一種在線自適應(yīng)放療計(jì)劃優(yōu)化方法
【專利摘要】本發(fā)明公開(kāi)了一種在線自適應(yīng)放療計(jì)劃優(yōu)化方法，其通過(guò)導(dǎo)入分次引導(dǎo)圖像后與原始計(jì)劃中的圖像進(jìn)行剛性配準(zhǔn)和形變配準(zhǔn)，生成靶區(qū)和危及器官的此分次勾畫輪廓，根據(jù)原始計(jì)劃中的參數(shù)、分次引導(dǎo)圖像和此分次勾畫輪廓重新計(jì)算劑量分布和劑量體積直方圖，其后結(jié)合原始處方約束判斷是否需要修改放療計(jì)劃，如需要?jiǎng)t結(jié)合臨床要求進(jìn)行病人放療計(jì)劃的快速在線修改，生成此分次放療計(jì)劃并進(jìn)行自動(dòng)放療計(jì)劃質(zhì)量保證。本發(fā)明可通過(guò)基于GPU加速的形變配準(zhǔn)及劑量計(jì)算算法，綜合考慮到病人治療過(guò)程中解剖結(jié)構(gòu)的變化，并能夠在每個(gè)分次治療開(kāi)始前短時(shí)間內(nèi)快速完成整個(gè)放療計(jì)劃的優(yōu)化。相比于基于商業(yè)治療計(jì)劃系統(tǒng)的離線自適應(yīng)放療方法，效率高，滿足臨床需要。
【專利說(shuō)明】一種在線自適應(yīng)放療計(jì)劃優(yōu)化方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及治療計(jì)劃的優(yōu)化方法，具體涉及一種放療計(jì)劃的優(yōu)化方法。

【背景技術(shù)】
[0002] 目前的腫瘤放射治療過(guò)程一般是在治療開(kāi)始前，基于病人的定位CT來(lái)生成放療 計(jì)劃，然后在隨后的治療過(guò)程中保持放療計(jì)劃不變，對(duì)病人進(jìn)行若干分次治療。這樣的治療 模式?jīng)]有考慮到治療過(guò)程中病人的解剖結(jié)構(gòu)變化，比如腫瘤體積和位置的變化，病人身體 輪廓的變化，胃腸充盈狀態(tài)的變化以及引起的周圍危及器官位置的變化等，導(dǎo)致病人實(shí)際 接受的劑量偏離醫(yī)生的處方劑量，進(jìn)而引起腫瘤控制率的下降和正常組織并發(fā)癥概率的增 加。
[0003] 當(dāng)病人解剖結(jié)構(gòu)發(fā)生很大變化時(shí)，傳統(tǒng)自適應(yīng)治療方法通常被用來(lái)修正放射治 療的計(jì)劃。傳統(tǒng)自適應(yīng)放療通過(guò)在治療過(guò)程中的某個(gè)分次前掃描病人的定位CT，然后由 醫(yī)生重新勾畫靶區(qū)和危及器官的輪廓，接著由物理師或者劑量員通過(guò)商業(yè)治療計(jì)劃系統(tǒng) (Treatment Planning System, TPS)重新設(shè)計(jì)優(yōu)化治療計(jì)劃，并由物理師進(jìn)行治療計(jì)劃質(zhì) 量保證，最后治療計(jì)劃才能被用于以后分次的治療。然而，生成新的治療計(jì)劃的過(guò)程跟設(shè)計(jì) 原始放療計(jì)劃一樣，時(shí)間長(zhǎng)，延誤了新計(jì)劃的治療時(shí)間，并且需要投入很多的人力和物力， 所以也很少被醫(yī)院所采用。
[0004] 因此，縱觀目前國(guó)內(nèi)國(guó)外現(xiàn)有的放射治療模式，基于傳統(tǒng)的放射治療沒(méi)有考慮到 病人治療過(guò)程中解剖結(jié)構(gòu)的變化，因此不能實(shí)現(xiàn)預(yù)期的治療目標(biāo)，如果基于商業(yè)治療計(jì)劃 系統(tǒng)做離線自適應(yīng)放射治療，效率低，耗時(shí)耗力，因此難以在臨床上廣泛使用。


【發(fā)明內(nèi)容】

[0005] 發(fā)明目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種在線自適應(yīng)放療計(jì) 劃優(yōu)化方法，使得能夠在每個(gè)分次治療開(kāi)始前快速完成整個(gè)治療計(jì)劃的優(yōu)化，很好地滿足 了臨床需要。
[0006] 技術(shù)方案：為解決上述技術(shù)問(wèn)題，本發(fā)明提供的在線自適應(yīng)放療計(jì)劃優(yōu)化方法，包 括以下步驟： 1) 導(dǎo)入分次引導(dǎo)圖像； 2) 分次引導(dǎo)圖像與原始放療計(jì)劃中的圖像剛性配準(zhǔn)； 3) 分次引導(dǎo)圖像與原始放療計(jì)劃中的圖像形變配準(zhǔn)； 4) 生成并調(diào)整靶區(qū)和危及器官的此分次勾畫輪廓（即當(dāng)次的分次勾畫輪廓)，使其同分 次引導(dǎo)圖像的解剖結(jié)構(gòu)一致； 5) 根據(jù)分次引導(dǎo)圖像和原始放療計(jì)劃中的圖像，判斷病人的解剖結(jié)構(gòu)的變化是否超過(guò) 變化閾值，如是，則進(jìn)入步驟6);如否，則保存原始放療計(jì)劃作為此分次放療計(jì)劃（即當(dāng)次的 分次放療計(jì)劃)，結(jié)束； 6) 根據(jù)原始放療計(jì)劃中的參數(shù)，基于分次引導(dǎo)圖像和此分次勾畫輪廓重新計(jì)算劑量分 布（Dose Distribution)和劑量體積直方圖（Dose Volume Histogram，DVH); 7) 判斷步驟6)得到的劑量分布和劑量體積直方圖是否符合原始處方約束，如否，則進(jìn) 入步驟8);如是，則使用原始放療計(jì)劃作為此分次放療計(jì)劃，結(jié)束； 8) 基于步驟4)生成的此分次勾畫輪廓，結(jié)合臨床要求，進(jìn)行病人放療計(jì)劃的快速在 線修改，生成此分次放療計(jì)劃（即當(dāng)次的分次放療計(jì)劃)，并進(jìn)行自動(dòng)放療計(jì)劃質(zhì)量保證 (Quality Assurance, QA),結(jié)束。
[0007] 優(yōu)選的，所述步驟1)中，所述分次引導(dǎo)圖像包括CT (Computed Tomography)、錐束 CT (Cone-Beam CT)、超聲（Ultrasound)、PET (Positron Emission Tomography)或磁共振 (Magnetic Resonance, MR)等圖像中的至少一種；所述步驟3)中，通過(guò)形變配準(zhǔn)算法快速 計(jì)算形變矢量場(chǎng)，并基于有限元模型計(jì)算每個(gè)體元的受力情況，分析形變矢量場(chǎng)的誤差，自 動(dòng)檢查分次引導(dǎo)圖像與原始放療計(jì)劃中的圖像形變配準(zhǔn)的精確度； 所述步驟4)中包括如下步驟： 4. 1)結(jié)合步驟1)得到的分次引導(dǎo)圖像和步驟3)得到的形變矢量場(chǎng)，基于原始計(jì)劃上 靶區(qū)和危及器官的勾畫輪廓，生成初始的分次勾畫輪廓； 4. 2)將初始的分次勾畫輪廓和原始計(jì)劃上的勾畫輪廓進(jìn)行對(duì)比，結(jié)合臨床要求進(jìn)行修 改，使其同分次引導(dǎo)圖像的解剖結(jié)構(gòu)一致，從而生成靶區(qū)和危及器官的此分次勾畫輪廓； 所述步驟6)中，是將原始放療計(jì)劃的參數(shù)、步驟1)得到的分次引導(dǎo)圖像、步驟4)得到 的此分次勾畫輪廓，通過(guò)快速劑量計(jì)算算法重新計(jì)算劑量分布，進(jìn)而計(jì)算得到劑量體積直 方圖DVH; 所述步驟8)中包括如下步驟： 8. 1)當(dāng)原始放療計(jì)劃是靜態(tài)調(diào)強(qiáng)放射治療計(jì)劃（Static IMRT)時(shí)，基于步驟4)得到 的此分次勾畫輪廓，沿著機(jī)架角度使用快速投影算法得到射束方向視圖（Beam Eye View, BEV)，根據(jù)射束方向視圖修改并確認(rèn)靜態(tài)調(diào)強(qiáng)放射治療計(jì)劃每個(gè)子野（Segment)的多頁(yè) 準(zhǔn)直器（Multi-Leaf Collimator，MLC)形狀；當(dāng)原始放療計(jì)劃是容積調(diào)強(qiáng)放射治療計(jì)劃 (VMAT)時(shí)，基于步驟4)得到的此分次勾畫輪廓，沿著每個(gè)控制點(diǎn)使用快速投影算法得到射 束方向視圖，結(jié)合多頁(yè)準(zhǔn)直器的葉片最大運(yùn)動(dòng)速度，根據(jù)射束方向視圖修改并確認(rèn)容積調(diào) 強(qiáng)放射治療計(jì)劃每個(gè)子野的多頁(yè)準(zhǔn)直器形狀； 8. 2)以原始放療計(jì)劃劑量體積直方圖為參考，自動(dòng)調(diào)整此分次勾畫輪廓中每個(gè)器官的 權(quán)重，結(jié)合多頁(yè)準(zhǔn)直器透射光子和凹凸槽透射光子的影響，采用快速劑量計(jì)算算法計(jì)算修 改后的每個(gè)子野的劑量分布； 8. 3)當(dāng)原始放療計(jì)劃是靜態(tài)調(diào)強(qiáng)放射治療計(jì)劃（Static IMRT)時(shí)，采用快速優(yōu)化算法 優(yōu)化每個(gè)子野的權(quán)重，即每個(gè)子野的跳數(shù)（MU)，獲得優(yōu)化后的此分次放療計(jì)劃的劑量分布； 當(dāng)原始放療計(jì)劃是容積調(diào)強(qiáng)放射治療計(jì)劃（VMAT)時(shí)，則采用快速優(yōu)化算法優(yōu)化每個(gè)子野的 權(quán)重，得到多頁(yè)準(zhǔn)直器葉片運(yùn)動(dòng)速度和加速器劑量率在內(nèi)的放療加速器機(jī)器照射參數(shù)，獲 得優(yōu)化后的此分次放療計(jì)劃的劑量分布； 8. 4)結(jié)合臨床要求，生成此分次放療計(jì)劃，即當(dāng)次的分次放療計(jì)劃； 8. 5)采用不同于步驟8. 2)的另一種快速劑量計(jì)算算法再次進(jìn)行劑量計(jì)算，并與步驟 8. 3)得到的劑量分布進(jìn)行三維伽馬索引值計(jì)算評(píng)估，判斷伽馬通過(guò)率是否小于預(yù)設(shè)伽馬通 過(guò)率閾值，如是則進(jìn)入步驟8. 1)重新計(jì)算，如否則結(jié)束。
[0008] 優(yōu)選的，所述步驟5)中的變化閾值為30%。當(dāng)然也可以是根據(jù)需要設(shè)定，如為10%、 15%、20% 或 25%。
[0009] 優(yōu)選的，所述步驟3)中的形變配準(zhǔn)算法、所述步驟6)、步驟8. 2)與步驟8. 5)中的 快速劑量計(jì)算算法、所述步驟8. 1)和步驟8. 3)中的快速優(yōu)化算法、所述步驟8. 5)中的三 維伽馬索引值計(jì)算評(píng)估是通過(guò)基于GPU、CPU或分布式云計(jì)算平臺(tái)實(shí)現(xiàn)的。
[0010] 優(yōu)選的，所述步驟3)的形變配準(zhǔn)算法為Demons算法或B-Spline算法；所述步 驟6)、步驟8. 2)與步驟8. 5)中的快速劑量計(jì)算算法為卷積疊加算法或蒙特卡洛算法；所 述步驟8. 1)中的快速投影算法為Ray-Tracing算法；所述步驟8. 3)中的快速優(yōu)化算法為 Conjugate Gradient Barzilai-Borwein 算法； 優(yōu)選的，所述步驟8. 5)中的預(yù)設(shè)伽馬通過(guò)率閾值為95%。當(dāng)然也可以是根據(jù)需要設(shè)定， 如為 96%、97%、98% 或 99%。
[0011] 有益效果：本發(fā)明提供了一種在線自適應(yīng)放療計(jì)劃優(yōu)化方法，其通過(guò)導(dǎo)入分次引 導(dǎo)圖像后與原始放療計(jì)劃中的圖像進(jìn)行剛性配準(zhǔn)和形變配準(zhǔn)，生成靶區(qū)和危及器官當(dāng)次的 分次勾畫輪廓，當(dāng)病人的解剖結(jié)構(gòu)的變化超過(guò)變化閾值時(shí)，根據(jù)原始放療計(jì)劃中的參數(shù)、分 次引導(dǎo)圖像和當(dāng)次的分次勾畫輪廓重新計(jì)算劑量分布和劑量體積直方圖，其后結(jié)合原始處 方約束判斷是否需要修改放療計(jì)劃，當(dāng)劑量分布和劑量體積直方圖不符合原始處方約束 時(shí)，結(jié)合此分次勾畫輪廓和臨床要求進(jìn)行病人放療計(jì)劃的快速在線修改，最終生成當(dāng)次的 分次放療計(jì)劃，并進(jìn)行自動(dòng)放療計(jì)劃質(zhì)量保證。
[0012] 本方法發(fā)明通過(guò)基于GPU加速的形變配準(zhǔn)及劑量計(jì)算算法，綜合考慮到病人治療 過(guò)程中解剖結(jié)構(gòu)的變化，并使得整個(gè)放療計(jì)劃優(yōu)化過(guò)程可在病人躺倒在病床上之后的幾分 鐘之內(nèi)完成，能夠在每個(gè)分次治療開(kāi)始前快速完成整個(gè)放療計(jì)劃的優(yōu)化。相比于基于商業(yè) 治療計(jì)劃系統(tǒng)的離線自適應(yīng)放療方法，本發(fā)明效率高，節(jié)約時(shí)間及人力成本，很好的滿足了 臨床需要，可在臨床上推廣應(yīng)用，具有顯著的社會(huì)意義。

【專利附圖】

【附圖說(shuō)明】
[0013] 圖1是本方法發(fā)明的流程圖； 圖2是本方法發(fā)明中步驟8)的流程圖。

【具體實(shí)施方式】
[0014] 下面結(jié)合實(shí)施例對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說(shuō)明，本實(shí)施列對(duì)本發(fā)明不構(gòu)成限定。
[0015] 原始放療計(jì)劃為某療程首次或之前某個(gè)分次治療執(zhí)行前，基于患者腫瘤及其周圍 器官組織的影像信息，經(jīng)過(guò)靶區(qū)勾畫，確認(rèn)的放療計(jì)劃。原始處方約束為原始放療計(jì)劃的一 部分。
[0016] 在首次或之前某個(gè)分次治療執(zhí)行后的治療過(guò)程中，還將對(duì)病人進(jìn)行分次治療，在 這樣的分次治療(此分次治療）執(zhí)行前，本發(fā)明綜合考慮到病人治療過(guò)程中解剖結(jié)構(gòu)的變 化，對(duì)原始放療計(jì)劃進(jìn)行優(yōu)化以生成此分次放療計(jì)劃，本實(shí)施例所提供的在線自適應(yīng)放療 計(jì)劃優(yōu)化方法，如圖1所示，其包括以下步驟： 1)導(dǎo)入分次引導(dǎo)圖像：所述分次引導(dǎo)圖像為此分次治療執(zhí)行前患者腫瘤及其周圍 器官組織的影像信息，包括CT (Computed Tomography)、錐束CT (Cone-Beam CT)、超聲 (Ultrasound, US)、PET(Positron Emission Tomography)或磁共振（Magnetic Resonance, MR)等圖像中的至少一種； 2) 分次引導(dǎo)圖像與原始放療計(jì)劃中的圖像剛性配準(zhǔn)； 3) 分次引導(dǎo)圖像與原始放療計(jì)劃中的圖像形變配準(zhǔn)：通過(guò)形變配準(zhǔn)算法快速計(jì)算形變 矢量場(chǎng)（Deformation Vector Field, DVF)，所述形變配準(zhǔn)算法為Demons算法或B-Spline 算法；并基于有限元模型（Finite Element Modeling，F(xiàn)EM)計(jì)算每個(gè)體元的受力情況，分析 形變矢量場(chǎng)的誤差，自動(dòng)檢查分次引導(dǎo)圖像與原始放療計(jì)劃中的圖像形變配準(zhǔn)的精確度； 4) 生成并調(diào)整靶區(qū)和危及器官的此分次勾畫輪廓（即當(dāng)次的分次勾畫輪廓)，使其同分 次引導(dǎo)圖像的解剖結(jié)構(gòu)一致，包括： 4. 1)結(jié)合步驟1)得到的分次引導(dǎo)圖像和步驟3)得到的形變矢量場(chǎng)，基于原始計(jì)劃上 靶區(qū)和危及器官的勾畫輪廓，生成初始的分次勾畫輪廓； 4. 2)將初始的分次勾畫輪廓和原始計(jì)劃上的勾畫輪廓進(jìn)行對(duì)比，結(jié)合臨床要求進(jìn)行修 改，使其同分次引導(dǎo)圖像的解剖結(jié)構(gòu)一致，從而生成靶區(qū)和危及器官的此分次勾畫輪廓； 5) 根據(jù)分次引導(dǎo)圖像和原始放療計(jì)劃中的圖像，判斷病人的解剖結(jié)構(gòu)的變化是否超過(guò) 變化閾值，如是，則進(jìn)入步驟6);如否，則保存原始放療計(jì)劃作為此分次放療計(jì)劃（即當(dāng)次的 分次放療計(jì)劃)，結(jié)束；步驟5)中的變化閾值為30%。當(dāng)然也可以是根據(jù)需要設(shè)定，如為10%、 15%、20% 或 25%。
[0017] 6)根據(jù)原始放療計(jì)劃中的參數(shù)，基于分次引導(dǎo)圖像和此分次勾畫輪廓重新計(jì)算劑 量分布和劑量體積直方圖DVH :將原始放療計(jì)劃的參數(shù)、步驟1)得到的分次引導(dǎo)圖像、步驟 4)得到的此分次勾畫輪廓，通過(guò)快速劑量計(jì)算算法重新計(jì)算劑量分布，進(jìn)而計(jì)算得到劑量 體積直方圖DVH ;此處所采用的快速劑量計(jì)算算法為卷積疊加算法或蒙特卡洛算法； 7) 結(jié)合原始處方約束判斷是否需要修改放療計(jì)劃，即判斷步驟6)得到的劑量分布和劑 量體積直方圖是否符合原始處方約束，如否，則進(jìn)入步驟8);如是，則使用原始放療計(jì)劃作 為此分次放療計(jì)劃，結(jié)束； 8) 基于步驟4)生成的此分次勾畫輪廓，結(jié)合臨床要求，進(jìn)行病人放療計(jì)劃的快速在 線修改，生成此分次放療計(jì)劃（即當(dāng)次的分次放療計(jì)劃)，并進(jìn)行自動(dòng)放療計(jì)劃質(zhì)量保證 (Quality Assurance, QA)，如圖2所示，步驟8)包括如下步驟： 8. 1)當(dāng)原始放療計(jì)劃是靜態(tài)調(diào)強(qiáng)放射治療計(jì)劃（Static IMRT)時(shí)，基于步驟4)得到 的此分次勾畫輪廓，沿著機(jī)架角度使用快速投影算法得到射束方向視圖（Beam Eye View, BEV)，根據(jù)射束方向視圖修改并確認(rèn)靜態(tài)調(diào)強(qiáng)放射治療計(jì)劃每個(gè)子野（Segment)的多頁(yè) 準(zhǔn)直器（Multi-Leaf Collimator，MLC)形狀；當(dāng)原始放療計(jì)劃是容積調(diào)強(qiáng)放射治療計(jì)劃 (VMAT)時(shí)，基于步驟4)得到的此分次勾畫輪廓，沿著每個(gè)控制點(diǎn)（Control Point)使用快 速投影算法得到射束方向視圖，結(jié)合多頁(yè)準(zhǔn)直器的葉片最大運(yùn)動(dòng)速度，根據(jù)射束方向視圖 修改并確認(rèn)容積調(diào)強(qiáng)放射治療計(jì)劃每個(gè)子野的多頁(yè)準(zhǔn)直器形狀； 8. 2)以原始放療計(jì)劃劑量體積直方圖為參考，自動(dòng)調(diào)整此分次勾畫輪廓中每個(gè)器官的 權(quán)重，結(jié)合多頁(yè)準(zhǔn)直器透射光子和凹凸槽透射光子的影響，采用快速劑量計(jì)算算法計(jì)算修 改后的每個(gè)子野的劑量分布； 8. 3)當(dāng)原始放療計(jì)劃是靜態(tài)調(diào)強(qiáng)放射治療計(jì)劃（Static IMRT)時(shí)，采用Conjugate Gradient Barzilai-Borwein算法優(yōu)化每個(gè)子野的權(quán)重，即每個(gè)子野的跳數(shù)（MU)，獲得優(yōu)化 后的此分次放療計(jì)劃的劑量分布；當(dāng)原始放療計(jì)劃是容積調(diào)強(qiáng)放射治療計(jì)劃（VMAT)時(shí)，則 也使用Conjugate Gradient Barzilai-Borwein算法優(yōu)化每個(gè)子野的權(quán)重，得到多頁(yè)準(zhǔn)直 器葉片運(yùn)動(dòng)速度和加速器劑量率在內(nèi)的放療加速器機(jī)器照射參數(shù)，獲得優(yōu)化后的此分次放 療計(jì)劃的劑量分布； 8. 4)結(jié)合臨床要求，生成此分次放療計(jì)劃，即當(dāng)次的分次放療計(jì)劃； 8. 5)進(jìn)行自動(dòng)放療計(jì)劃質(zhì)量保證，即采用不同于步驟8. 2)的另一種快速劑量計(jì)算算法 再次進(jìn)行劑量計(jì)算，并與步驟8. 3)得到的劑量分布進(jìn)行三維伽馬索引值計(jì)算評(píng)估，判斷伽 馬通過(guò)率是否小于預(yù)設(shè)伽馬通過(guò)率閾值，如是則進(jìn)入步驟8. 1)重新計(jì)算，如否則結(jié)束。步 驟8. 5)中的預(yù)設(shè)伽馬通過(guò)率閾值為95%。當(dāng)然也可以是根據(jù)需要設(shè)定，如為96%、97%、98% 或 99%。
[0018] 本實(shí)施例中步驟8.2)中的快速劑量計(jì)算算法為卷積疊加算法，步驟8.5)中的快 速劑量計(jì)算算法為蒙特卡洛算法；當(dāng)然也可以根據(jù)需要設(shè)定為：步驟8. 2)中的快速劑量計(jì) 算算法為蒙特卡洛算法，步驟8. 5)中的快速劑量計(jì)算算法為卷積疊加算法。
[0019] 本實(shí)施例中步驟3)中的形變配準(zhǔn)算法、步驟6)、步驟8. 2)與步驟8. 5)中的快速 劑量計(jì)算算法、步驟8. 1)和步驟8. 3)中的快速優(yōu)化算法、步驟8. 5)中的三維伽馬索引值 計(jì)算評(píng)估是通過(guò)基于GPU、CPU或分布式云計(jì)算平臺(tái)實(shí)現(xiàn)的。
【權(quán)利要求】
1. 一種在線自適應(yīng)放療計(jì)劃優(yōu)化方法，其特征在于包括以下步驟： 1) 導(dǎo)入分次引導(dǎo)圖像； 2) 分次引導(dǎo)圖像與原始放療計(jì)劃中的圖像剛性配準(zhǔn)； 3) 分次引導(dǎo)圖像與原始放療計(jì)劃中的圖像形變配準(zhǔn)； 4) 生成并調(diào)整靶區(qū)和危及器官的此分次勾畫輪廓，使其同分次引導(dǎo)圖像的解剖結(jié)構(gòu)一 致； 5) 根據(jù)分次引導(dǎo)圖像和原始放療計(jì)劃中的圖像，判斷病人的解剖結(jié)構(gòu)的變化是否超過(guò) 變化閾值，如是，則進(jìn)入步驟6);如否，則保存原始放療計(jì)劃作為此分次放療計(jì)劃，結(jié)束； 6) 根據(jù)原始放療計(jì)劃中的參數(shù)，基于分次引導(dǎo)圖像和此分次勾畫輪廓重新計(jì)算劑量分 布和劑量體積直方圖； 7) 判斷步驟6)得到的劑量分布和劑量體積直方圖是否符合原始處方約束，如否，則進(jìn) 入步驟8);如是，則使用原始放療計(jì)劃作為此分次放療計(jì)劃，結(jié)束； 8) 基于步驟4)生成的此分次勾畫輪廓，結(jié)合臨床要求，進(jìn)行病人放療計(jì)劃的快速在線 修改，生成此分次放療計(jì)劃并進(jìn)行自動(dòng)放療計(jì)劃質(zhì)量保證，結(jié)束。
2. 根據(jù)權(quán)利要求1所述的在線自適應(yīng)放療計(jì)劃優(yōu)化方法，其特征在于： 所述步驟1)中，所述分次引導(dǎo)圖像包括CT、錐束CT、超聲、PET或磁共振中的至少一 種； 所述步驟3)中，通過(guò)形變配準(zhǔn)算法快速計(jì)算形變矢量場(chǎng)，并基于有限元模型計(jì)算每個(gè) 體元的受力情況，分析形變矢量場(chǎng)的誤差，自動(dòng)檢查分次引導(dǎo)圖像與原始放療計(jì)劃中的圖 像形變配準(zhǔn)的精確度； 所述步驟4)中包括如下步驟： 4. 1)結(jié)合步驟1)得到的分次引導(dǎo)圖像和步驟3)得到的形變矢量場(chǎng)，基于原始計(jì)劃上 靶區(qū)和危及器官的勾畫輪廓，生成初始的分次勾畫輪廓； 4. 2)將初始的分次勾畫輪廓和原始計(jì)劃上的勾畫輪廓進(jìn)行對(duì)比，結(jié)合臨床要求進(jìn)行修 改，使其同分次引導(dǎo)圖像的解剖結(jié)構(gòu)一致，從而生成靶區(qū)和危及器官的此分次勾畫輪廓； 所述步驟6)中，是將原始放療計(jì)劃的參數(shù)、步驟1)得到的分次引導(dǎo)圖像、步驟4)得到 的此分次勾畫輪廓，通過(guò)快速劑量計(jì)算算法重新計(jì)算劑量分布，進(jìn)而計(jì)算得到劑量體積直 方圖； 所述步驟8)中包括如下步驟： 8. 1)當(dāng)原始放療計(jì)劃是靜態(tài)調(diào)強(qiáng)放射治療計(jì)劃時(shí)，基于步驟4)得到的此分次勾畫輪 廓，沿著機(jī)架角度使用快速投影算法得到射束方向視圖，根據(jù)射束方向視圖修改并確認(rèn)靜 態(tài)調(diào)強(qiáng)放射治療計(jì)劃每個(gè)子野的多頁(yè)準(zhǔn)直器形狀；當(dāng)原始放療計(jì)劃是容積調(diào)強(qiáng)放射治療計(jì) 劃時(shí)，基于步驟4)得到的此分次勾畫輪廓，沿著每個(gè)控制點(diǎn)使用快速投影算法得到射束方 向視圖，結(jié)合多頁(yè)準(zhǔn)直器的葉片最大運(yùn)動(dòng)速度，根據(jù)射束方向視圖修改并確認(rèn)容積調(diào)強(qiáng)放 射治療計(jì)劃每個(gè)子野的多頁(yè)準(zhǔn)直器形狀； 8. 2)以原始放療計(jì)劃劑量體積直方圖為參考，自動(dòng)調(diào)整此分次勾畫輪廓中每個(gè)器官的 權(quán)重，結(jié)合多頁(yè)準(zhǔn)直器透射光子和凹凸槽透射光子的影響，采用快速劑量計(jì)算算法計(jì)算修 改后的每個(gè)子野的劑量分布； 8. 3)當(dāng)原始放療計(jì)劃是靜態(tài)調(diào)強(qiáng)放射治療計(jì)劃時(shí)，采用快速優(yōu)化算法優(yōu)化每個(gè)子野的 權(quán)重，即每個(gè)子野的跳數(shù)，獲得優(yōu)化后的此分次放療計(jì)劃的劑量分布；當(dāng)原始放療計(jì)劃是容 積調(diào)強(qiáng)放射治療計(jì)劃時(shí)，則采用快速優(yōu)化算法優(yōu)化每個(gè)子野的權(quán)重，得到多頁(yè)準(zhǔn)直器葉片 運(yùn)動(dòng)速度和加速器劑量率在內(nèi)的放療加速器機(jī)器照射參數(shù)，獲得優(yōu)化后的此分次放療計(jì)劃 的劑量分布； 8. 4)結(jié)合臨床要求，生成此分次放療計(jì)劃； 8. 5)采用不同于步驟8. 2)的另一種快速劑量計(jì)算算法再次進(jìn)行劑量計(jì)算，并與步驟 8. 3)得到的劑量分布進(jìn)行三維伽馬索引值計(jì)算評(píng)估，判斷伽馬通過(guò)率是否小于預(yù)設(shè)伽馬通 過(guò)率閾值，如是則進(jìn)入步驟8. 1)重新計(jì)算，如否則結(jié)束。
3. 根據(jù)權(quán)利要求1所述的在線自適應(yīng)放療計(jì)劃優(yōu)化方法，其特征在于：所述步驟5)中 的變化閾值為10%或15%或20%或25%或30%。
4. 根據(jù)權(quán)利要求2所述的在線自適應(yīng)放療計(jì)劃優(yōu)化方法，其特征在于：所述步驟3)中 的形變配準(zhǔn)算法、所述步驟6)、步驟8. 2)與步驟8. 5)中的快速劑量計(jì)算算法、所述步驟 8. 1)快速投影算法、和步驟8. 3)中的快速優(yōu)化算法、所述步驟8. 5)中的三維伽馬索引值計(jì) 算算法是通過(guò)基于GPU、CPU或分布式云計(jì)算平臺(tái)實(shí)現(xiàn)的。
5. 根據(jù)權(quán)利要求2所述的在線自適應(yīng)放療計(jì)劃優(yōu)化方法，其特征在于：所述步驟3) 的形變配準(zhǔn)算法為Demons算法或B-Spline算法；所述步驟6)、步驟8. 2)與步驟8. 5) 中的快速劑量計(jì)算算法為卷積疊加算法或蒙特卡洛算法；所述步驟8. 1)中的快速投影 算法為Ray-Tracing算法；所述步驟8. 3)中的快速優(yōu)化算法為Conjugate Gradient Barzilai-Borwein 算法。
6. 根據(jù)權(quán)利要求2所述的在線自適應(yīng)放療計(jì)劃優(yōu)化方法，其特征在于：所述步驟8. 5) 中的預(yù)設(shè)伽馬通過(guò)率閾值為95%或96%或97%或98%或99%。
【文檔編號(hào)】G06F19/00GK104117151SQ201410396434
【公開(kāi)日】2014年10月29日 申請(qǐng)日期:2014年8月12日 優(yōu)先權(quán)日:2014年8月12日
【發(fā)明者】李永寶, 章樺, 柴象飛 申請(qǐng)人:章樺