CN109453473A - 放射治疗计划系统、确定装置及存储介质 - Google Patents
放射治疗计划系统、确定装置及存储介质 Download PDFInfo
- Publication number
- CN109453473A CN109453473A CN201811648183.2A CN201811648183A CN109453473A CN 109453473 A CN109453473 A CN 109453473A CN 201811648183 A CN201811648183 A CN 201811648183A CN 109453473 A CN109453473 A CN 109453473A
- Authority
- CN
- China
- Prior art keywords
- image
- image sequence
- dose
- sequence
- images
- 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
- 238000001959 radiotherapy Methods 0.000 title claims abstract description 80
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000033001 locomotion Effects 0.000 claims abstract description 30
- 238000005070 sampling Methods 0.000 claims description 107
- 230000005855 radiation Effects 0.000 claims description 58
- 238000002591 computed tomography Methods 0.000 claims description 35
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000036962 time dependent Effects 0.000 claims description 4
- 230000036961 partial effect Effects 0.000 claims description 3
- 206010028980 Neoplasm Diseases 0.000 abstract description 21
- 210000000056 organ Anatomy 0.000 abstract description 9
- 230000029058 respiratory gaseous exchange Effects 0.000 abstract description 5
- 230000002285 radioactive effect Effects 0.000 abstract 1
- 230000003068 static effect Effects 0.000 description 27
- 230000006870 function Effects 0.000 description 24
- 210000000920 organ at risk Anatomy 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 235000008694 Humulus lupulus Nutrition 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010336 energy treatment Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- A61N5/1037—Treatment planning systems taking into account the movement of the target, e.g. 4D-image based planning
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
本发明实施例公开了一种放射治疗计划系统、确定装置及存储介质。该系统包括一个或多个处理器；存储装置，用于存储一个或多个程序；一个或多个程序被一个或多个处理器执行，使得一个或多个处理器执行如下方法：获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点；基于采样点以及图像序列中每幅图像的权重建立优化模型；求解优化模型，确定放射治疗计划。采用上述技术方案解决了现有技术中肿瘤靶区随呼吸、心跳等原因产生周期性移动，导致靶区及靶区周围危及器官的实际受照剂量与目标剂量存在差异的问题，为运动靶区提供更精准的放射治疗计划，有利于实现更精确的治疗，有效保护了靶区周围的危及器官，同时适用于与现有的大部分执行放射治疗计划的放疗设备。
Description
技术领域
本发明实施例涉及医疗技术领域，尤其涉及一种放射治疗计划系统、确定装置及存储介质。
背景技术
放射治疗是肿瘤治疗的重要方法之一，在进行放射治疗之前，首先会采集患者的静态CT(Computed Tomography，电子计算机断层扫描)图像，，然后根据患者的静态CT图像进行确定放射治疗计划。
在执行放射治疗计划时，会由于呼吸、心跳等原因致使肿瘤部位会发生周期性移动。为了使运动中的肿瘤能够达到处方剂量，现有技术中通常采用肿瘤靶区外扩或通过使用具备门控或靶区追踪功能的放疗设备来解决上述问题。
然而，采用肿瘤靶区外扩时需要让整个靶区覆盖肿瘤的变化范围，此种方式需要物理师具备较高的临床经验，同时还存在肿瘤周围的危及器官的受照剂量被动上升的情况，给患者的危及器官的健康状况带来威胁。而采用具备特殊功能的放疗设备时，需要放疗设备具备门控功能，以实时监控靶区位置，并仅在靶区与静态CT位置对应时控制治疗头出束，不仅延长了放疗的执行时间，还对放疗设备的快速响应能力提出了较高要求；或者使用具备靶区追踪功能的放疗设备实施监控靶区位置，并控制治疗头随靶区位置的移动进行相应变化，对放疗设备的追踪能力和精准控制提出了较高要求。
发明内容
本发明提供一种放射治疗计划系统、确定装置及存储介质，以为运动靶区提供更精准的放射治疗计划，有利于实现更精确的治疗，有效保护了靶区周围的危及器官，同时适用于与现有的大部分执行放射治疗计划的放疗设备。
第一方面，本发明实施例提供了一种放射治疗计划系统，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器执行如下放射治疗计划确定方法：
获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点；
基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型；
求解所述优化模型，确定放射治疗计划。
第二方面，本发明实施例还提供了一种放射治疗计划确定装置，配置于如第一方面实施例所提供的系统，包括：
图像序列获取模块，用于获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点；
优化模型建立模块，用于基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型；
放疗计划确定模块，用于求解所述优化模型，确定放射治疗计划。
第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下方法：
获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点；
基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型；
求解所述优化模型，确定放射治疗计划。
本发明实施例通过放射治疗计划系统中包括的处理器执行以下方法：获取随时间分布包括对应于感兴趣区域的相同位置的采样点，基于采样点以及图像序列中每幅图像的权重建立优化模型，并求解所述优化模型，确定放射治疗计划，解决了现有技术中肿瘤靶区随呼吸、心跳等原因产生周期性移动，导致靶区及靶区周围危及器官的实际受照剂量与目标剂量存在差异的问题，为运动靶区提供更精准的放射治疗计划，有利于实现更精确的治疗，有效保护了靶区周围的危及器官，同时适用于与现有的大部分执行放射治疗计划的放疗设备。
附图说明
图1是本发明实施例一中的一种放射治疗计划确定方法的结构图；
图2是本发明实施例二中的一种放射治疗计划确定方法的流程图；
图3是本发明实施例三中的一种放射治疗计划确定方法的流程图；
图4是本发明实施例四中的一种放射治疗计划确定装置的结构图；
图5是本发明实施例五中的一种放射治疗计划系统的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的一种放射治疗计划确定方法的结构图，本发明实施例适用于针对肿瘤患者的肿瘤部位确定放射治疗计划的情况，该方法由放射治疗计划确定装置执行，该装置由软件和/或硬件实现，并具体配置于承载放射治疗计划系统的服务器或计算机设备中。
如图1所示的一种放射治疗计划确定方法，包括：
S110、获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点。
其中，图像序列为在一段时间内对同一待扫描区域执行扫描操作后，重建所得的关联图像。其中，待扫描区域可以理解为肿瘤器官及危及器官所形成的区域。其中，感兴趣区域为待扫描区域所包括的放疗靶区及需要保护的重要器官对应区域。其中，图像序列中的每幅图像的感兴趣区域内均设置有多个采样点，并且图像序列中的各图像的采样点之间具备位置关联。示例性地，图像序列为4DCT(four-dimensional computed tomography，四维计算机断层扫描)图像。
示例性地，获取随时间分布的图像序列，可以是获取放射治疗计划系统本地、或放射治疗计划系统关联存储设备或云端中预先存储的随时间分布的图像序列；还可以是控制影像扫描设备按照设定的时间分布执行扫描操作，并根据产生的扫描数据重建所得到的图像组合形成图像序列。
可选的，获取随时间分布的图像序列，包括：获取同一生理运动周期内，扫描所述感兴趣区域所得到的各幅图像形成图像序列；其中，生理运动周期可以理解为使肿瘤位置产生移动的生理活动所对应的时间周期。或者可选的，获取随时间分布的图像序列，包括：获取至少两个生理运动周期内，扫描感兴趣区域所得到各幅候选图像，并从各候选图像中选择部分图像形成图像序列；其中图像序列中至少两个图像的时间段位于不同的生理运动周期。。
示例性地，图像序列中各幅图像所包含的感兴趣区域可以预先勾画并与相应的图像关联存储，或者还可以在获取到图像序列之后，由技术人员手动勾画，和/或通过自动勾画算法自动生成。
可选的，各图像上对应的采样点可以预先采样确定并与相应的图像关联存储；或者可选的，在获取随时间分布的图像序列之后，从所述图像序列中选择其中一个图像作为参考图像，并对所述参考图像进行采样得到多个采样点；将所述参考图像与所述随时间分布的图像序列中的其它图像进行配准，并根据配准结果将所述参考图像中的各采样点分别映射至所述其它图像上。
可选的，本实施例中的采样点之间的位置关联可以指不同图像中的位置关联的采样点代表待扫描区域内的同一位置。
S120、基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型。
其中，权重用于表征对应图像在所述图像序列中的出现概率。
示例性地，图像序列中每幅图像的权重可以根据所述图像序列中每幅图像对应的时间长度以及所述图像序列对应的总时间长度计算得到，或者还可以由技术人员根据经验值确定。其中，图像序列对应的总时间长度与感兴趣区域的生理运动周期相对应。
具体的，优化模型用于：根据感兴趣区域各器官对应的约束条件，并在该约束条件下基于各采样点确定子野信息及每幅图像中各采样点的剂量信息，进而通过子野信息、每幅图像中的采样点的剂量信息以及每幅图像的权重，确定放射治疗计划。所述子野信息包括子野跳数和子野形状。
S130、求解所述优化模型，确定放射治疗计划。
可选的，可以通过迭代方式求解优化模型，具体可以是：确定放射治疗计划所包含的各采样点的剂量信息与目标剂量之间的偏差；若偏差小于设定偏差值，则确定当前的放射治疗计划为最终优化后的放射治疗计划；若偏差不小于设定偏差值，则修改子野信息并重新计算各采样点的剂量信息，直至满足迭代终止条件，并确定最末次确定的放射治疗计划为最终确定的放射治疗计划。
示例性地，迭代终止条件可以是下述至少一种：迭代时间满足设定时间阈值、迭代次数满足设定次数阈值、各采样点的剂量信息与目标剂量的偏差小于设定偏差值、以及接收到迭代终止指令。其中，所接收的迭代终止指令可以是用户手动触发的终止指令、优化无法继续时产生的终止指令、或者系统自动终止时产生的终止指令等。示例性地，进行优化模型求解时所采用的迭代方式可以是梯度法、信赖域、模拟退火、遗传算法、或者蚁群算法等。
可选的，还可以通过非迭代方式求解优化模型，例如采用解析法进行求解。示例性地，解析法可以是在满足KKT(Karush–Kuhn–Tucker，满足一阶必要性)条件下求解非线性规划最佳解。
本发明实施例通过获取随时间分布包括对应于感兴趣区域的相同位置的采样点，基于采样点以及图像序列中每幅图像的权重建立优化模型，并求解优化模型，确定放射治疗计划，解决了现有技术中肿瘤靶区随呼吸、心跳等原因产生周期性移动，导致靶区及靶区周围危及器官的实际受照剂量与目标剂量存在差异的问题，为运动靶区提供更精准的放射治疗计划，有利于实现更精确的治疗，有效保护了靶区周围的危及器官。本实施例的技术方案在计划阶段考虑了靶区运动，因此避免对放疗设备的特殊功能的要求，适用于与现有的大部分执行放射治疗计划的放疗设备。另外，本申请的计划方法相对利用静态CT产生的放射治疗计划，可以使实际受照剂量更能准确。
实施例二
图2是本发明实施例二中的一种放射治疗计划确定方法的流程图，本发明实施例在上述各实施例的技术方案的基础上进行了细分优化。
进一步地，将操作“求解所述优化模型”细化为“在确定子野信息，并基于所述子野信息计算所述采样点上的剂量；若各采样点上的剂量与目标剂量的偏差不小于设定阈值，则修改子野信息，并重新计算所述采样点上的剂量，直至各采样点上的剂量与目标剂量的偏差小于所述设定阈值”，以完善放射治疗计划的确定机制。下述仅以迭代求解所述优化模型为例，在每次迭代计算过程中，确定当前子野信息，并基于所述当前子野信息计算所述采样点上的剂量，进行判断迭代是否终止，但并不以此限定本发明的保护范围。
如图2所示的一种放射治疗计划确定方法，包括：
S210、获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点。
S220、基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型。
S230、在当前迭代计算过程中确定子野信息，并基于所述子野信息计算所述采样点上的剂量。
可选的，在上述优化模型中，根据各采样点和感兴趣区域对应的目标剂量，构建以子野信息为自变量的目标函数。通过迭代计算确定使得目标函数的函数值达到预设要求(例如目标函数的函数值最小)时的子野信息。在上述迭代计算过程中，根据当次迭代计算中的子野信息以及所述图像序列中每幅图像的权重，计算所述采样点上的剂量。具体的，对每幅图像，根据当前迭代中的每个子野的跳数和每个子野对所述图像中的各采样点的单位剂量，确定当前图像中的采样点上的剂量；根据每幅图像中的采样点上的剂量以及图像序列中每幅图像的权重，计算采样点上的剂量。
在一实施例中，在每次迭代计算过程中，根据公式确定当前图像中的各采样点上的剂量Dij；其中，Dij为第j个采样点在第i个图像上的剂量；Muk为第k个子野的跳数；dij k为第k个子野在第i个图像上对第j个采样点的单位剂量；M为子野的总数量。
根据公式确定各采样点上的剂量Dj；其中，Dj为第j个采样点上的剂量；ωi为第i个图像对应的权重；N为图像序列中所包含图像的总数量。
优选地，根据公式确定图像序列中各幅图像对应的权重ωi；其中，Δti为第i个图像对应的时间长度；T为图像序列中各图像对应的总时间长度，与感兴趣区域的生理运动周期相对应。
上述计算剂量的方式仅为示例，并不用于限定本发明的保护范围，本领域技术人员可以将本发明的核心思想与其它计算采样点上的剂量的方式进行结合，均在本发明的保护范围内。
S240、判断各采样点上的剂量与目标剂量的偏差是否小于设定阈值；若否，则执行S250；若是，则执行S260。
示例性地，在每次迭代计算过程中确定当前子野信息对应的采样点的剂量，从而确定当前的目标函数的函数值。若目标函数的函数值未满足预设要求(例如最小)，则修改子野信息，重新计算采样点的剂量，从而确定新的目标函数的函数值直至目标函数的函数值满足预设要求，此时认为各采样点的剂量与目标剂量的偏差小于设定阈值。若目标函数的函数值未满足预设要求，则认为各采样点的剂量与目标剂量的偏差不小于设定阈值。
S250、修改子野信息，并基于修改后的子野信息重新计算所述采样点上的剂量。
在当前迭代过程中，当当前子野信息对应的各采样点的当前剂量与目标剂量的偏差不小于设定阈值时，则表明当前确定的子野信息以及各采样点的当前剂量所形成放射治疗计划无法对肿瘤器官达到良好的治疗效果，或者无法有效保护危及器官。因此，需要根据偏差对应修改子野信息，更新子野信息，并根据更新后的子野信息重新计算各采样点的剂量；直至子野信息对应的各参考点的剂量与目标剂量的偏差小于设定阈值。示例性地，可以采用梯度法根据偏差对应修改子野信息，以更新子野信息。可选的，更新子野信息可以更新子野跳数和/或子野形状。
S260、基于各采样点上的剂量，确定放射治疗计划。
当子野信息对应的各采样点的当前剂量与目标剂量的偏差小于设定阈值时，则表明当前确定的子野信息以及各采样点的剂量所形成放射治疗计划能够对肿瘤器官起到一定的治疗作用，同时有效保护危及器官。因此，直接将所形成的放疗计划作为最终优化后的放射治疗计划。
本发明实施例通过将求解优化模型的过程进行具体化：在当前迭代计算过程中确定子野信息，并基于子野信息计算采样点上的剂量；若采样点上的剂量与目标剂量的偏差不小于设定阈值，则修改子野信息，并重新计算采样点上的剂量，直至各采样点上的剂量与目标剂量的偏差小于设定阈值。采用上述技术方案完善了放射治疗计划的确定机制，使得所确定的放射治疗计划能够有效对肿瘤器官起到一定的治疗作用，同时有效保护危及器官，进而最大限度保证患者的身体健康。
在上述各实施例的技术方案的基础上，为了便于所确定的放射治疗计划的有效执行，进一步地在确定放射治疗计划之后，还包括：根据当前治疗模式下的最大剂量率、所述总时间长度以及子野的跳数，确定每个子野的执行周期数；根据所述总时间长度、子野的跳数以及所述执行周期数，确定所述每个子野的执行剂量率。
具体的，由于放射治疗设备具备不同的治疗模式，各治疗模式下对应的射线的剂量率不同。因此，采用不同的治疗模式所对应的放疗参数也存在差异。示例性地，当前治疗模式包括低能治疗模式、中能治疗模式以及高能治疗模式等。
为了保证执行放射治疗计划时所使用的各放疗参数与所确定的放射治疗计划相匹配，将会根据放疗设备所采用的当前治疗模式，确定对应的最大剂量率；根据图像序列中各图像对应的时间长度确定的总时间长度、最大剂量率、以及放射治疗计划中所包含的子野信息，确定各子野的执行周期数；根据总时间长度、子野信息中所包含的子野的跳数、以及所确定的执行周期，确定各子野的执行剂量率。
需要说明的是，放疗设备可以是放射治疗计划系统中的一部分，也可以区别于放射治疗计划系统而单独存在。
具体的，根据公式确定子野信息中各子野的执行周期数Lk；其中，Lk为第k个子野的执行周期数；Rmax为最大剂量率，T为总时间长度。
具体的，根据公式确定各子野的执行剂量率Rk；其中，Rk为第k个子野的执行剂量率。
实施例三
图3是本发明实施例三中的一种放射治疗计划确定方法的流程图。本发明实施例在上述各实施例的技术方案的基础上提供了一种优选实施方式。
如图3所示的一种放射治疗计划确定方法，应用于放射治疗计划系统，包括：
S301、确定一个生理运动周期，并获取该生理运动周期内的4DCT图像。
S302、根据4DCT图像中各静态CT图像对应的扫描时刻，确定各静态CT图像对应的时间长度。
其中，各静态CT图像对应的时间段互不交叉，并且各静态CT图像的时间长度的累加和与生理运动周期相同。
示例性地，各静态CT与生理运动周期的不同阶段对应。将生理运动周期划分为多个阶段，每个阶段与一个静态CT图像对应，每个CT图像对应的时间段长度等于对应的该阶段的生理运动的时间段长度。
为了便于计算以及最终确定的放射治疗计划与肿瘤患者的匹配度，优选是将各静态CT图像对应的时间长度均匀分布在生理运动周期中。具体的，设定生理运动周期为T，则4DCT图像对应的时间长度也为T，其中每个静态CT图像分别对应该生理运动周期中的t1、t2、t3、…、tn-1、tn时刻，为表述准确设定t0为-t1，tn+1为2T-tn。相应的，确定各静态CT图像对应的时间段为
S303、选择任一静态CT图像作为参考CT图像，在参考CT图像中勾画感兴趣区域。
S304、对参考CT图像中的感兴趣区域进行采样得到多个采样点。
S305、将参考CT图像与其他静态CT图像进行形变配准。
S306、根据配准结果将所勾画的感兴趣区域以及各采样点映射至其他静态CT图像。
可以理解的是，各静态CT图像中通过配准所得到的采样点与配准前的采样点对应患者感兴趣区域中的同一位置。
S307、根据各采样点的标识以及相应的感兴趣区域的目标剂量，构建以子野形状和子野跳数为自变量的目标函数。
其中，不同静态CT图像中相同标识的采样点对应患者感兴趣区域中的同一位置。
S308、根据每个静态CT图像中各采样点在相应的当前子野中的单位剂量，与子野跳数的乘积，并结合该乘积在各当前子野中的累加和，确定不同静态CT图像中各采样点的计划剂量。
具体的，根据公式确定每个静态CT图像中的各采样点上的计划剂量Dij；其中，Dij为第j个采样点在第i个静态CT图像上的计划剂量；Muk为第k个子野的跳数；dij k为第k个子野在第i个静态CT图像上对第j个采样点的单位剂量；M为子野的总数量。
S309、根据各时间长度在生理运动周期的占比确定各静态CT图像的权重。
S310、根据各采样点的计划剂量与各静态CT图像的权重的加权和，确定各采样点在生理运动周期内的当前剂量。
S311、判断目标函数的函数值是否满足预设调节；若是，则执行S312；若否，则执行S313。
S312、根据各当前子野和子野跳数，以及当前子野中各采样点的当前剂量，确定放射治疗计划。继续执行S314。
S313、根据各采样点的当前剂量与目标剂量的偏差并结合梯度法，调整参考子野和各参考子野的跳数，返回执行S308。
相应的，放疗设备根据确定的放射治疗计划所包含的子野跳数，与最大剂量率和生理运动周期的比值向上取整后得到各子野的执行周期数；根据子野跳数与生理运动周期和执行周期数的比值，确定各子野的执行剂量率；根据子野以及各子野对应的执行剂量率和执行周期，控制射线出束，以执行所确定的放射治疗计划。
可替换的，对感兴趣区域的勾画可以通过用户在每个静态CT上进行手动勾画；也可以通过自动勾画算法在每个静态CT上进行自动勾画，并由用户进行确认。
实施例四
图4是本发明实施例四中的一种放射治疗计划确定装置的结构图。本发明实施例适用于针对肿瘤患者的肿瘤部位确定放射治疗计划的情况，该装置由软件和/或硬件实现，并具体配置于承载放射治疗计划系统的服务器或计算机设备中。
如图4所示的一种放射治疗计划确定装置，包括：图像序列获取模块410，优化模型建立模块420以及放疗计划确定模块430。
其中，图像序列获取模块410，用于获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点；
优化模型建立模块420，用于基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型；
放疗计划确定模块430，用于求解所述优化模型，确定放射治疗计划。
本发明实施例通过图像序列获取模块获取随时间分布包括对应于感兴趣区域的相同位置的采样点；通过优化模型建立模块基于采样点以及图像序列中每幅图像的权重建立优化模型；通过放疗计划确定模块求解优化模型，确定放射治疗计划，解决了现有技术中肿瘤靶区随呼吸、心跳等原因产生周期性移动，导致靶区及靶区周围危及器官的实际受照剂量与目标剂量存在差异的问题，为运动靶区提供更精准的放射治疗计划，有利于实现更精确的治疗，有效保护了靶区周围的危及器官，同时适用于与现有的大部分执行放射治疗计划的放疗设备。
进一步地，放疗计划确定模块430，包括：
计算单元，用于根据当前的子野信息以及所述图像序列中每幅图像的权重，计算所述采样点上的剂量。
进一步地，计算单元，具体用于：
对每幅图像，根据当前的每个子野的跳数和每个子野对所述图像中的所述采样点的单位剂量，计算当前图像中的所述采样点上的剂量；
根据每幅图像中的所述采样点上的剂量以及所述图像序列中每幅图像的权重，计算所述采样点上的剂量。
进一步地，所述图像序列中每幅图像的权重根据所述图像序列中每幅图像对应的时间长度以及所述图像序列对应的总时间长度计算得到。
进一步地，所述图像序列对应的总时间长度与所述感兴趣区域的生理运动周期相对应。
进一步地，所述随时间分布的图像序列为4DCT图像。
进一步地，图像序列获取模块410，包括：
第一获取单元，用于获取同一生理运动周期内，扫描所述感兴趣区域所得到的各幅图像形成图像序列；或者，
第二获取单元，用于获取至少两个生理运动周期内，扫描感兴趣区域所得到的各幅候选图像，并从各候选图像中选择部分图像形成图像序列。
进一步地，该装置还包括，采样点确定模块，具体包括：
采样单元，用于在获取随时间分布的图像序列之后，从所述图像序列中选择其中一个图像作为参考图像，并对所述参考图像进行采样得到多个采样点；
配准映射单元，用于将所述参考图像与所述随时间分布的图像序列中的其它图像进行配准，并根据配准结果将所述参考图像中的各采样点分别映射至所述其它图像上。
进一步地，该装置还包括，执行参数确定模块，具体包括：
周期数确定单元，用于在确定放射治疗计划之后，根据当前治疗模式下的最大剂量率、所述总时间长度以及子野的跳数，确定每个子野的执行周期数；
剂量率确定单元，用于根据所述总时间长度、子野的跳数以及所述执行周期数，确定所述每个子野的执行剂量率。
上述放射治疗计划确定装置可执行本发明任意实施例所提供的放射治疗计划确定方法，具备执行放射治疗计划确定方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五中的一种放射治疗计划系统的结构图。该系统包括：输入装置510、输出装置520、处理器530以及存储装置540。
输入装置510，用于获取随时间分布的图像序列中的各图像；
输出模块520，用于展示图像序列，还用于展示放射治疗计划；
一个或多个处理器530；
存储装置540，用于存储一个或多个程序。
图5中以一个处理器530为例，该放射治疗计划系统中的输入装置510可以通过总线或其他方式与输出装置520、处理器530以及存储装置540相连，且处理器530和存储装置540也通过总线或其他方式连接，图5中以通过总线连接为例。
在本实施例中，放射治疗计划系统中的处理器530可以从输入装置510或存储装置540中获取随时间分布的图像序列；还可以控制输出装置520展示图像序列中的各图像；还可以基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型；还可以求解所述优化模型，确定放射治疗计划；还可以控制输出装置520展示放射治疗计划。
该放射治疗计划系统中的存储装置540作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例中放射治疗计划确定方法对应的程序指令/模块(例如，附图4所示的图像序列获取模块410，优化模型建立模块420以及放疗计划确定模块430)。处理器530通过运行存储在存储装置540中的软件程序、指令以及模块，从而执行放射治疗计划系统的各种功能应用以及数据处理，即实现上述方法实施例中的放射治疗计划确定方法。
存储装置540可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储数据等(如上述实施例中的图像序列、感兴趣区域、感兴趣区域中的各采样点以及放射治疗计划等)。此外，存储装置540可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置540可进一步包括相对于处理器530远程设置的存储器，这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被放射治疗计划确定装置执行时实现本发明实施提供的放射治疗计划确定方法，该方法包括：获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点；基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型；求解所述优化模型，确定放射治疗计划。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种放射治疗计划系统，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器执行如下放射治疗计划确定方法：
获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点；
基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型；
求解所述优化模型，确定放射治疗计划。
2.根据权利要求1所述的系统，其特征在于，所述求解所述优化模型，确定放射治疗计划，包括：
根据子野信息以及所述图像序列中每幅图像的权重，计算所述采样点上的剂量。
3.根据权利要求2所述的系统，其特征在于，根据子野信息以及所述图像序列中每幅图像的权重，计算所述采样点上的剂量，包括：
对每幅图像，根据每个子野的跳数和每个子野对所述图像中的所述采样点的单位剂量，计算当前图像中的所述采样点上的剂量；
根据每幅图像中的所述采样点上的剂量以及所述图像序列中每幅图像的权重，计算所述采样点上的剂量。
4.根据权利要求1-3任一项所述的系统，其特征在于，所述图像序列中每幅图像的权重根据所述图像序列中每幅图像对应的时间长度以及所述图像序列对应的总时间长度计算得到。
5.根据权利要求4所述的系统，其特征在于，所述图像序列对应的总时间长度与所述感兴趣区域的生理运动周期相对应。
6.根据权利要求1所述的系统，其特征在于，所述图像序列为四维计算机断层扫描图像。
7.根据权利要求1所述的系统，其特征在于，所述获取随时间分布的图像序列，包括：
获取同一生理运动周期内，扫描所述感兴趣区域所得到的各幅图像形成图像序列；或者，
获取至少两个生理运动周期内，扫描感兴趣区域所得到的各幅候选图像，并从各候选图像中选择部分图像形成图像序列。
8.根据权利要求1所述的系统，其特征在于，所述处理器所执行的放射治疗计划确定方法，还包括：
在获取随时间分布的图像序列之后，从所述图像序列中选择其中一个图像作为参考图像，并对所述参考图像进行采样得到多个采样点；
将所述参考图像与所述随时间分布的图像序列中的其它图像进行配准，并根据配准结果将所述参考图像中的各采样点分别映射至所述其它图像上。
9.根据权利要求4所述的系统，其特征在于，所述处理器所执行的放射治疗计划确定方法，还包括：
在确定放射治疗计划之后，根据当前治疗模式下的最大剂量率、所述总时间长度以及子野的跳数，确定每个子野的执行周期数；
根据所述总时间长度、子野的跳数以及所述执行周期数，确定所述每个子野的执行剂量率。
10.一种放射治疗计划确定装置，配置于如权利要求1-9任一项所述的系统，其特征在于，包括：
图像序列获取模块，用于获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点；
优化模型建立模块，用于基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型；
放疗计划确定模块，用于求解所述优化模型，确定放射治疗计划。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如下方法：
获取随时间分布的图像序列，所述图像序列包括对应于感兴趣区域的相同位置的采样点；
基于所述采样点以及所述图像序列中每幅图像的权重建立优化模型；
求解所述优化模型，确定放射治疗计划。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811648183.2A CN109453473A (zh) | 2018-12-30 | 2018-12-30 | 放射治疗计划系统、确定装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811648183.2A CN109453473A (zh) | 2018-12-30 | 2018-12-30 | 放射治疗计划系统、确定装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109453473A true CN109453473A (zh) | 2019-03-12 |
Family
ID=65615961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811648183.2A Pending CN109453473A (zh) | 2018-12-30 | 2018-12-30 | 放射治疗计划系统、确定装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109453473A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110548231A (zh) * | 2019-09-12 | 2019-12-10 | 上海联影医疗科技有限公司 | 放疗计划生成系统、装置及存储介质 |
| CN110931107A (zh) * | 2019-11-22 | 2020-03-27 | 上海联影医疗科技有限公司 | 放疗计划生成系统、装置及存储介质 |
| CN111249632A (zh) * | 2020-02-24 | 2020-06-09 | 广州医科大学附属肿瘤医院 | 一种放疗剂量等级应用的控制系统及控制方法 |
| CN112149669A (zh) * | 2020-09-23 | 2020-12-29 | 上海联影医疗科技股份有限公司 | 放疗计划生成系统、装置及存储介质 |
| CN113018707A (zh) * | 2021-03-24 | 2021-06-25 | 中国科学院近代物理研究所 | 一种基于射程的肿瘤内靶区生成方法和系统 |
| CN113180971A (zh) * | 2021-04-29 | 2021-07-30 | 新乡市中心医院 | 一种中医护理装置和控制方法 |
| CN113658149A (zh) * | 2021-08-23 | 2021-11-16 | 上海联影医疗科技股份有限公司 | 计算机可读存储介质以及计算设备 |
| CN113658168A (zh) * | 2021-08-25 | 2021-11-16 | 上海联影医疗科技股份有限公司 | 指定剂量区的获取方法、系统、终端及存储介质 |
| CN118471436A (zh) * | 2024-07-15 | 2024-08-09 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 受照剂量的确定装置、电子设备及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101172053A (zh) * | 2006-09-28 | 2008-05-07 | 艾可瑞公司 | 使用四维成像数据的放射治疗计划 |
| CN102156974A (zh) * | 2011-04-22 | 2011-08-17 | 浙江大学 | 解剖信息约束下基于h∞滤波的动态pet浓度重建方法 |
| EP2402058A1 (en) * | 2010-07-01 | 2012-01-04 | Siemens Medical Solutions USA, Inc. | System for radiation treatment of moving targets |
| CN106730411A (zh) * | 2016-12-21 | 2017-05-31 | 上海联影医疗科技有限公司 | 放射治疗计划优化方法及系统 |
| CN107221013A (zh) * | 2017-05-16 | 2017-09-29 | 山东财经大学 | 一种基于变分光流估计肺部4d‑ct图像超分辨率处理方法 |
-
2018
- 2018-12-30 CN CN201811648183.2A patent/CN109453473A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101172053A (zh) * | 2006-09-28 | 2008-05-07 | 艾可瑞公司 | 使用四维成像数据的放射治疗计划 |
| EP2402058A1 (en) * | 2010-07-01 | 2012-01-04 | Siemens Medical Solutions USA, Inc. | System for radiation treatment of moving targets |
| CN102156974A (zh) * | 2011-04-22 | 2011-08-17 | 浙江大学 | 解剖信息约束下基于h∞滤波的动态pet浓度重建方法 |
| CN106730411A (zh) * | 2016-12-21 | 2017-05-31 | 上海联影医疗科技有限公司 | 放射治疗计划优化方法及系统 |
| CN107221013A (zh) * | 2017-05-16 | 2017-09-29 | 山东财经大学 | 一种基于变分光流估计肺部4d‑ct图像超分辨率处理方法 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110548231A (zh) * | 2019-09-12 | 2019-12-10 | 上海联影医疗科技有限公司 | 放疗计划生成系统、装置及存储介质 |
| CN110931107A (zh) * | 2019-11-22 | 2020-03-27 | 上海联影医疗科技有限公司 | 放疗计划生成系统、装置及存储介质 |
| CN110931107B (zh) * | 2019-11-22 | 2023-08-29 | 上海联影医疗科技股份有限公司 | 放疗计划生成系统、装置及存储介质 |
| CN111249632A (zh) * | 2020-02-24 | 2020-06-09 | 广州医科大学附属肿瘤医院 | 一种放疗剂量等级应用的控制系统及控制方法 |
| CN112149669B (zh) * | 2020-09-23 | 2023-05-23 | 上海联影医疗科技股份有限公司 | 放疗计划生成系统、装置及存储介质 |
| CN112149669A (zh) * | 2020-09-23 | 2020-12-29 | 上海联影医疗科技股份有限公司 | 放疗计划生成系统、装置及存储介质 |
| CN113018707B (zh) * | 2021-03-24 | 2022-09-13 | 中国科学院近代物理研究所 | 一种基于射程的肿瘤内靶区生成系统 |
| CN113018707A (zh) * | 2021-03-24 | 2021-06-25 | 中国科学院近代物理研究所 | 一种基于射程的肿瘤内靶区生成方法和系统 |
| CN113180971A (zh) * | 2021-04-29 | 2021-07-30 | 新乡市中心医院 | 一种中医护理装置和控制方法 |
| CN113180971B (zh) * | 2021-04-29 | 2023-09-22 | 新乡市中心医院 | 一种中医护理装置和控制方法 |
| CN113658149A (zh) * | 2021-08-23 | 2021-11-16 | 上海联影医疗科技股份有限公司 | 计算机可读存储介质以及计算设备 |
| CN113658149B (zh) * | 2021-08-23 | 2024-05-17 | 上海联影医疗科技股份有限公司 | 计算机可读存储介质以及计算设备 |
| CN113658168A (zh) * | 2021-08-25 | 2021-11-16 | 上海联影医疗科技股份有限公司 | 指定剂量区的获取方法、系统、终端及存储介质 |
| CN113658168B (zh) * | 2021-08-25 | 2024-04-16 | 上海联影医疗科技股份有限公司 | 指定剂量区的获取方法、系统、终端及存储介质 |
| CN118471436A (zh) * | 2024-07-15 | 2024-08-09 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 受照剂量的确定装置、电子设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109453473A (zh) | 放射治疗计划系统、确定装置及存储介质 | |
| US11103727B2 (en) | Model based PBS optimization for flash therapy treatment planning and oncology information system | |
| JP6925364B2 (ja) | 適応放射線治療計画 | |
| RU2684173C2 (ru) | Система и способ для автоматического планирования лечения | |
| CN107708805B (zh) | 一种用于放疗治疗计划的优化的方法、计算机可读介质和系统 | |
| Leal et al. | Routine IMRT verification by means of an automated Monte Carlo simulation system | |
| US20140336438A1 (en) | Beam segment-level dose computation and temporal motion tracking for adaptive treatment planning | |
| CN110420396B (zh) | 一种放射治疗计划优化系统、装置及存储介质 | |
| CN110211664A (zh) | 一种基于机器学习自动设计放射治疗方案的系统 | |
| CN108367159B (zh) | 自适应辐射治疗规划 | |
| US11090508B2 (en) | System and method for biological treatment planning and decision support | |
| Chow | Artificial intelligence in radiotherapy and patient care | |
| JP2022524239A (ja) | 放射線治療計画作成のためのシステム、コンピュータプログラム製品、及び方法 | |
| US11941544B2 (en) | Generating and applying robust dose prediction models | |
| Reijtenbagh et al. | Multi-center dosimetric predictions to improve plan quality for brachytherapy for cervical cancer treatment | |
| Yan et al. | A fast optimization approach for treatment planning of volumetric modulated arc therapy | |
| JP7503714B2 (ja) | 放射線治療計画のための線量マップを予測する方法及びコンピュータプログラム | |
| CN117116421B (zh) | 放疗计划的确定方法和装置 | |
| CN114446441B (zh) | 基于计划库调用的自适应放疗的方法和装置 | |
| Moore et al. | Comparisons of treatment optimization directly incorporating random patient setup uncertainty with a margin‐based approach | |
| CN116705229A (zh) | 放疗计划的确定装置 | |
| US6167294A (en) | Method and apparatus for producing benefit/risk evaluation data relating to radiation therapy in patients | |
| Nouranian et al. | Automatic prostate brachytherapy preplanning using joint sparse analysis | |
| WO2023184178A1 (zh) | 治疗计划生成方法、装置、设备及介质 | |
| US12070622B2 (en) | System and method for radiotherapy field delivery time optimization |
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 | ||
| CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190312 |
|
| RJ01 | Rejection of invention patent application after publication |