介质 |
| CN109999365B (zh) * | 2018-01-05 | 2021-04-20 | 北京连心医疗科技有限公司 | 一种用于实现放疗逆向优化方法的计算设备和存储介质 |
| CN109432611A (zh) * | 2018-10-18 | 2019-03-08 | 北京连心医疗科技有限公司 | 扩充型动态楔形板控制点的生成方法、设备和存储介质 |
| CN109432611B (zh) * | 2018-10-18 | 2021-02-12 | 北京连心医疗科技有限公司 | 扩充型动态楔形板控制点的生成方法、设备和存储介质 |
| CN112245817A (zh) * | 2020-11-12 | 2021-01-22 | 靖江市人民医院 | 一种减小固定铅门野铅门到位误差对计划剂量影响的方法 |
| CN112245817B (zh) * | 2020-11-12 | 2022-07-19 | 靖江市人民医院 | 一种减小固定铅门野铅门到位误差对计划剂量影响的方法 |
| CN112926156A (zh) * | 2021-02-25 | 2021-06-08 | 中科超精(南京)科技有限公司 | 一种基于位置可变半影模型的直接子野优化装置及其优化方法 |
| CN112926156B (zh) * | 2021-02-25 | 2024-04-26 | 中科超精(南京)科技有限公司 | 一种基于位置可变半影模型的直接子野优化装置及其优化方法 |
| CN113521558A (zh) * | 2021-06-02 | 2021-10-22 | 上海联影医疗科技股份有限公司 | 容积调强计划生成系统 |
| CN113521558B (zh) * | 2021-06-02 | 2022-10-28 | 上海联影医疗科技股份有限公司 | 容积调强计划生成系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105617535A (zh) | 一种剂量分布估算方法以及子野优化方法 | |
| Barragán‐Montero et al. | Three‐dimensional dose prediction for lung IMRT patients with deep neural networks: robust learning from heterogeneous beam configurations | |
| US8952346B2 (en) | Systems and methods for isotopic source external beam radiotherapy | |
| US7809107B2 (en) | Method for controlling modulation strength in radiation therapy | |
| Bedford et al. | Constrained segment shapes in direct‐aperture optimization for step‐and‐shoot IMRT | |
| CN110327554B (zh) | 基于预测剂量分布引导的调强放疗计划优化方法及应用 | |
| US11052264B2 (en) | Robust broad beam optimization for proton therapy | |
| CN103038669A (zh) | 用于估计和操作所估计的辐射剂量的系统和方法 | |
| Diot et al. | Biological‐based optimization and volumetric modulated arc therapy delivery for stereotactic body radiation therapy | |
| US20180111005A1 (en) | Method of selecting beam geometries | |
| CN105617536A (zh) | 旋转逆向调强放疗优化方法及装置 | |
| McMahon et al. | A real‐time dynamic‐MLC control algorithm for delivering IMRT to targets undergoing 2D rigid motion in the beam's eye view | |
| Li et al. | Extension and validation of a GPU‐Monte Carlo dose engine gDPM for 1.5 T MR‐LINAC online independent dose verification | |
| Kearney et al. | A continuous arc delivery optimization algorithm for CyberKnife m6 | |
| WO2022037901A1 (en) | Static device for use in radiotherapy treatment and design method for such a device | |
| CN110582325B (zh) | 用于基于离子的放射疗法治疗计划的系统 | |
| Deng et al. | Neuro-dynamic programming for fractionated radiotherapy planning | |
| Hamaide et al. | Real‐time image‐guided treatment of mobile tumors in proton therapy by a library of treatment plans: a simulation study | |
| 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 | |
| Zhang et al. | A two-stage sequential linear programming approach to IMRT dose optimization | |
| Bedford et al. | A phase space model of a Versa HD linear accelerator for application to Monte Carlo dose calculation in a real‐time adaptive workflow | |
| Sun et al. | Target tracking using DMLC for volumetric modulated arc therapy: A simulation study | |
| Johnson et al. | Optimization of motion management parameters in a synchrotron‐based spot scanning system | |
| Salari et al. | A stochastic control approach to intrafraction motion management in intensity-modulated radiotherapy | |
| US12147734B2 (en) | Static device for use in radiotherapy treatment and design method for such a device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160601 |
|
| RJ01 | Rejection of invention patent application after publication |