CN104338240A - 一种在线自适应放疗计划自动优化方法及装置 - Google Patents

一种在线自适应放疗计划自动优化方法及装置 Download PDF

Info

Publication number
CN104338240A
CN104338240A CN201410607268.1A CN201410607268A CN104338240A CN 104338240 A CN104338240 A CN 104338240A CN 201410607268 A CN201410607268 A CN 201410607268A CN 104338240 A CN104338240 A CN 104338240A
Authority
CN
China
Prior art keywords
ziye
radiotherapy
original
radiotherapy planning
dose distribution
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.)
Granted
Application number
CN201410607268.1A
Other languages
English (en)
Other versions
CN104338240B (zh
Inventor
李永宝
章桦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Lianxin Medical Technology Co Ltd
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201410607268.1A priority Critical patent/CN104338240B/zh
Publication of CN104338240A publication Critical patent/CN104338240A/zh
Application granted granted Critical
Publication of CN104338240B publication Critical patent/CN104338240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Radiation-Therapy Devices (AREA)

Abstract

本发明公开了在线自适应放疗计划自动优化方法及装置，通过读取原始放疗计划与获得的当前分次引导图像、勾画靶区等信息，计算每个机架角度的射束方向视图，进而获得优化后的新生成子野及其对应的剂量分布、机器跳数等内容，完成放疗计划的在线自适应自动优化，同时通过三维伽马索引值计算评估进行自动放疗计划的剂量分布二次检查，如不通过，则进行归一化运算并更新子野的机器跳数，完成质量保证工作。进一步的，本发明可通过放疗计划参数传输过程检查，有效避免参数传输和写入执行***中可能出现的问题，以及在计划执行过程中通过实时剂量检测进行安全监控。实现了放疗计划的在线自适应优化、质量保证、参数传输检查和实时剂量检测的全自动化。

Description

一种在线自适应放疗计划自动优化方法及装置
技术领域
本发明涉及放疗计划的优化方法和装置，具体涉及一种放疗计划的自动优化方法和装置。
背景技术
目前，肿瘤放射治疗(Radiation Therapy)的过程是首先在治疗前基于病人的定位CT来生成治疗计划，然后在随后的治疗过程中保持治疗计划不变，对病人实施若干分次(Fraction)的治疗。这种治疗模式没有考虑到治疗过程中病人的解剖结构变化，当病人解剖结构发生很大变化时，离线自适应治疗(Offline Adaptive Radiation Therapy，Offline ART)通常被用来修正治疗计划。然而，离线自适应放射治疗方法目前使用传统的商业治疗计划***，其效率低，耗时耗力，所以很少被医院所采用。
在线自适应放疗(Online Adaptive Radiation Therapy，Online ART)是在病人的某个分次治疗前，获取病人的解剖结构图像，然后快速生成病人新的治疗计划。目前在线自适应放疗，无法在临床的实际治疗中广泛地使用，主要存在以下一些问题和缺点：
1、在线自适应放疗方法基于普通商业计划***，在生成新的治疗计划时，需要计算并求解大规模的剂量计算及优化问题，计算时间很长，无法在临床可以接受的时间内完成。
2、此方法需要剂量员全程参与计划的优化过程，利用人工进行参数的设置和调整，耗时很长，并且治疗计划的好坏也直接受限制于剂量员的经验和判断。
3、最终新的治疗计划需要重新在模体上进行质量保证(Quality Assurance，QA)，无法实现在线自适应放疗计划的优化和自动质量保证的一体化。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种在线自适应放疗计划自动优化方法，同时提供一种在线自适应放疗计划自动优化装置，能够快速地完成放疗计划的在线自适应优化，并同时完成剂量分布二次检查的质量保证，以结合解剖结构的变化适应生成更适用于每次分次治疗的计划，以供选择，很好地满足了临床需要。
技术方案：为解决上述技术问题，本发明提供的在线自适应放疗计划自动优化方法，包括以下步骤：
步骤1)，读取原始放疗计划中包括射野信息、剂量信息和临床信息在内的原始信息；
步骤2)，获取当前分次中包括分次引导图像、当前勾画靶区、当前危及器官的轮廓在内的当前分次信息；
步骤3)，计算每个机架角度的射束方向视图；
步骤4)，基于射束方向视图修改每个机架角度子野的形状，得到优化过后的新生成子野；
步骤5)，采用卷积叠加算法计算每个新生成子野的剂量分布；
步骤6)，使用共轭梯度快速求解和优化每个子野的机器跳数；
步骤7)，进行自动放疗计划剂量分布二次检查：采用蒙特卡罗算法再次计算每个新生成子野的剂量分布，并与步骤5)得到的剂量分布进行三维伽马索引值计算评估，判断伽马通过率是否小于预设伽马通过率阈值，如是，则进入步骤8)，如否，则进入步骤9)；
步骤8)，对步骤7)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算并更新每个子野的机器跳数；
步骤9)，完成自动优化：保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数作为新的放疗计划，结束。
作为优选的，所述步骤1)中，所述原始放疗计划为静态调强放射放疗计划(StaticIMRT)或弧形调强放射放疗计划(Arc IMRT)，其中
原始放疗计划的射野信息，包括：机架角度，每个子野(Segment)的多页准直器(Multi-Leaf Collimator，MLC)序列，机器跳数(Machine Unit，MU)；
原始放疗计划的剂量信息，包括：剂量分布(Dose Distribution)分布和剂量体积直方图(Dose Volume Histogram，DVH)；
原始放疗计划的临床信息，包括：病人的原始勾画靶区和原始危及器官的轮廓；
所述步骤2)中，所述分次引导图像包括CT(Computed Tomography)、锥束CT(Cone-Beam CT)、超声(Ultrasound)、PET(Positron Emission Tomography)或磁共振(Magnetic Resonance，MR)等图像中的至少一种；
所述步骤3)中，包括如下步骤：
步骤3.1)，通过Siddon Ray-Tracing投影算法，快速计算原始勾画靶区在每个机架角度的射束方向视图(BEV)；
步骤3.2)，通过Siddon Ray-Tracing投影算法，快速计算当前勾画靶区在每个机架角度的射束方向视图(BEV)；
所述步骤4)中，包括如下步骤：
步骤4.1)，当原始放疗计划是静态调强放射放疗计划(Static IMRT)时，直接从原始计划文件中读取原始计划子野形状；当原始放疗计划是弧形调强放射放疗计划(ArcIMRT)时，从原始放疗计划中读取每个控制点的多页准直器位置，通过线性插值得到两个连续控制点中间机架角度的原始计划子野形状；
步骤4.2)，通过原始勾画靶区的射束方向视图(BEV)及原始计划子野形状的几何关系，基于当前勾画靶区的射束方向视图(BEV)，依照当前子野形状与当前勾画靶区的射束方向视图(BEV)的几何关系与原始勾画靶区的射束方向视图BEV及原始子野的几何关系一致的准则，得到当前子野形状；
步骤4.3)，当原始放疗计划是静态调强放射放疗计划(Static IMRT)时，保存当前子野形状作为优化后的新生成子野；当原始放疗计划是弧形调强放射放疗计划(ArcIMRT)时，以不超过相邻子野之间的多页准直器和机架的最大运动速度为约束原则，对当前子野形状修改得到优化后的新生成子野；
所述步骤5)中，采用卷积叠加算法计算每个新生成子野的剂量分布Dij，Dij为第j个子野对第i个体元的剂量贡献；
所述步骤6)中，通过式1.1，使用共轭梯度求解和优化子野的机器跳数集合：
{ x j } = arg min { Σ s ∈ T a s k , - Σ i = 1 , . . . , N T [ max ( 0 , P i - d i ) ] 2 + Σ s ∈ S a s k , + Σ i = 1 , . . . , Ns [ max ( 0 , d i - P i ) ] 2 }
使得 d i = Σ j D ij x j , x j ≥ 0 - - - ( 1.1 ) ;
其中，i为体元的索引值，j为子野的索引值，T为靶区的集合，S为靶区与危机器官的集合，NT为每个靶区的体元数量，NS为每个器官的体元数量；
Dij为第j个子野对第i个体元的剂量贡献；
xj为优化的每个子野的机器跳数；
di为第i个体元的剂量分布；
Pi为第i个体元的参考剂量分布；
和为第k次迭代器官权重因子；
所述步骤7)中，所述剂量分布二次检查包括如下步骤：
步骤7.1)，采用蒙特卡罗算法再次计算每个新生成子野的剂量分布；
步骤7.2)，将步骤7.1)计算得到的剂量分布与步骤5)得到的剂量分布进行三维伽马索引值计算评估，判断伽马通过率是否小于预设伽马通过率阈值，如是，则进入步骤8)，如否，则进入步骤9)；
所述步骤8)中，依照使得95％的靶区体积接受100％的处方剂量的原则，对步骤7.1)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算得到比例因子λ，通过λ与步骤6)得到的每个子野的机器跳数线性相乘，更新每个子野的机器跳数；
所述步骤9)中，完成自动优化的步骤包括：当原始放疗计划是静态调强放射放疗计划(Static IMRT)时，保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数生成新的放疗计划，结束；当原始放疗计划是弧形调强放射放疗计划(Arc IMRT)时，将新生成的子野形状线性插值回原始放疗计划中每个控制点的位置，与每个新生成子野的剂量分布和机器跳数共同保存生成新的放疗计划，结束。
作为进一步的优选，上述在线自适应放疗计划自动优化方法的步骤9)得到的新的放疗计划在传输过程中包括以下步骤：
步骤10)，放疗计划参数传输过程检查：当新的放疗计划传输到剂量执行的验证***(Record and Verify System，R&V)后，读取(R&V)验证***中包括多页准直器叶片位置、机器跳数、机架角度在内的治疗参数，与新的放疗计划中的参数进行比较，判断验证***中的治疗参数是否与新的放疗计划中的参数一致，如否则检查记录验证***(R&V)是否异常，如是，则保存新的放疗计划作为此分次放疗计划。
作为进一步的优选，所述此分次放疗计划在执行过程中包括以下步骤：
步骤11)，实时剂量检测：在所述此分次放疗计划的执行过程中使用电子射野影像装置(Electronic Portal Imaging Device，EPID)记录治疗过程中多页准直器位置，或使用加速器记录的日志(Log)文件实时验证多页准直器位置，并与放疗计划中的多页准直器进行比较，实时重建三维剂量剂量分布，如果实时重建剂量分布和此分次放疗计划的剂量分布之差别超过3％则输出提醒信息，并中止执行。
优选的，所述步骤7.2)中的三维伽马索引值的计算参数为{3mm,3％}，预设伽马通过率阈值为95％或96％或97％或98％或99％；当然上述参数和阈值都可以根据需要灵活设置。
本发明同时提供的一种在线自适应放疗计划自动优化装置，包括：
装置1)，用于读取原始放疗计划中包括射野信息、剂量信息和临床信息在内的原始信息的装置；
装置2)，用于获取当前分次中包括分次引导图像、当前勾画靶区、当前危及器官的轮廓在内的当前分次信息的装置；
装置3)，用于计算每个机架角度的射束方向视图的装置；
装置4)，用于基于射束方向视图修改每个机架角度子野的形状，得到优化过后的新生成子野的装置；
装置5)，用于采用卷积叠加算法计算每个新生成子野的剂量分布的装置；
装置6)，用于使用共轭梯度快速求解和优化每个子野的机器跳数的装置；
装置7)，用于进行自动放疗计划剂量分布二次检查的装置，包括：
用于采用蒙特卡罗算法再次计算每个新生成子野的剂量分布的装置；
用于将采用蒙特卡罗算法再次计算得到的剂量分布与步骤5)得到的剂量分布进行三维伽马索引值计算评估，并判断伽马通过率是否小于预设伽马通过率阈值得评估判断装置；
用于根据评估判断装置的输出值，选择跳转到步骤8)或步骤9)的选择跳转装置；
装置8)，用于对步骤7)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算并更新每个子野的机器跳数的装置；
装置9)，用于保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数作为新的放疗计划的装置。
优选的，所述装置3)中，包括如下装置：
装置3.1)，通过Siddon Ray-Tracing投影算法，快速计算原始勾画靶区在每个机架角度的射束方向视图(BEV)的装置；
装置3.2)通过Siddon Ray-Tracing投影算法，快速计算当前勾画靶区在每个机架角度的射束方向视图(BEV)的装置；
所述装置4)中，包括如下装置：
装置4.1)，当原始放疗计划是静态调强放射放疗计划(Static IMRT)时，直接从原始计划文件中读取原始计划子野形状的装置；以及当原始放疗计划是弧形调强放射放疗计划(Arc IMRT)时，从原始放疗计划文件中读取每个控制点的多页准直器位置，通过线性插值得到两个连续控制点中间机架角度的原始计划子野形状的装置；
装置4.2)，通过原始勾画靶区的射束方向视图(BEV)及原始计划子野形状的几何关系，基于当前勾画靶区的射束方向视图(BEV)，依照当前子野形状与当前勾画靶区的射束方向视图(BEV)的几何关系与原始勾画靶区的射束方向视图(BEV)及原始子野的几何关系一致的准则，得到当前子野形状的装置；
装置4.3)，当原始放疗计划是静态调强放射放疗计划(Static IMRT)时，保存当前子野形状作为优化后的新生成子野的装置；当原始放疗计划是弧形调强放射放疗计划(Arc IMRT)时，以不超过相邻子野之间的多页准直器和机架的最大运动速度为约束原则，对当前子野形状修改得到优化后的新生成子野的装置；
所述装置8)为，用于依照使得95％的靶区体积接受100％的处方剂量的原则，对步骤7.1)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算得到比例因子λ的装置，以及用于将λ与步骤6)得到的每个子野的机器跳数线性相乘，更新每个子野的机器跳数的装置；
所述装置9)中，包括当原始放疗计划是静态调强放射放疗计划(Static IMRT)时，保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数生成新的放疗计划的装置；以及当原始放疗计划是弧形调强放射放疗计划(Arc IMRT)时，将新生成的子野形状线性插值回原始放疗计划中每个控制点的位置，与每个新生成子野的剂量分布和机器跳数共同保存生成新的放疗计划的装置。
作为进一步的优选改进，所述在线自适应放疗计划自动优化装置还包括装置10)，所述装置10)为放疗计划参数传输过程检查装置，包括当新的放疗计划传输到剂量执行的验证***(Record and Verify System，R&V)后，读取验证***中包括多页准直器叶片位置、机器跳数、机架角度在内的治疗参数，与新的放疗计划中的参数进行比较的装置；以及判断验证***中的治疗参数是否与新的放疗计划中的参数一致，如否则检查记录验证***(R&V)是否异常，如是，则保存新的放疗计划作为此分次放疗计划的判断检查装置。
作为进一步的优选改进，所述在线自适应放疗计划自动优化装置还包括装置11)，所述装置11)为实时剂量检测装置，包括在所述此分次放疗计划的执行过程中使用电子射野影像装置(Electronic Portal Imaging Device，EPID)记录治疗过程中多页准直器位置，或使用加速器记录的日志(Log)文件实时验证多页准直器位置，并与放疗计划中的多页准直器进行比较，实时重建三维剂量剂量分布的装置；以及当实时重建剂量分布和此分次放疗计划的剂量分布之差别超过3％则输出提醒信息，并中止执行的装置。
有益效果：本发明提供一种在线自适应放疗计划自动优化方法，同时提供一种在线自适应放疗计划自动优化装置，通过读取原始放疗计划与获得的当前分次引导图像、勾画靶区等信息，计算每个机架角度的射束方向视图，进而获得优化后的新生成子野及其对应的剂量分布、机器跳数等内容，完成放疗计划的在线自适应自动优化的同时，通过三维伽马索引值计算评估进行自动放疗计划的剂量分布二次检查，如二次检查评估不通过，则对剂量分布进行归一化运算并更新子野的机器跳数，完成质量保证工作。
本方法发明结合病人治疗过程中解剖结构的变化，通过快速剂量计算等算法使得整个放疗计划优化过程可在十几分钟甚至几分钟之内完成，能够在每个分次治疗开始前快速完成整个放疗计划的在线自适应自动优化和质量保证工作，以供治疗选择使用。进一步的，本发明可通过放疗计划参数传输过程检查，有效地避免参数传输和写入执行***的过程中可能出现的问题，更进一步的，计划执行过程中可通过实时剂量检测，比较实时重建剂量分布和此分次放疗计划的剂量分布进行风险和安全监控，一旦出现安全风险及时提醒和中止计划执行。实现了放疗计划的在线自适应自动优化、质量保证、参数传输检查和实时剂量检测的全自动化。
整体而言，相比于基于商业放疗计划***的离线自适应放疗方法和现有在线自适应放疗方法，本发明效率高，节约宝贵的时间及人力成本，满足临床所需，可在临床上推广应用，具有显著的社会意义。
附图说明
图1是实施例1提供的方法发明的流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，本实施列对本发明不构成限定。
原始放疗计划为某疗程首次或之前某个分次治疗执行前，基于患者肿瘤及其周围器官组织的影像信息，经过靶区勾画，确认的放疗计划。
在首次或之前某个分次治疗执行后的治疗过程中，还将对病人进行分次治疗，在这样的分次治疗执行前，本发明综合考虑到治疗过程中患者解剖结构的变化，对原始放疗计划进行优化以生成新的放疗计划，作为此分次放疗计划。
实施例1：本实施例1所提供的在线自适应放疗计划自动优化方法，如图1所示，包括以下步骤：
步骤1)，读取原始放疗计划中包括射野信息、剂量信息和临床信息在内的原始信息；
其中，所述原始放疗计划为静态调强放射放疗计划(Static IMRT)或弧形调强放射放疗计划(Arc IMRT)；
原始放疗计划的射野信息包括：机架角度，每个子野的多页准直器序列，机器跳数；
原始放疗计划的剂量信息包括：剂量分布和剂量体积直方图；
原始放疗计划的临床信息包括：病人的原始勾画靶区和原始危及器官的轮廓；
步骤2)，获取当前分次中包括分次引导图像、当前勾画靶区、当前危及器官的轮廓在内的当前分次信息；其中所述分次引导图像包括CT、锥束CT、超声、PET或磁共振中的至少一种；
步骤3)，计算每个机架角度的射束方向视图，包括：
步骤3.1)，通过Siddon Ray-Tracing投影算法，快速计算原始勾画靶区在每个机架角度的射束方向视图(BEV)；
步骤3.2)，通过Siddon Ray-Tracing投影算法，快速计算当前勾画靶区在每个机架角度的射束方向视图(BEV)；
步骤4)，基于射束方向视图修改每个机架角度子野的形状，得到优化过后的新生成子野，包括：
步骤4.1)，当原始放疗计划是静态调强放射放疗计划(Static IMRT)时，直接从原始计划文件中读取原始计划子野形状；当原始放疗计划是弧形调强放射放疗计划(ArcIMRT)时，从原始放疗计划中读取每个控制点的多页准直器位置，通过线性插值得到两个连续控制点中间机架角度的原始计划子野形状；
步骤4.2)，通过原始勾画靶区的射束方向视图(BEV)及原始计划子野形状的几何关系，基于当前勾画靶区的射束方向视图(BEV)，依照当前子野形状与当前勾画靶区的射束方向视图(BEV)的几何关系与原始勾画靶区的射束方向视图(BEV)及原始子野的几何关系一致的准则，得到当前子野形状；
步骤4.3)，当原始放疗计划是静态调强放射放疗计划(Static IMRT)时，保存当前子野形状作为优化后的新生成子野；当原始放疗计划是弧形调强放射放疗计划(ArcIMRT)时，以不超过相邻子野之间的多页准直器和机架的最大运动速度为约束原则，对当前子野形状修改得到优化后的新生成子野；
步骤5)，采用卷积叠加算法计算每个新生成子野的剂量分布，具体为采用卷积叠加算法计算每个新生成子野的剂量分布Dij，Dij为第j个子野对第i个体元的剂量贡献；；
步骤6)，使用共轭梯度快速求解和优化每个子野的机器跳数，具体为：
通过式1.1，使用共轭梯度求解和优化子野的机器跳数集合：
{ x j } = arg min { Σ s ∈ T a s k , - Σ i = 1 , . . . , N T [ max ( 0 , P i - d i ) ] 2 + Σ s ∈ S a s k , + Σ i = 1 , . . . , Ns [ max ( 0 , d i - P i ) ] 2 }
使得 d i = Σ j D ij x j , x j ≥ 0 - - - ( 1.1 ) ;
其中，i为体元的索引值，j为子野的索引值，T为靶区的集合，S为靶区与危机器
官的集合，NT为每个靶区的体元数量，NS为每个器官的体元数量；
Dij为第j个子野对第i个体元的剂量贡献；
xj为优化的每个子野的机器跳数；
di为第i个体元的剂量分布；
Pi为第i个体元的参考剂量分布；
和为第k次迭代器官权重因子；
上述求解和优化过程首次计算时是基于给定的一组器官权重因子(为1.0，也可以设置为其他值，如0.5或1.5或2或5或10)，在随后求解优化迭代过程中，比较每一个优化器官原始剂量体积直方图DVHp与第k次迭代体积直方图DVHk的面积差通过式(1.2)不断更新器官权重因子和
α s k = α s 0 · f ( Δ s k ) - - - ( 1.2 ) ;
上述求解和优化计算的迭代结束原则为：当第k迭代剂量体积直方图DVHk与原始剂量体积直方图DVHp面积差小于预设面积差阈值时(为0.05，也可以根据需要设置为其他值，如0.5或1.5或2或5或10)，结束本步优化计算，得到的求解优化后的子野的机器跳数集合{xj}；
步骤7)，进行自动放疗计划剂量分布二次检查，包括：
步骤7.1)，采用蒙特卡罗算法再次计算每个新生成子野的剂量分布；
步骤7.2)，将步骤7.1)计算得到的剂量分布与步骤5)得到的剂量分布进行三维伽马索引值计算评估，判断伽马通过率是否小于预设伽马通过率阈值，如是，则进入步骤8)，如否，则进入步骤9)；
步骤8)，对步骤7)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算并更新每个子野的机器跳数，即：依照使得95％的靶区体积接受100％的处方剂量的原则，对步骤7.1)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算得到比例因子λ，用步骤6)得到的每个子野的机器跳数与λ线性相乘，得到更新后的每个子野的机器跳数；
步骤9)，保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数作为新的放疗计划，完成自动优化，包括：当原始放疗计划是静态调强放射放疗计划(StaticIMRT)时，保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数生成新的放疗计划，结束；当原始放疗计划是弧形调强放射放疗计划(Arc IMRT)时，将新生成的子野形状线性插值回原始放疗计划中每个控制点的位置，与每个新生成子野的剂量分布和机器跳数共同保存生成新的放疗计划，结束。
本实施例1中，上述步骤7.2)中的三维伽马索引值的计算参数为{3mm,3％}，预设伽马通过率阈值为95％。
实施例1提供的在线自适应放疗计划自动优化装置，包括：
装置1)，用于读取原始放疗计划中包括射野信息、剂量信息和临床信息在内的原始信息的装置；
装置2)，用于获取当前分次中包括分次引导图像、当前勾画靶区、当前危及器官的轮廓在内的当前分次信息的装置；
装置3)，用于计算每个机架角度的射束方向视图的装置，包括：
装置3.1)，通过Siddon Ray-Tracing投影算法，快速计算原始勾画靶区在每个机架角度的射束方向视图(BEV)的装置；
装置3.2)通过Siddon Ray-Tracing投影算法，快速计算当前勾画靶区在每个机架角度的射束方向视图(BEV)的装置；
装置4)，用于基于射束方向视图修改每个机架角度子野的形状，得到优化过后的新生成子野的装置，包括：
装置4.1)，当原始放疗计划是静态调强放射放疗计划(Static IMRT)时，直接从原始计划文件中读取原始计划子野形状的装置；以及当原始放疗计划是弧形调强放射放疗计划(Arc IMRT)时，从原始放疗计划文件中读取每个控制点的多页准直器位置，通过线性插值得到两个连续控制点中间机架角度的原始计划子野形状的装置；
装置4.2)，通过原始勾画靶区的射束方向视图(BEV)及原始计划子野形状的几何关系，基于当前勾画靶区的射束方向视图(BEV)，依照当前子野形状与当前勾画靶区的射束方向视图(BEV)的几何关系与原始勾画靶区的射束方向视图BEV及原始子野的几何关系一致的准则，得到当前子野形状的装置；
装置4.3)，当原始放疗计划是静态调强放射放疗计划(Static IMRT)时，保存当前子野形状作为优化后的新生成子野的装置；当原始放疗计划是弧形调强放射放疗计划(Arc IMRT)时，以不超过相邻子野之间的多页准直器和机架的最大运动速度为约束原则，对当前子野形状修改得到优化后的新生成子野的装置；
装置5)，用于采用卷积叠加算法计算每个新生成子野的剂量分布的装置；
装置6)，用于使用共轭梯度快速求解和优化每个子野的机器跳数的装置；
装置7)，用于进行自动放疗计划剂量分布二次检查的装置，包括：
用于采用蒙特卡罗算法再次计算每个新生成子野的剂量分布的装置；
用于将采用蒙特卡罗算法再次计算得到的剂量分布与步骤5)得到的剂量分布进行三维伽马索引值计算评估，并判断伽马通过率是否小于预设伽马通过率阈值得评估判断装置；
用于根据评估判断装置的输出值，选择跳转到步骤8)或步骤9)的选择跳转装置；
装置8)，用于对步骤7)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算并更新每个子野的机器跳数的装置，包括：
用于依照使得95％的靶区体积接受100％的处方剂量的原则，对步骤7.1)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算得到比例因子λ的装置，以及用于将λ与步骤6)得到的每个子野的机器跳数线性相乘，更新每个子野的机器跳数的装置；
装置9)，用于保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数作为新的放疗计划的装置，包括：包括当原始放疗计划是静态调强放射放疗计划(StaticIMRT)时，保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数生成新的放疗计划的装置；以及当原始放疗计划是弧形调强放射放疗计划(Arc IMRT)时，将新生成的子野形状线性插值回原始放疗计划中每个控制点的位置，与每个新生成子野的剂量分布和机器跳数共同保存生成新的放疗计划的装置。
实施例2：实施例2提供的在线自适应放疗计划自动优化方法和与实施例1提供的方法基本一致，相同之处不再累述，所不同的是：
所述步骤9)得到的新的放疗计划在传输过程中还包括以下步骤：
步骤10)，放疗计划参数传输过程检查：当新的放疗计划传输到剂量执行的验证***(Record and Verify System，R&V)后，读取验证***中包括多页准直器叶片位置、机器跳数、机架角度在内的治疗参数，与新的放疗计划中的参数进行比较，判断验证***中的治疗参数是否与新的放疗计划中的参数一致，如否则检查记录验证***(R&V)是否异常，如是，则保存新的放疗计划作为此分次放疗计划。
所述此分次放疗计划在执行中包括以下步骤：
步骤11)，实时剂量检测：在所述此分次放疗计划的执行过程中使用电子射野影像装置(Electronic Portal Imaging Device，EPID)记录治疗过程中多页准直器位置，或使用加速器记录的日志(Log)文件实时验证多页准直器位置，并与放疗计划中的多页准直器进行比较，实时重建三维剂量剂量分布，如果实时重建剂量分布和此分次放疗计划的剂量分布之差别超过3％则输出提醒信息，并中止执行。
所述步骤7.2)中的预设伽马通过率阈值为98％。
实施例2提供的在线自适应放疗计划自动优化装置和与实施例1提供的装置基本一致，相同之处不再累述，所不同的是：
还包括装置10)，所述装置10)为放疗计划参数传输过程检查装置，包括当新的放疗计划传输到剂量执行的验证***(Record and Verify System，R&V)后，读取验证***中包括多页准直器叶片位置、机器跳数、机架角度在内的治疗参数，与新的放疗计划中的参数进行比较的装置；以及判断验证***中的治疗参数是否与新的放疗计划中的参数一致，如否则检查记录验证***(R&V)是否异常，如是，则保存新的放疗计划作为此分次放疗计划的判断检查装置。
还包括装置11)，所述装置11)为实时剂量检测装置，包括在所述此分次放疗计划的执行过程中使用电子射野影像装置(Electronic Portal Imaging Device，EPID)记录治疗过程中多页准直器位置，或使用加速器记录的日志(Log)文件实时验证多页准直器位置，并与放疗计划中的多页准直器进行比较，实时重建三维剂量剂量分布的装置；以及当实时重建剂量分布和此分次放疗计划的剂量分布之差别超过3％则输出提醒信息，并中止执行的装置。
以上实施列对本发明不构成限定，相关工作人员在不偏离本发明技术思想的范围内，所进行的多样变化和修改，均落在本发明的保护范围内。

Claims (9)

1.一种在线自适应放疗计划自动优化方法，其特征在于包括以下步骤：
步骤1)，读取原始放疗计划中包括射野信息、剂量信息和临床信息在内的原始信息；
步骤2)，获取当前分次中包括分次引导图像、当前勾画靶区、当前危及器官的轮廓在内的当前分次信息；
步骤3)，计算每个机架角度的射束方向视图；
步骤4)，基于射束方向视图修改每个机架角度子野的形状，得到优化过后的新生成子野；
步骤5)，采用卷积叠加算法计算每个新生成子野的剂量分布；
步骤6)，使用共轭梯度快速求解和优化每个子野的机器跳数；
步骤7)，进行自动放疗计划剂量分布二次检查：采用蒙特卡罗算法再次计算每个新生成子野的剂量分布，并与步骤5)得到的剂量分布进行三维伽马索引值计算评估，判断伽马通过率是否小于预设伽马通过率阈值，如是，则进入步骤8)，如否，则进入步骤9)；
步骤8)，对步骤7)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算并更新每个子野的机器跳数；
步骤9)，完成自动优化：保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数作为新的放疗计划，结束。
2.根据权利要求1所述的在线自适应放疗计划自动优化方法，其特征在于：
所述步骤1)中，所述原始放疗计划为静态调强放射放疗计划或弧形调强放射放疗计划，其中
原始放疗计划的射野信息包括：机架角度，每个子野的多页准直器序列，机器跳数；
原始放疗计划的剂量信息包括：剂量分布和剂量体积直方图；
原始放疗计划的临床信息包括：病人的原始勾画靶区和原始危及器官的轮廓；
所述步骤2)中，所述分次引导图像包括CT、锥束CT、超声、PET或磁共振中的至少一种；
所述步骤3)中，包括如下步骤：
步骤3.1)，通过Siddon Ray-Tracing投影算法，快速计算原始勾画靶区在每个机架角度的射束方向视图；
步骤3.2)，通过Siddon Ray-Tracing投影算法，快速计算当前勾画靶区在每个机架角度的射束方向视图；
所述步骤4)中，包括如下步骤：
步骤4.1)，当原始放疗计划是静态调强放射放疗计划时，直接从原始计划文件中读取原始计划子野形状；当原始放疗计划是弧形调强放射放疗计划时，从原始放疗计划中读取每个控制点的多页准直器位置，通过线性插值得到两个连续控制点中间机架角度的原始计划子野形状；
步骤4.2)，通过原始勾画靶区的射束方向视图及原始计划子野形状的几何关系，基于当前勾画靶区的射束方向视图，依照当前子野形状与当前勾画靶区的射束方向视图的几何关系与原始勾画靶区的射束方向视图及原始子野的几何关系一致的准则，得到当前子野形状；
步骤4.3)，当原始放疗计划是静态调强放射放疗计划时，保存当前子野形状作为优化后的新生成子野；当原始放疗计划是弧形调强放射放疗计划时，以不超过相邻子野之间的多页准直器和机架的最大运动速度为约束原则，对当前子野形状修改得到优化后的新生成子野；
所述步骤5)中，采用卷积叠加算法计算每个新生成子野的剂量分布Dij，Dij为第j个子野对第i个体元的剂量贡献；
所述步骤6)中，通过式1.1，使用共轭梯度求解和优化子野的机器跳数集合：
{ x j } = arg min { Σ s ∈ T a s k , - Σ i = 1 , . . . , N T [ max ( 0 , P i - d i ) ] 2 + Σ s ∈ S a s k , + Σ i = 1 , . . . , N S [ max ( 0 , d i - P i ) ] 2 }
使得 d i = Σ j D ij x j , x j ≥ 0 - - - ( 1.1 ) ;
其中，i为体元的索引值，j为子野的索引值，T为靶区的集合，S为靶区与危机器官的集合，NT为每个靶区的体元数量，NS为每个器官的体元数量；
Dij为第j个子野对第i个体元的剂量贡献；
xj为优化的每个子野的机器跳数；
di为第i个体元的剂量分布；
Pi为第i个体元的参考剂量分布；
和为第k次迭代器官权重因子；
所述步骤7)中，所述剂量分布二次检查包括如下步骤：
步骤7.1)，采用蒙特卡罗算法再次计算每个新生成子野的剂量分布；
步骤7.2)，将步骤7.1)计算得到的剂量分布与步骤5)得到的剂量分布进行三维伽马索引值计算评估，判断伽马通过率是否小于预设伽马通过率阈值，如是，则进入步骤8)，如否，则进入步骤9)；
所述步骤8)中，依照使得95％的靶区体积接受100％的处方剂量的原则，对步骤7.1)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算得到比例因子λ，通过λ与步骤6)得到的每个子野的机器跳数线性相乘，更新每个子野的机器跳数；
所述步骤9)中，完成自动优化的步骤包括：当原始放疗计划是静态调强放射放疗计划时，保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数生成新的放疗计划，结束；当原始放疗计划是弧形调强放射放疗计划时，将新生成的子野形状线性插值回原始放疗计划中每个控制点的位置，与每个新生成子野的剂量分布和机器跳数共同保存生成新的放疗计划，结束。
3.根据权利要求2所述的在线自适应放疗计划自动优化方法，其特征在于：所述步骤9)得到的新的放疗计划在传输过程中包括以下步骤：
步骤10)，放疗计划参数传输过程检查：当新的放疗计划传输到剂量执行的验证***后，读取验证***中包括多页准直器叶片位置、机器跳数、机架角度在内的治疗参数，与新的放疗计划中的参数进行比较，判断验证***中的治疗参数是否与新的放疗计划中的参数一致，如否则检查记录验证***是否异常，如是，则保存新的放疗计划作为此分次放疗计划。
4.根据权利要求3所述的在线自适应放疗计划自动优化方法，其特征在于：所述此分次放疗计划在执行中包括以下步骤：
步骤11)，实时剂量检测：在所述此分次放疗计划的执行过程中使用电子射野影像装置记录治疗过程中多页准直器位置，或使用加速器记录的日志文件实时验证多页准直器位置，并与放疗计划中的多页准直器进行比较，实时重建三维剂量剂量分布，如果实时重建剂量分布和此分次放疗计划的剂量分布之差别超过3％则输出提醒信息，并中止执行。
5.根据权利要求2所述的在线自适应放疗计划自动优化方法，其特征在于：所述步骤7.2)中的三维伽马索引值的计算参数为{3mm,3％}，预设伽马通过率阈值为95％或96％或97％或98％或99％。
6.一种在线自适应放疗计划自动优化装置，其特征在于包括：
装置1)，用于读取原始放疗计划中包括射野信息、剂量信息和临床信息在内的原始信息的装置；
装置2)，用于获取当前分次中包括分次引导图像、当前勾画靶区、当前危及器官的轮廓在内的当前分次信息的装置；
装置3)，用于计算每个机架角度的射束方向视图的装置；
装置4)，用于基于射束方向视图修改每个机架角度子野的形状，得到优化过后的新生成子野的装置；
装置5)，用于采用卷积叠加算法计算每个新生成子野的剂量分布的装置；
装置6)，用于使用共轭梯度快速求解和优化每个子野的机器跳数的装置；
装置7)，用于进行自动放疗计划剂量分布二次检查的装置，包括：
用于采用蒙特卡罗算法再次计算每个新生成子野的剂量分布的装置；
用于将采用蒙特卡罗算法再次计算得到的剂量分布与步骤5)得到的剂量分布进行三维伽马索引值计算评估，并判断伽马通过率是否小于预设伽马通过率阈值得评估判断装置；
用于根据评估判断装置的输出值，选择跳转到步骤8)或步骤9)的选择跳转装置；
装置8)，用于对步骤7)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算并更新每个子野的机器跳数的装置；
装置9)，用于保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数作为新的放疗计划的装置。
7.根据权利要求6所述的在线自适应放疗计划自动优化装置，其特征在于：
所述装置3)中，包括如下装置：
装置3.1)，通过Siddon Ray-Tracing投影算法，快速计算原始勾画靶区在每个机架角度的射束方向视图的装置；
装置3.2)通过Siddon Ray-Tracing投影算法，快速计算当前勾画靶区在每个机架角度的射束方向视图的装置；
所述装置4)中，包括如下装置：
装置4.1)，当原始放疗计划是静态调强放射放疗计划时，直接从原始计划文件中读取原始计划子野形状的装置；以及当原始放疗计划是弧形调强放射放疗计划时，从原始放疗计划文件中读取每个控制点的多页准直器位置，通过线性插值得到两个连续控制点中间机架角度的原始计划子野形状的装置；
装置4.2)，通过原始勾画靶区的射束方向视图及原始计划子野形状的几何关系，基于当前勾画靶区的射束方向视图，依照当前子野形状与当前勾画靶区的射束方向视图的几何关系与原始勾画靶区的射束方向视图及原始子野的几何关系一致的准则，得到当前子野形状的装置；
装置4.3)，当原始放疗计划是静态调强放射放疗计划时，保存当前子野形状作为优化后的新生成子野的装置；当原始放疗计划是弧形调强放射放疗计划时，以不超过相邻子野之间的多页准直器和机架的最大运动速度为约束原则，对当前子野形状修改得到优化后的新生成子野的装置；
所述装置8)为，用于依照使得95％的靶区体积接受100％的处方剂量的原则，对步骤7.1)采用蒙特卡罗算法计算得到的剂量分布进行归一化运算得到比例因子λ的装置，以及用于将λ与步骤6)得到的每个子野的机器跳数线性相乘，更新每个子野的机器跳数的装置；
所述装置9)中，包括当原始放疗计划是静态调强放射放疗计划时，保存优化后的新生成子野、每个新生成子野的剂量分布和机器跳数生成新的放疗计划的装置；以及当原始放疗计划是弧形调强放射放疗计划时，将新生成的子野形状线性插值回原始放疗计划中每个控制点的位置，与每个新生成子野的剂量分布和机器跳数共同保存生成新的放疗计划的装置。
8.根据权利要求7所述的在线自适应放疗计划自动优化装置，其特征在于：还包括装置10)，所述装置10)为放疗计划参数传输过程检查装置，包括当新的放疗计划传输到剂量执行的验证***后，读取验证***中包括多页准直器叶片位置、机器跳数、机架角度在内的治疗参数，与新的放疗计划中的参数进行比较的装置；以及判断验证***中的治疗参数是否与新的放疗计划中的参数一致，如否则检查记录验证***是否异常，如是，则保存新的放疗计划作为此分次放疗计划的判断检查装置。
9.根据权利要求8所述的在线自适应放疗计划自动优化装置，其特征在于：还包括装置11)，所述装置11)为实时剂量检测装置，包括在所述此分次放疗计划的执行过程中使用电子射野影像装置记录治疗过程中多页准直器位置，或使用加速器记录的日志文件实时验证多页准直器位置，并与放疗计划中的多页准直器进行比较，实时重建三维剂量剂量分布的装置；以及当实时重建剂量分布和此分次放疗计划的剂量分布之差别超过3％则输出提醒信息，并中止执行的装置。
CN201410607268.1A 2014-10-31 2014-10-31 一种在线自适应放疗计划自动优化装置 Active CN104338240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410607268.1A CN104338240B (zh) 2014-10-31 2014-10-31 一种在线自适应放疗计划自动优化装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410607268.1A CN104338240B (zh) 2014-10-31 2014-10-31 一种在线自适应放疗计划自动优化装置

Publications (2)

Publication Number Publication Date
CN104338240A true CN104338240A (zh) 2015-02-11
CN104338240B CN104338240B (zh) 2017-02-22

Family

ID=52495213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410607268.1A Active CN104338240B (zh) 2014-10-31 2014-10-31 一种在线自适应放疗计划自动优化装置

Country Status (1)

Country Link
CN (1) CN104338240B (zh)

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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***
CN104815392A (zh) * 2015-04-10 2015-08-05 石峰 一种交互式放射治疗计划***优化方法及***
CN104866928A (zh) * 2015-06-04 2015-08-26 上海联影医疗科技有限公司 用于自适应放射治疗的优化方法及***
CN104933652A (zh) * 2015-04-27 2015-09-23 苏州敏宇医疗科技有限公司 一种基于云计算的肿瘤放射治疗的剂量验证***和方法
CN105031819A (zh) * 2015-08-25 2015-11-11 上海联影医疗科技有限公司 一种剂量优化方法与***
CN105999567A (zh) * 2016-06-22 2016-10-12 沈阳东软医疗***有限公司 一种电动多叶准直器的叶片位置控制方法和装置
CN106846317A (zh) * 2017-02-27 2017-06-13 北京连心医疗科技有限公司 一种基于特征提取和相似匹配的医学影像检索方法
CN106920234A (zh) * 2017-02-27 2017-07-04 北京连心医疗科技有限公司 一种复合式自动放疗计划的方法
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
CN107510898A (zh) * 2017-10-11 2017-12-26 上海联影医疗科技有限公司 医疗设备的光野、射野验证装置以及验证方法
CN107731298A (zh) * 2017-09-28 2018-02-23 北京全域医疗技术有限公司 基于放疗计划***的射野设置方法及装置
CN107767947A (zh) * 2017-09-28 2018-03-06 北京全域医疗技术有限公司 放疗计划评估方法及装置
CN108175953A (zh) * 2017-12-29 2018-06-19 苏州雷泰医疗科技有限公司 一种基于动态光栅的旋转调强优化方法及放射治疗设备
CN108434612A (zh) * 2018-01-05 2018-08-24 沈阳东软医疗***有限公司 一种质量保证测试方法及装置
CN104866928B (zh) * 2015-06-04 2018-08-31 上海联影医疗科技有限公司 用于自适应放射治疗的优化方法及***
CN108648811A (zh) * 2018-05-11 2018-10-12 南方医科大学 一种基于指征项预测的自动放疗计划质量评价方法
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
CN109513121A (zh) * 2018-12-28 2019-03-26 安徽大学 一种剂量引导自适应放射治疗计划重优化***和方法
CN109513119A (zh) * 2018-11-12 2019-03-26 武汉大学 一种容积旋转调强放疗计划准直器角度优化方法
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
CN110246562A (zh) * 2018-03-07 2019-09-17 有方（合肥）医疗科技有限公司 确定放疗***中的子射束强度的方法、装置及计算机***
CN110302475A (zh) * 2018-03-20 2019-10-08 北京连心医疗科技有限公司 一种云蒙特卡罗剂量验证分析方法、设备和存储介质
CN111388879A (zh) * 2020-03-19 2020-07-10 上海联影医疗科技有限公司 一种放射剂量确定***、装置及存储介质
CN111589000A (zh) * 2020-05-27 2020-08-28 浙江省肿瘤医院 一种医用直线加速器参数的验证方法
CN112354086A (zh) * 2020-10-16 2021-02-12 北京全域医疗技术集团有限公司 一种肿瘤放疗摆位调整方法、装置及计算机设备
CN112618967A (zh) * 2020-12-17 2021-04-09 程明霞 一种调整放疗剂量分布并生成相应放疗计划的装置
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
CN113827877A (zh) * 2021-09-15 2021-12-24 上海市胸科医院 一种基于加速器日志文件实现自动化剂量验证的方法
CN114010963A (zh) * 2021-11-08 2022-02-08 上海联影医疗科技股份有限公司 剂量确定的***、方法及计算机可读存储介质
CN116328214A (zh) * 2023-05-30 2023-06-27 福建自贸试验区厦门片区Manteia数据科技有限公司 放疗计划的执行状况的检测装置、电子设备及存储介质
WO2023115261A1 (zh) * 2021-12-20 2023-06-29 西安大医集团股份有限公司 放疗设备控制方法、装置、设备及存储介质
CN116525064A (zh) * 2023-07-03 2023-08-01 福建自贸试验区厦门片区Manteia数据科技有限公司 放疗计划的检测装置、电子设备及计算机可读存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306239B (zh) * 2011-07-22 2014-11-05 上海赛提菲克医疗器械有限公司 基于锥形束ct图像ct值校正技术的放疗剂量评估和优化方法
CN104117151B (zh) * 2014-08-12 2017-01-25 章桦 一种在线自适应放疗计划优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AHUNBAY.E.E, ET AL: "An on-line replanning scheme for interfractional variations", 《MEDICAL PHYSICS》 *

Cited By (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636832B (zh) * 2015-02-27 2018-09-21 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***
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***
CN104815392B (zh) * 2015-04-10 2018-01-26 石峰 一种交互式放射治疗计划***优化***
CN104815392A (zh) * 2015-04-10 2015-08-05 石峰 一种交互式放射治疗计划***优化方法及***
CN104933652A (zh) * 2015-04-27 2015-09-23 苏州敏宇医疗科技有限公司 一种基于云计算的肿瘤放射治疗的剂量验证***和方法
CN104866928B (zh) * 2015-06-04 2018-08-31 上海联影医疗科技有限公司 用于自适应放射治疗的优化方法及***
CN104866928A (zh) * 2015-06-04 2015-08-26 上海联影医疗科技有限公司 用于自适应放射治疗的优化方法及***
CN105031819A (zh) * 2015-08-25 2015-11-11 上海联影医疗科技有限公司 一种剂量优化方法与***
CN105031819B (zh) * 2015-08-25 2018-11-06 上海联影医疗科技有限公司 一种剂量优化***
CN105999567A (zh) * 2016-06-22 2016-10-12 沈阳东软医疗***有限公司 一种电动多叶准直器的叶片位置控制方法和装置
CN105999567B (zh) * 2016-06-22 2018-09-18 沈阳东软医疗***有限公司 一种电动多叶准直器的叶片位置控制方法和装置
CN106920234B (zh) * 2017-02-27 2021-08-27 北京连心医疗科技有限公司 一种复合式自动放疗计划的方法
CN106920234A (zh) * 2017-02-27 2017-07-04 北京连心医疗科技有限公司 一种复合式自动放疗计划的方法
CN106846317A (zh) * 2017-02-27 2017-06-13 北京连心医疗科技有限公司 一种基于特征提取和相似匹配的医学影像检索方法
CN106846317B (zh) * 2017-02-27 2021-09-17 北京连心医疗科技有限公司 一种基于特征提取和相似匹配的医学影像检索方法
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
CN107731298A (zh) * 2017-09-28 2018-02-23 北京全域医疗技术有限公司 基于放疗计划***的射野设置方法及装置
CN107767947A (zh) * 2017-09-28 2018-03-06 北京全域医疗技术有限公司 放疗计划评估方法及装置
CN107510898A (zh) * 2017-10-11 2017-12-26 上海联影医疗科技有限公司 医疗设备的光野、射野验证装置以及验证方法
CN107510898B (zh) * 2017-10-11 2021-04-16 上海联影医疗科技股份有限公司 医疗设备的光野、射野验证装置以及验证方法
CN108175953A (zh) * 2017-12-29 2018-06-19 苏州雷泰医疗科技有限公司 一种基于动态光栅的旋转调强优化方法及放射治疗设备
CN108175953B (zh) * 2017-12-29 2020-07-21 苏州雷泰医疗科技有限公司 一种基于动态光栅的旋转调强优化方法及放射治疗设备
CN108434612A (zh) * 2018-01-05 2018-08-24 沈阳东软医疗***有限公司 一种质量保证测试方法及装置
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
CN108434612B (zh) * 2018-01-05 2020-07-10 东软医疗***股份有限公司 一种质量保证测试方法及装置
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
CN110246562A (zh) * 2018-03-07 2019-09-17 有方（合肥）医疗科技有限公司 确定放疗***中的子射束强度的方法、装置及计算机***
CN110302475B (zh) * 2018-03-20 2021-02-19 北京连心医疗科技有限公司 一种云蒙特卡罗剂量验证分析方法、设备和存储介质
CN110302475A (zh) * 2018-03-20 2019-10-08 北京连心医疗科技有限公司 一种云蒙特卡罗剂量验证分析方法、设备和存储介质
CN108648811A (zh) * 2018-05-11 2018-10-12 南方医科大学 一种基于指征项预测的自动放疗计划质量评价方法
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
CN109513119A (zh) * 2018-11-12 2019-03-26 武汉大学 一种容积旋转调强放疗计划准直器角度优化方法
CN109513121B (zh) * 2018-12-28 2021-01-01 安徽大学 一种剂量引导自适应放射治疗计划重优化***和方法
CN109513121A (zh) * 2018-12-28 2019-03-26 安徽大学 一种剂量引导自适应放射治疗计划重优化***和方法
CN111388879A (zh) * 2020-03-19 2020-07-10 上海联影医疗科技有限公司 一种放射剂量确定***、装置及存储介质
CN111388879B (zh) * 2020-03-19 2022-06-14 上海联影医疗科技股份有限公司 一种放射剂量确定***、装置及存储介质
CN111589000A (zh) * 2020-05-27 2020-08-28 浙江省肿瘤医院 一种医用直线加速器参数的验证方法
CN112354086A (zh) * 2020-10-16 2021-02-12 北京全域医疗技术集团有限公司 一种肿瘤放疗摆位调整方法、装置及计算机设备
CN112618967A (zh) * 2020-12-17 2021-04-09 程明霞 一种调整放疗剂量分布并生成相应放疗计划的装置
CN112618967B (zh) * 2020-12-17 2024-03-15 程明霞 一种调整放疗剂量分布并生成相应放疗计划的装置
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
CN113827877A (zh) * 2021-09-15 2021-12-24 上海市胸科医院 一种基于加速器日志文件实现自动化剂量验证的方法
CN113827877B (zh) * 2021-09-15 2024-05-28 上海市胸科医院 一种基于加速器日志文件实现自动化剂量验证的方法
CN114010963A (zh) * 2021-11-08 2022-02-08 上海联影医疗科技股份有限公司 剂量确定的***、方法及计算机可读存储介质
CN114010963B (zh) * 2021-11-08 2023-10-20 上海联影医疗科技股份有限公司 剂量确定的***、方法及计算机可读存储介质
WO2023115261A1 (zh) * 2021-12-20 2023-06-29 西安大医集团股份有限公司 放疗设备控制方法、装置、设备及存储介质
CN116328214B (zh) * 2023-05-30 2023-08-22 福建自贸试验区厦门片区Manteia数据科技有限公司 放疗计划的执行状况的检测装置、电子设备及存储介质
CN116328214A (zh) * 2023-05-30 2023-06-27 福建自贸试验区厦门片区Manteia数据科技有限公司 放疗计划的执行状况的检测装置、电子设备及存储介质
CN116525064B (zh) * 2023-07-03 2023-11-10 福建自贸试验区厦门片区Manteia数据科技有限公司 放疗计划的检测装置、电子设备及计算机可读存储介质
CN116525064A (zh) * 2023-07-03 2023-08-01 福建自贸试验区厦门片区Manteia数据科技有限公司 放疗计划的检测装置、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN104338240B (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN104338240B (zh) 一种在线自适应放疗计划自动优化装置
Glide-Hurst et al. Adaptive radiation therapy (ART) strategies and technical considerations: a state of the ART review from NRG oncology
CN104117151B (zh) 一种在线自适应放疗计划优化方法
Meijers et al. Evaluation of interplay and organ motion effects by means of 4D dose reconstruction and accumulation
Beltran et al. Planning target margin calculations for prostate radiotherapy based on intrafraction and interfraction motion using four localization methods
US8222616B2 (en) Method for adapting fractionation of a radiation therapy dose
CN102671309B (zh) 用于确定辐照规划的方法和装置
US8442287B2 (en) Method and system for evaluating quality assurance criteria in delivery of a treatment plan
US9511241B2 (en) Irradiation planning for particle therapy
US10417390B2 (en) Methods and systems for radiotherapy treatment planning
Cai et al. A practical implementation of physics quality assurance for photon adaptive radiotherapy
CA2616306A1 (en) Method and system for processing data relating to a radiation therapy treatment plan
Nystrom et al. Treatment planning for proton therapy: what is needed in the next 10 years?
Bäumer et al. Comprehensive clinical commissioning and validation of the RayStation treatment planning system for proton therapy with active scanning and passive treatment techniques
McCowan et al. Clinical implementation of a model-based in vivo dose verification system for stereotactic body radiation therapy–volumetric modulated arc therapy treatments using the electronic portal imaging device
Boggula et al. A new strategy for online adaptive prostate radiotherapy based on cone-beam CT
Kejda et al. Evaluation of the clinical feasibility of cone-beam computed tomography guided online adaption for simulation-free palliative radiotherapy
Osewski et al. Clinical examples of 3D dose distribution reconstruction, based on the actual MLC leaves movement, for dynamic treatment techniques
Chen et al. A clinically relevant online patient QA solution with daily CT scans and EPID-based in vivo dosimetry: A feasibility study on rectal cancer
Varnava et al. Dosimetric comparison between volumetric modulated arc therapy planning techniques for prostate cancer in the presence of intrafractional organ deformation
Gueorguiev et al. Clinical evaluation of a novel transmission detector for 3D quality assurance of IMRT and SBRT
Kostovski Artificial Intelligence in Radiotherapy
Satherley The impact of plan complexity on the accuracy of VMAT for the treatment of head and neck cancer
Suvira Dosimetric differences between scheduled and adapted plans generated from ethos adaptive radiotherapy for patients with prostate cancer
Potter Feasibility Study of the Flattening Filter Removal Design for Conventional Treatments Using a Linear Accelerator

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
C41 Transfer of patent application or patent right or utility model
GR01 Patent grant
TA01 Transfer of patent application right

Effective date of registration: 20170126

Address after: 100084 Beijing Zhongguancun East Road, No. 1, building No. 8, ground floor, No. CB102-023, No.

Applicant after: Beijing Lianxin Medical Technology Co Ltd

Address before: Daming Road in Qinhuai District of Nanjing City, Jiangsu province 210022 No. 210, building 22, room 702, Nga Court 7

Applicant before: Zhang Hua