CN103977499A

CN103977499A - 粒子植入治疗计划设计方法

Info

Publication number: CN103977499A
Application number: CN201410216372.8A
Authority: CN
Inventors: 梁斌; 周付根; 刘博�; 郭斌; 许轩昂
Original assignee: Beihang University
Current assignee: Beihang University
Priority date: 2014-05-21
Filing date: 2014-05-21
Publication date: 2014-08-13

Abstract

本发明是一种粒子植入治疗计划设计方法，针对治疗计划对剂量分布的要求，提出了一种有效的粒子判优准则，合理地利用了粒子和靶区以及OARs的相对位置关系的先验知识，能够快速地得出治疗计划。本方法首先获得所有可能位置的粒子，根据判优准则确定各粒子的评价值，评价值最小的粒子为当前最优粒子；不断将当前最优粒子植入靶区，直到靶区处方剂量覆盖度达到预定值，得到初步的治疗计划；当能减少穿刺针数目时，移除对应粒子，重新选取当前最优粒子植入，得到新的治疗计划；直到穿刺针数目不能减少时得到最终的治疗计划。本发明结合启发性优化方法的特点，能够在保证剂量分布的前提下，有效地减少穿刺针数，提高了粒子植入治疗计划的可行性。

Description

粒子植入治疗计划设计方法

技术领域

本发明涉及计算机技术，具体涉及一种粒子植入治疗计划设计方法。

背景技术

放射性粒子植入治疗也被称为近距离放射治疗，是一种用于***的放射治疗手段。粒子植入通过模板引导，经皮穿刺等介入手段将放射性粒子(¹²⁵I，¹⁰³Pd)植入癌变肿瘤的区域，在对肿瘤进行持续性低剂量照射的同时，能有效地减小危及器官(OARs)辐射剂量，具有较好的放射生物效应，取得了较好的临床效果。此外，粒子植入治疗还具有副作用小，使用安全、费用低、微创等特点，被广泛地应用于头颈部、肺部、肝部、胰腺、***等部位肿瘤的治疗。

放射性粒子植入治疗成功的关键是合理规划粒子在靶区的排列分布，确保靶区的辐射剂量达到处方剂量且尽可能的均匀分布，同时减小周围危及器官承受的剂量。为了达到治疗效果，临床治疗中需要通过超声、计算机断层扫描(CT)或者核磁共振成像(MRI)等成像设备确定靶区的形状和位置，以及靶区周围的临近组织以及相对位置关系，然后制定治疗计划，确定粒子的数目以及分布位置。

传统的治疗计划设计是一个不断试错修改(trial and error)的过程：物理师根据临床经验设计出初步的治疗计划，然后计算剂量，根据靶区和危及器官内的剂量分布调整粒子数目和位置，重复这个步骤直到得出一个可行的治疗计划。然而，治疗计划设计通常需要综合权衡考虑多个目标，设计的过程繁重且耗时较长，而且在很大程度上依赖于物理师的临床经验。

现有针对治疗计划设计的优化方法针对***粒子植入提出，根据优化方法求解的手段可以分为：随机性(stochastic)优化方法，确定性(deterministic)优化方法和启发性(heuristic)优化方法。随机性优化方法包括：模拟退火方法(simulated annealing，SA)和遗传方法(geneticalgorithm,GA)。随机性方法的优化模型中将靶区和OAR等效为椭圆或者圆柱，通过随机的确定植入粒子的位置得到治疗计划，然后计算剂量并评估模型中的剂量分布，得出当前计划的评价度，并应用评价度指导优化过程。基于简化模型的剂量分布评价规则在一定程度上并不能体现真实的剂量分布情况，实际应用中很可能得出不可行的治疗计划。同时随机性优化方法针对穿刺针道已经确定的情况提出，优化问题相对简单。对于针道尚未确定、靶区体积较大的病例，优化问题较为复杂，应用随机性优化方法有可能陷入局部最优解的死循环。确定性优化方法将所有可能位置是否植入粒子编码为1和0。根据对靶区最大最小剂量值、剂量分布均整度，OAR最大剂量以及穿刺针数量的要求确定多目标函数和约束条件，通过分支定界(branch and bound)方法求解混合整数规划(mixed-integer programming)。由于优化模型比较复杂，计算量较大，计算时间仍然长达数小时。此外，目标函数中各项的权重也直接影响着优化结果，在实际应用中需要根据不同的病症进行调整。现有的启发性优化方法以粒子对靶区和OAR的剂量贡献度为评价准则，选择当前最优粒子直到靶区处方剂量覆盖度达到预定值。由于评价准则没有考虑靶区剂量的均整度，启发性优化方法采用一种基于等剂量线的约束规则防止粒子聚集。当针数达到预定值之后，将可选粒子的位置限制在已有穿刺针上，如果当前没有可用粒子，同时靶区剂量未达到预定要求，增加针数阈值，移除所有粒子重新优化。相对于随机性优化方法和确定性优化方法，启发性优化方法能够较快地得出治疗计划，但是，该方法针对避免粒子聚集和减少穿刺针提出的机制还存在一定的问题，实际应用中很可能得到穿刺针较少但剂量分布较差的治疗计划，同时迭代次数较多，计算时间较长，不能满足术中计划设计的临床需要。

发明内容

本发明针对治疗计划对剂量分布的要求，提供了一种粒子植入治疗计划设计方法，本发明方法提出了一种有效的粒子判优准则，合理地利用了粒子和靶区以及OARs的相对位置关系的先验知识，能够快速地得出治疗计划。本发明提供的粒子植入治疗计划设计方法结合启发性优化方法的特点，提出用于减少穿刺针数目的双重迭代策略，能够在保证剂量分布的前提下，有效地减少了穿刺针数，提高了粒子植入治疗计划计划的可行性。

本发明提供的粒子植入治疗计划设计方法，包括如下步骤：

步骤1：设所有可能位置的粒子组成集合S，计算各粒子对靶区和OARs的平均剂量；

步骤2：按照判优准则确定集合S中各粒子的评价值，根据评价值对粒子进行排序，评价值最小的粒子为当前最优粒子；

判优准则C_s定义为：

C_{s} = \frac{w_{1} \times \overset{&OverBar;}{{OAR}_{1}} + w_{2} \times \overset{&OverBar;}{{OAR}_{2}} + \cdot \cdot \cdot}{\overset{&OverBar;}{T}} \times D;

其中，为粒子对靶区的平均剂量；为粒子对不同危及器官的平均剂量，w₁，w₂为对应的权重；D为粒子植入之后靶区内剂量分布的标准差；

步骤3：设治疗计划中包含的粒子组成集合Z，集合Z初始为空；处方剂量覆盖靶区的体积比定义为靶区处方剂量覆盖度。如果当前靶区处方剂量覆盖度小于预定值Ct，将当前最优粒子从集合S中删除，加入治疗计划集合Z中，重新计算靶区内剂量分布，然后执行步骤2；否则，当前治疗计划集合Z就是一个初步的治疗计划，转步骤4执行。

步骤4：若第一次执行到本步骤，直接执行步骤5；否则，判断当前的治疗计划与上一次治疗计划相比，穿刺针的针数是否减少，若是，执行步骤5，否则执行步骤6；

步骤5：找到当前的治疗计划中只包含一个粒子的穿刺针，从集合Z中移除对应粒子，并将移除的粒子加入粒子集合S中，然后重新计算靶区内剂量分布，继续转步骤2执行；

步骤6：将当前的治疗计划作为最终治疗计划。

本发明的优点与积极效果在于：

1、本发明根据粒子植入治疗的临床目标提出了一种有效的判优准则，同时合理地利用了粒子和靶区以及OARs的相对位置关系的先验知识；能够在保证靶区处方剂量覆盖度的前提下，使靶区内的剂量尽可能均匀地分布，同时减小对OARs的辐射剂量；

2、利用启发性优化方法的特点，本发明方法是一种双重迭代策略，利用启发性优化方法的特点，在保证剂量分布满足要求的前提下，减少了穿刺针的数目，提高了粒子植入治疗计划的可行性。

附图说明

图1是本发明提供的粒子植入治疗计划设计方法的流程示意图。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

如图1所示，本发明提供的粒子植入治疗计划设计方法包括如下步骤：

步骤1：确定所有可能位置的粒子，并计算各粒子对靶区和OARs的平均剂量，记为集合S。

步骤2：按照判优准则对集合S中的粒子进行排序。判优准则Cs定义为:

C_{s} = \frac{w_{1} \times \overset{&OverBar;}{{OAR}_{1}} + w_{2} \times \overset{&OverBar;}{{OAR}_{2}} + \cdot \cdot \cdot}{\overset{&OverBar;}{T}} \times D - - - (1)

其中，为粒子对靶区的平均剂量，为粒子对不同OAR组织的平均剂量，w₁，w₂为对应的权重，实际应用中可以根据OAR的敏感程度进行调整。D为将粒子植入靶区之后靶区内剂量分布的标准差。当前靶区内剂量分布根据不断植入最优粒子或者移除粒子后有更新，所以对应D值也有更新，需要重新计算。

根据式(1)获得各粒子的评价值，然后再根据评价值从小达到的顺序将粒子进行排序，评价值最小的粒子为当前最优粒子。

步骤3：治疗计划中包含的粒子组成集合Z。处方剂量覆盖靶区的体积比定义为靶区处方剂量覆盖度。如果当前靶区处方剂量覆盖度小于预定值Ct，将当前最优粒子从集合S中删除，加入治疗计划集合Z中，重新计算靶区内剂量分布，然后执行步骤2；否则，当前治疗计划集合Z就是一个初步的治疗计划，转步骤4执行。

预定值Ct设定为大于等于95％的值。治疗计划集合Z初始为空。

重复步骤2到步骤3，直到靶区处方覆盖度达到预定值，从而得出一个初步的治疗计划。

步骤4：若第一次执行到此步骤，直接执行步骤5；否则，判断当前的治疗计划与上一次治疗计划相比，穿刺针的针数是否减少，若是，执行步骤5，否则执行步骤6。

步骤5：找到当前的治疗计划中只包含一个粒子的穿刺针，从集合Z中移除对应粒子，并将移除的粒子加入粒子集合S中，然后重新计算靶区内剂量分布，转步骤2继续执行。

步骤6：得到最终的治疗计划，当前治疗计划就是最终治疗计划。

在选取粒子的过程中没有考虑穿刺针数的限制，因此初步的治疗计划很可能使用了较多的穿刺针，降低了治疗计划的可行性。本发明方法采用双重迭代策略，利用启发性优化方法的特点，在保证剂量分布满足要求的前提下，减少穿刺针的数目。

首先移除初步治疗计划中只包含一个粒子的穿刺针(单个粒子)，然后更新剂量场，重新计算靶区内剂量分布，根据粒子判优准则选取当前最优粒子，重复该过程直到靶区覆盖度达到预定的要求，得到一个更新的治疗计划。继续移除更新之后的治疗计划中的单个粒子，重复选取粒子的过程，直到治疗计划使用的穿刺针数不再减少。

按照评价准则搜索得到的是当前粒子分布情况下的最优粒子，并不一定是全局最优粒子。被移除的单个粒子很可能不会被再次选中。对于其他粒子，一旦被选中就一直被保留下来。双重迭代过程利用启发性搜索的特点，不断的移除治疗计划中的单个粒子，没有对穿刺针数做强制的限制，能够在保证剂量分布不退化的前提下减少穿刺针的数目。

Cs中的平均剂量比值应用了粒子与靶区和OARs的相对位置关系的先验知识，D考虑了粒子植入之后对靶区剂量均整度的影响，在避免粒子聚集的前提下，优先选择靠近靶区中心且远离OARs的粒子。

Claims

1.一种粒子植入治疗计划设计方法，其特征在于，包括如下步骤：

步骤1：设所有可能位置的粒子组成集合S，确定各粒子对靶区和危及器官OARs的平均剂量；

步骤2：按照判优准则确定集合S中各粒子的评价值C_s，根据评价值对粒子进行排序，评价值最小的粒子为当前最优粒子；

定义为：

C_{s} = \frac{w_{1} \times \overset{&OverBar;}{{OAR}_{1}} + w_{2} \times \overset{&OverBar;}{{OAR}_{2}} + \cdot \cdot \cdot}{\overset{&OverBar;}{T}} \times D;

其中，为粒子对靶区的平均剂量；为粒子对不同危及器官的平均剂量，w₁，w₂为对应的权重；D为粒子植入当前靶区之后靶区内剂量分布的标准差；

步骤3：设治疗计划中包含的粒子组成集合Z，集合Z初始为空；处方剂量覆盖靶区的体积比定义为靶区处方剂量覆盖度；如果当前靶区处方剂量覆盖度小于预定值Ct，将当前最优粒子从集合S中删除，加入治疗计划集合Z中，重新计算靶区内剂量分布，然后执行步骤2；否则，当前治疗计划集合Z就是一个初步的治疗计划，转步骤4执行；

步骤6：将当前的治疗计划作为最终治疗计划。

2.根据权利要求1所述的一种粒子植入治疗计划设计方法，其特征在于，步骤3中所述的预定值Ct设定为大于等于95％的值。