CN113223664B - 容积旋转调强计划复杂度的计算方法、设备及介质 - Google Patents
容积旋转调强计划复杂度的计算方法、设备及介质 Download PDFInfo
- Publication number
- CN113223664B CN113223664B CN202110531534.7A CN202110531534A CN113223664B CN 113223664 B CN113223664 B CN 113223664B CN 202110531534 A CN202110531534 A CN 202110531534A CN 113223664 B CN113223664 B CN 113223664B
- Authority
- CN
- China
- Prior art keywords
- control point
- information
- calculating
- field
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Urology & Nephrology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
本申请提供一种容积旋转调强计划复杂度的计算方法、设备及介质,涉及计算机技术领域。其中,该方法包括:获取容积旋转调强计划文件,容积旋转调强计划文件包括:对象信息、射野信息、控制点信息;根据对象信息、射野信息及控制点信息,计算子野面积变异度和叶片序列变异度;根据子野面积变异度和叶片序列变异度,计算容积旋转调强计划文件的复杂度因子,复杂度因子用于指示容积旋转调强计划文件的计划复杂程度,实现了可以自动化计算容积旋转调强计划文件的计划复杂程度,避免严重依赖物理师的经验和水平,且还可以提高计算效率。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种容积旋转调强计划复杂度的计算方法、设备及介质。
背景技术
精确放疗是提高放射治疗疗效、降低副反应的有效手段之一,容积旋转调强技术(Volume Modulated Arc Therapy,VMAT)作为放疗领域的一项放疗新技术,近几年来逐步发展成熟并成为放射治疗的主流高端治疗技术。
现有的,基于VMAT技术对病人进行治疗时,一般是物理师根据经验设计VMAT计划,医生通过肿瘤和危及器官的受量评估,决定计划质量是否达到临床标准,达到临床标准的计划物理师将计划复制到质量控制模体上在加速器上实际执行,评估计划剂量分布与实际剂量分布的差异,一致性较好的计划投入临床应用。通常计划剂量分布和实际剂量分布一致性好的计划复杂度低,而目前物理师通过查看机器跳数和子野运动情况,主观评估计划复杂性。
但现有的评估方式,由于通过人为经验进行评估,因此,存在评估效率低且严重依赖物理师的经验和水平的问题。
发明内容
本申请的目的在于,针对上述现有技术中的不足,提供一种容积旋转调强计划复杂度的计算方法、设备及介质,可以自动化计算容积旋转调强计划文件的计划复杂程度,避免严重依赖物理师的经验和水平,且还可以提高计算效率。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供了一种容积旋转调强计划复杂度的计算方法,包括:
获取容积旋转调强计划文件,所述容积旋转调强计划文件包括:对象信息、射野信息、控制点信息;
根据所述对象信息、所述射野信息及所述控制点信息,计算子野面积变异度和叶片序列变异度,其中,所述子野面积变异度用于指示控制点的子野面积与射束弧射束覆盖范围内面积的比值、所述叶片序列变异度用于指示子野内相邻叶片位置差与同侧叶片最大位置差的比值;
根据所述子野面积变异度和所述叶片序列变异度,计算所述容积旋转调强计划文件的复杂度因子,所述复杂度因子用于指示所述容积旋转调强计划文件的计划复杂程度。
可选地,上述方法还包括:
根据所述对象信息和所述控制点信息,计算叶片速度变异度,所述叶片速度变异度用于指示任意两个控制点间叶片运动速度的差异值;
根据所述复杂度因子和所述叶片速度变异度,计算综合复杂度因子。
可选地,控制点信息包括:叶片宽度、叶片的位置信息;
所述根据所述对象信息、所述射野信息及所述控制点信息,计算子野面积变异度,包括:
根据所述射野信息和所述控制点信息,计算各控制点的子野面积,所述子野面积用于指示固定机架角度下,射野内形成的调强射束相对叶片间的距离与叶片宽度的乘积之和;
根据所述对象信息、所述叶片宽度、所述叶片的位置信息以及所述子野面积,计算所述子野面积变异度。
可选地,所述根据所述射野信息和所述控制点信息,计算各控制点的子野面积,包括:
根据所述射野信息,获取射野内的叶片数;
根据所述射野内的叶片数、所述叶片宽度以及所述叶片的位置信息,计算各所述控制点的子野面积。
可选地,所述控制点信息包括:相邻叶片间的距离、第一预设位置叶片的位置最大差异、第二预设位置叶片的位置最大差异;
所述根据所述对象信息、所述射野信息及所述控制点信息,计算叶片序列变异度,包括:
根据所述对象信息、所述相邻叶片间的距离、所述第一预设位置叶片的位置最大差异、所述第二预设位置叶片的位置最大差异、以及所述射野信息,计算所述叶片序列变异度。
可选地,所述根据所述对象信息和所述控制点信息,计算叶片速度变异度,包括:
根据所述控制点信息,获取第一预设位置叶片的速度差异、第二预设位置叶片的速度差异;
根据所述第一预设位置叶片的速度差异、所述第二预设位置叶片的速度差异以及叶片的预设运动速度阈值,计算所述叶片速度变异度。
第二方面,本申请实施例提供了一种容积旋转调强计划复杂度的计算装置,包括:获取模块、第一计算模块以及第二计算模块;
所述获取模块,用于获取容积旋转调强计划文件,所述容积旋转调强计划文件包括:对象信息、射野信息、控制点信息;
所述第一计算模块,用于根据所述对象信息、所述射野信息及所述控制点信息,计算子野面积变异度和叶片序列变异度,其中,所述子野面积变异度用于指示控制点的子野面积与射束弧射束覆盖范围内面积的比值、所述叶片序列变异度用于指示子野内相邻叶片位置差与同侧叶片最大位置差的比值;
所述第二计算模块,用于根据所述子野面积变异度和所述叶片序列变异度,计算所述容积旋转调强计划文件的复杂度因子,所述复杂度因子用于指示所述容积旋转调强计划文件的计划复杂程度。
可选地,所述容积旋转调强计划复杂度的计算装置还包括:第三计算模块,用于根据所述对象信息和所述控制点信息,计算叶片速度变异度,所述叶片速度变异度用于指示任意两个控制点间叶片运动速度的差异值;
根据所述复杂度因子和所述叶片速度变异度,计算综合复杂度因子。
可选地,所述控制点信息包括:叶片宽度、叶片的位置信息,所述第一计算模块,具体用于根据所述射野信息和所述控制点信息,计算各控制点的子野面积,所述子野面积用于指示固定机架角度下,射野内形成的调强射束相对叶片间的距离与叶片宽度的乘积之和;
根据所述对象信息、所述叶片宽度、所述叶片的位置信息以及所述子野面积,计算所述子野面积变异度。
可选地,所述第一计算模块,具体用于根据所述射野信息,获取射野内的叶片数;
根据所述射野内的叶片数、所述叶片宽度以及所述叶片的位置信息,计算各所述控制点的子野面积。
可选地,所述控制点信息包括:相邻叶片间的距离、第一预设位置叶片的位置最大差异、第二预设位置叶片的位置最大差异;所述第一计算模块,具体用于根据所述对象信息、所述相邻叶片间的距离、所述第一预设位置叶片的位置最大差异、所述第二预设位置叶片的位置最大差异、以及所述射野信息,计算所述叶片序列变异度。
可选地,所述第三计算模块,具体用于根据所述控制点信息,获取第一预设位置叶片的速度差异、第二预设位置叶片的速度差异;
根据所述第一预设位置叶片的速度差异、所述第二预设位置叶片的速度差异以及叶片的预设运动速度阈值,计算所述叶片速度变异度。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、存储介质和总线,存储介质存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行机器可读指令,以执行上述第一方面的容积旋转调强计划复杂度的计算方法的步骤。
第四方面,本申请实施例提供了一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述第一方面的容积旋转调强计划复杂度的计算方法的步骤。
本申请的有益效果是:
本申请实施例提供的一种容积旋转调强计划复杂度的计算方法、设备及介质中,包括:获取容积旋转调强计划文件,容积旋转调强计划文件包括:对象信息、射野信息、控制点信息;根据对象信息、射野信息及控制点信息,计算子野面积变异度和叶片序列变异度,其中,子野面积变异度用于指示控制点的子野面积与射束弧射束覆盖范围内面积的比值、叶片序列变异度用于指示子野内相邻叶片位置差与同侧叶片最大位置差的比值;根据子野面积变异度和叶片序列变异度,计算容积旋转调强计划文件的复杂度因子,复杂度因子用于指示容积旋转调强计划文件的计划复杂程度,实现了可以自动化计算容积旋转调强计划文件的计划复杂程度,避免严重依赖物理师的经验和水平,且还可以提高计算效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种容积旋转调强计划复杂度的计算方法的流程示意图;
图2为本申请实施例提供的另一种容积旋转调强计划复杂度的计算方法的流程示意图;
图3为本申请实施例提供的又一种容积旋转调强计划复杂度的计算方法的流程示意图;
图4为本申请实施例提供的另一种容积旋转调强计划复杂度的计算方法的流程示意图;
图5为本申请实施例提供的又一种容积旋转调强计划复杂度的计算方法的流程示意图;
图6为本申请实施例提供的一种容积旋转调强计划复杂度的计算装置的功能模块示意图;
图7为本申请实施例提供的另一种容积旋转调强计划复杂度的计算装置的功能模块示意图;
图8为本申请实施例提供的一种电子设备结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在介绍本申请之前,首先对本申请中的相关背景和名词进行说明。
调强放疗(Intensity Modulated Radiation Therapy,IMRT)即调强适形放射治疗,是在三维适形放疗基础上的进一步发展的技术,要求辐射野内剂量强度按一定要求进行调节,简称调强放疗。调强放疗是通过调整射线强度,使得靶区(需要治疗部位的体积)剂量各处相等或根据治疗需要对照射体积内的剂量进行强度调节,同时保证周围正常组织和器官受到尽可能低的剂量照射的放疗技术,强度的调整通常使用直线加速器多叶光栅***(Multi-leave collimators,MLC)来实现。其中,MLC主要作用是替代手工制作的不规则铅挡块,在治疗过程中,由计算机控制MLC各个叶片的运动,形成临床所需的不规则形状射野进行照射。
调强放疗类型可包括静态调强和动态调强,静态调强(Step and Shoot)是将射线强度分布转换为由MLC组成的多个照射野及子野,各个照射野及子野分别有不同的形态和剂量,剂量叠加后形成计划的剂量分布强度,其特点是在出束过程中机架和MLC都不动,治疗完一个子野后,MLC改变形状,再继续下一个子野的治疗,直到这个照射野治疗完毕,机架旋转至下一个治疗角度,重复上述过程,直至完成全部照射野的治疗;动态调强(SlidingWindow)的特点是在出束过程中机架不动,MLC在运动,一次性治疗完一个照射野后,机架旋转至下一个照射野,重复上述过程,直至整个治疗结束。对于静态调强和动态调强这两种调强治疗方式来说,两种调强治疗方式的治疗时间都较长,特别是静态调强技术,每个部位治疗时间需要15-20分钟,对复杂靶区治疗时间会更长甚至超过半个小时,采用这种调强治疗方式患者在治疗期间可能会有***移动及因器官运动而影响治疗精度,最终会影响到治疗效果。
容积旋转调强(Volumetric Modulated Arc Therapy,VMAT)本质上是调强放疗的一种,不同之处在于出束过程中机架在旋转,MLC叶片位置和速度在改变,剂量率在变化,也即VMAT是将动态MLC与弧形治疗相结合,用旋转射束来实现优化的剂量分布,通常是用加速器内置的标准MLC完成的。其中,机架旋转一定角度为一个射束弧,通常治疗一次机架旋转一周或两周,Eclipse计划***优化产生的VMAT计划旋转一周将会形成177个不同的照射野,治疗过程中,直线加速器的机架、多叶光栏MLC在连续运动,剂量率也在连续变化。
VMAT治疗方式不仅剂量分布较好,VMAT可在360°单弧或多弧设定的任何角度范围内对肿瘤进行旋转照射,单弧照射只需1分15秒,双弧照射不到3分钟即可完成一次治疗,这样就大大缩短了患者的治疗时间。由于缩短了治疗时间,使得患者治疗时的舒适度提高,并有效减少了治疗过程中因患者***变化及器官移动造成的治疗误差,提高了治疗的准确性,也比传统治疗方式照射范围更大、更灵活、更精准,剂量跌落更陡峭,有利于增加肿瘤控制率,自由度的增加更有利于保护正常器官,降低正常组织并发症的概率,减少治疗后的副作用。此外,VMAT治疗方式可以达到与普通调强相当或更优的剂量分布,也明显减少了机器的MU数,可以减少了散射线和漏射线对患者的影响,降低放射性污染,降低机器损耗;采用VMAT治疗技术其剂量分布更优,对正常组织保护更好,靶区剂量分布更均匀,治疗效果会更好,放疗副反应更小。
其中,需要说明的是,现有VMAT技术的应用需要物理师先制定调强计划,人为地选择弧形射野数目及入射角度,再由计划***对射束的空间强度分布进行优化,优化计算出满足临床剂量要求的强度分布,再转换为加速器机架、MLC和机器跳数的驱动文件,通过执行驱动文件实现放疗的目的。
Eclipse计划***:利用建立一个患者和射线源***的模型来模拟患者与放射源***的专用软件包***,该***可导入电子计算机断层扫描图像(Computed Tomography,CT)、正电子发射计算机断层显像(PET-Computed Tomography,PET-CT)图像以及磁共振成像(Magnetic Resonance Imaging,MRI)等;可根据患者CT断层图像重建三维影像,并根据三维重建图像建立一个患者坐标系;可进行CT与CT、CT与PET-CT、CT与MRI等图像之间的融合;具有勾画靶区和危及器官的功能;可三维描述射线源和射野的位置空间关系;可以将CT值的矩阵转换成相应的电子密度表达以方便于进行剂量计算;在考虑了原射线,患者三维轮廓,由CT值转换的电子密度,射线源与照射野的空间位置关系,射束的对称性和平坦性,以及MLC、均整器、楔形板等束流修正装置等因素的基础上进行剂量计算;可将剂量优化计算结果进行展示,包括靶区和危及器官的剂量-体积直方图(Dose Volume Histogram,DVH)、患者体内的3D剂量分布等;具有正向和逆向治疗计划设计的功能;快速的计划优化和剂量计算速度;同一个CT图像系列的不同治疗计划间的比较;具有计划验证和审核确认的功能。
照射野:放疗相关的词汇,放疗机发出射线,通过皮肤到达患者病变部位,通过模拟机(或CT定位机)在人体表划定一个范围,身体前后左右各个方向均可以,这个划定的区域,在治疗时用,通常叫做照射野,简称射野。
射束弧:包含射束起始和终点角度,可以由多个控制点链接而成。
控制点:VMAT计划优化出的,射束弧上固定机架度下的射野,包含机架角度、叶片的位置和累积机器跳数的信息,两控制点间加速器旋转连续出束,叶片从一个预设位置运动到另一个预设位置。
机器跳数:加速器输出剂量的标定单位MU,定义为标准条件下,1MU=1cGy,cGY为组织吸收放射线的剂量单位。
控制点累积机器跳数:射束所需要的机器跳数被分散到每个控制点,到达某个控制点后已经照射的机器跳数。
图1为本申请实施例提供的一种容积旋转调强计划复杂度的计算方法的流程示意图,该方法的执行主体可以是计算机、服务器、处理器中可以进行数据处理的电子设备。如图1所示,该方法可以包括:
S101、获取容积旋转调强计划文件,容积旋转调强计划文件包括:对象信息、射野信息、控制点信息。
在一些实施例中,容积旋转调强计划文件可以通过Eclipse计划***获取,又或者,可以通过与Eclipse计划***具有相同功能的***获取,在此不作限定。可选地,容积旋转调强计划文件中对象信息可以包括但不限于目标对象的姓名、性别、身份证号,病历号等;射野信息,可以包括但不限于:射野的数量、位置、标识等;控制点信息,可以包括但不限于:控制点标识、控制点位置、机架角度、叶片的宽度、叶片的位置信息、累积机器跳数、累积剂量等,在此不作限定。
S102、根据对象信息、射野信息及控制点信息,计算子野面积变异度和叶片序列变异度。
其中,子野面积变异度用于指示控制点的子野面积与射束弧射束覆盖范围内面积的比值、叶片序列变异度用于指示子野内相邻叶片位置差与同侧叶片最大位置差的比值。
子野面积变异度(Aperture Area Variability,AAV)也即控制点的子野面积变异度,其可以表征控制点的子野面积与射束弧射束覆盖范围内面积的比值;叶片序列变异度(Leaf Sequence Variability,LSV)用于指示子野内相邻叶片位置差与同侧叶片最大位置差的比值,其可以表征叶片序列变异度。
其中,AAV、LSV的取值可以是0~1之间的任意值,AAV、LSV的值越小,可以表征该容积旋转调强计划文件越复杂,而容积旋转调强计划文件越复杂,则基于该容积旋转调强计划文件进行放疗时,将延长患者的治疗时间,增加VMAT设备的损耗,且无法保证实际的放疗效果,比如,由于容积旋转调强计划较为复杂,将导致MLC运动中不能及时切换,某些控制点的放疗剂量不符合容积旋转调强计划中的预设剂量。因此,针对同一待放疗患者设计的具有相同放疗效果的多个容积旋转调强计划文件,有必要在该多个容积旋转调强计划文件选择复杂度较低的容积旋转调强计划文件作为目标容积旋转调强计划文件用于临床放疗,从而可以提高对象的放疗体验,保证放疗效果。
S103、根据子野面积变异度和叶片序列变异度,计算容积旋转调强计划文件的复杂度因子,复杂度因子用于指示容积旋转调强计划文件的计划复杂程度。
基于上述的说明,在获取到子野面积变异度和叶片序列变异度后,则可以将两者结合起来,进一步计算该容积旋转调强计划文件的复杂度因子,通过该复杂度因子获取容积旋转调强计划文件的计划复杂程度。其中,复杂度因子越大,则可以指示容积旋转调强计划文件的计划复杂程度越低;复杂度因子越小,则可以指示容积旋转调强计划文件的计划复杂程度越高。
可选地,在获取到容积旋转调强计划文件的复杂度因子后,可以将该复杂度因子与预设阈值进行比较,若该复杂度因子小于预设阈值,则可以重新选择容积旋转调强计划文件参见上述的方法进行计算,若该复杂度因子大于预设阈值,则可以确定该容积旋转调强计划文件作为该对象的目标容积旋转调强计划文件。
在一些实施例中,可以参见下述的公式计算容积旋转调强计划文件的复杂度因子,但不以此为限。
其中,I表示整个射束弧包含的控制点的个数,MCSarc表示容积旋转调强计划文件的复杂度因子,表示第i个控制点的叶片序列变异度,表示第i+1个控制点的叶片序列变异度,表示第i个控制点的子野面积变异度,表示第i+1个控制点的子野面积变异度,weighti表示机器跳数权重。
综上,本申请实施例提供一种容积旋转调强计划复杂度的计算方法,该方法包括:获取容积旋转调强计划文件,容积旋转调强计划文件包括:对象信息、射野信息、控制点信息;根据对象信息、射野信息及控制点信息,计算子野面积变异度和叶片序列变异度,其中,子野面积变异度用于指示控制点的子野面积与射束弧射束覆盖范围内面积的比值、叶片序列变异度用于指示子野内叶片与整个弧段叶片距离的差异值;根据子野面积变异度和叶片序列变异度,计算容积旋转调强计划文件的复杂度因子,复杂度因子用于指示容积旋转调强计划文件的计划复杂程度,实现了可以自动化计算容积旋转调强计划文件的计划复杂程度,避免严重依赖物理师的经验和水平。
图2为本申请实施例提供的另一种容积旋转调强计划复杂度的计算方法的流程示意图。可选地,为了进一步使得计算的容积旋转调强计划文件的复杂度因子更为准确,上述方法还包括:
S201、根据对象信息和控制点信息,计算叶片速度变异度,叶片速度变异度用于指示任意两个控制点间叶片运动速度的差异值。
S202、根据复杂度因子和叶片速度变异度,计算综合复杂度因子。
叶片速度变异度(Leaf Velocity Variability,LVV)的取值可以是0~1之间的任意值,LVV的值越小,可以表征该容积旋转调强计划文件越复杂。基于上述获取的复杂度因子,则可以进一步结合LVV,计算综合复杂度因子,使得可以从子野面积变异度、叶片序列变异度以及叶片速度变异度多个维度,计算获取针对某对象的容积旋转调强计划文件的综合复杂度因子,使得根据该综合复杂度因子确定容积旋转调强计划文件的计划复杂程度时,可以提高准确性。
在一些实施例中,可以参见下述的公式计算容积旋转调强计划文件的综合复杂度因子,但不以此为限。
其中,MCSc表示容积旋转调强计划文件的综合复杂度因子,表示第i个控制点的叶片序列变异度,表示第i+1个控制点的叶片序列变异度,表示第i个控制点的子野面积变异度,表示第i+1个控制点的子野面积变异度,表示第i个控制点的叶片速度变异度,weighti表示机器跳数权重。
图3为本申请实施例提供的又一种容积旋转调强计划复杂度的计算方法的流程示意图。可选地,控制点信息可以包括:叶片宽度、叶片的位置信息,如图3所示,上述根据对象信息、射野信息及控制点信息,计算子野面积变异度,包括:
S301、根据射野信息和控制点信息,计算各控制点的子野面积,子野面积用于指示固定机架角度下,射野内形成的调强射束相对叶片间的距离与叶片宽度的乘积之和。
S302、根据对象信息、叶片宽度、叶片的位置信息以及子野面积,计算子野面积变异度。
其中,在获取到射野信息后,则可以根据射野内的叶片数和每个控制点的控制点信息,计算获取各控制点的子野面积,根据各控制点的子野面积、对象信息、叶片宽度、叶片的位置信息可以进一步计算得到控制点的子野面积变异度。
在一些实施例中,可以参见下述的公式计算控制点的子野面积变异度,但不以此为限。
其中,N表示参与射束调强的叶片数,表示第i个控制点的子野面积变异度,表示第i个控制点的子野面积,arc表示围绕治疗区域旋转的射束弧,<posn>leftbank表示子野内左边第n个叶片的位置坐标,<posn>rightbank表示子野内右边第n个叶片的位置坐标,LeafWidthn表示叶片宽度。
图4为本申请实施例提供的另一种容积旋转调强计划复杂度的计算方法的流程示意图。可选地,如图4所示,上述根据射野信息和控制点信息,计算各控制点的子野面积,可以包括:
S401、根据射野信息,获取射野内的叶片数。
S402、根据射野内的叶片数、叶片宽度以及叶片的位置信息,计算各控制点的子野面积。
在一些实施例中,可以参见下述的公式计算控制点的子野面积,但不以此为限。
其中,表示第i个控制点的子野面积,N表示射野内叶片数,LeafWidthn表示加速器中心处叶片的投影宽度,取值一般为10mm和5mm,<posn>leftbank表示子野内左边第n个叶片的位置坐标,<posn>rightbank表示子野内右边第n个叶片的位置坐标,<posn>leftbank-<posn>rightbank表示调强射束控制点的相对叶片间的距离。
可选地,控制点信息包括:相邻叶片间的距离、第一预设位置叶片的位置最大差异、第二预设位置叶片的位置最大差异;上述根据对象信息、射野信息及控制点信息,计算叶片序列变异度,包括:
根据对象信息、相邻叶片间的距离、第一预设位置叶片的位置最大差异、第二预设位置叶片的位置最大差异、以及射野信息,计算叶片序列变异度。
在一些实施例中,可以参见下述的公式计算控制点的叶片序列变异度,但不以此为限。
其中,N表示参与射束调强的叶片数,表示第i个控制点的叶片序列变异度,posmax表示控制点参与射束调强的左边叶片和右边叶片的最大位置差值,posn-posn+1表示相邻两叶片间的距离,表示射野内左边叶片的位置差异,表示射野内右边叶片的位置差异。
图5为本申请实施例提供的又一种容积旋转调强计划复杂度的计算方法的流程示意图。可选地,如图5所示,上述根据对象信息和控制点信息,计算叶片速度变异度,包括:
S501、根据控制点信息,获取第一预设位置叶片的速度差异、第二预设位置叶片的速度差异。
S502、根据第一预设位置叶片的速度差异、第二预设位置叶片的速度差异以及叶片的预设运动速度阈值,计算叶片速度变异度。
可选地,第一预设位置与第二预设位置可以为相对位置,比如,第一预设位置可以为射野内左边位置,对应地,第二预设位置可以为射野内右边位置;又或者,第一预设位置可以为射野内右边位置,对应地,第二预设位置可以为射野内左边位置,在此不作限定,根据实际的应用场景可以自行设置。
在一些实施例中,可以参见下述的公式计算控制点的叶片速度变异度,但不以此为限。
其中,表示第i个控制点的叶片速度变异度,可以用于描述两个控制点间叶片运动速度的差异,表示第i个控制点中第n个叶片的位置,表示机架从上一个控制点旋转到第i个控制点的时间,Vconstrained表示叶片最大运动速度限制,表示射野内左边叶片的速度差异,表示射野内右边叶片的速度差异。
当然,需要说明的是,上述各公式只是给出了一种可选的计算方式,当然,实际计算方式并不以此为限。
综上,应用本申请实施例可以从多个维度计算获取针对某对象的容积旋转调强计划文件的综合复杂度因子,使得根据该综合复杂度因子确定容积旋转调强计划文件的计划复杂程度时,可以提高准确性。
图6为本申请实施例提供的一种容积旋转调强计划复杂度的计算装置的功能模块示意图,该装置基本原理及产生的技术效果与前述对应的方法实施例相同,为简要描述,本实施例中未提及部分,可参考方法实施例中的相应内容。如图6所示,容积旋转调强计划复杂度的计算装置100包括:获取模块110、第一计算模块120以及第二计算模块130;
获取模块110,用于获取容积旋转调强计划文件,容积旋转调强计划文件包括:对象信息、射野信息、控制点信息;
第一计算模块120,用于根据对象信息、射野信息及控制点信息,计算子野面积变异度和叶片序列变异度,其中,子野面积变异度用于指示控制点的子野面积与射束弧射束覆盖范围内面积的比值、叶片序列变异度用于指示子野内相邻叶片位置差与同侧叶片最大位置差的比值;
第二计算模块130,用于根据子野面积变异度和叶片序列变异度,计算容积旋转调强计划文件的复杂度因子,复杂度因子用于指示容积旋转调强计划文件的计划复杂程度。
图7为本申请实施例提供的另一种容积旋转调强计划复杂度的计算装置的功能模块示意图。可选地,如图7所示,容积旋转调强计划复杂度的计算装置100还包括:第三计算模块140,用于根据对象信息和控制点信息,计算叶片速度变异度,叶片速度变异度用于指示任意两个控制点间叶片运动速度的差异值;根据复杂度因子和叶片速度变异度,计算综合复杂度因子。
可选地,控制点信息包括:叶片宽度、叶片的位置信息,第一计算模块120,具体用于根据射野信息和控制点信息,计算各控制点的子野面积,子野面积用于指示固定机架角度下,射野内形成的调强射束相对叶片间的距离与叶片宽度的乘积之和;
根据对象信息、叶片宽度、叶片的位置信息以及子野面积,计算子野面积变异度。
可选地,第一计算模块120,具体用于根据射野信息,获取射野内的叶片数;
根据射野内的叶片数、叶片宽度以及叶片的位置信息,计算各控制点的子野面积。
可选地,控制点信息包括:相邻叶片间的距离、第一预设位置叶片的位置最大差异、第二预设位置叶片的位置最大差异;第一计算模块120,具体用于根据对象信息、相邻叶片间的距离、第一预设位置叶片的位置最大差异、第二预设位置叶片的位置最大差异、以及射野信息,计算叶片序列变异度。
可选地,第三计算模块140,具体用于根据控制点信息,获取第一预设位置叶片的速度差异、第二预设位置叶片的速度差异;
根据第一预设位置叶片的速度差异、第二预设位置叶片的速度差异以及叶片的预设运动速度阈值,计算叶片速度变异度。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(Digital Signal Processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,简称SOC)的形式实现。
图8为本申请实施例提供的一种电子设备结构示意图。如图8所示,该电子设备可以包括:处理器210、存储介质220和总线230,存储介质220存储有处理器210可执行的机器可读指令,当电子设备运行时,处理器210与存储介质220之间通过总线230通信,处理器210执行机器可读指令,以执行上述方法实施例的步骤。具体实现方式和技术效果类似,这里不再赘述。
可选地,本申请还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述方法实施例的步骤。具体实现方式和技术效果类似,这里不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (7)
1.一种容积旋转调强计划复杂度的计算方法,其特征在于,包括:
获取容积旋转调强计划文件,所述容积旋转调强计划文件包括:对象信息、射野信息、控制点信息;
根据所述对象信息、所述射野信息及所述控制点信息,计算子野面积变异度和叶片序列变异度,其中,所述子野面积变异度用于指示控制点的子野面积与射束弧射束覆盖范围内面积的比值、所述叶片序列变异度用于指示子野内相邻叶片位置差与同侧叶片最大位置差的比值;
根据所述子野面积变异度和所述叶片序列变异度,计算所述容积旋转调强计划文件的复杂度因子,所述复杂度因子用于指示所述容积旋转调强计划文件的计划复杂程度;
所述方法还包括:
根据所述对象信息和所述控制点信息,计算叶片速度变异度,所述叶片速度变异度用于指示任意两个控制点间叶片运动速度的差异值;
根据所述复杂度因子和所述叶片速度变异度,计算综合复杂度因子;
所述根据所述对象信息和所述控制点信息,计算叶片速度变异度,包括:
根据所述控制点信息,获取第一预设位置叶片的速度差异、第二预设位置叶片的速度差异;
根据所述第一预设位置叶片的速度差异、所述第二预设位置叶片的速度差异以及叶片的预设运动速度阈值,计算所述叶片速度变异度;
所述叶片速度变异度的计算公式为:
2.根据权利要求1所述的方法,其特征在于,所述控制点信息包括:叶片宽度、叶片的位置信息;
所述根据所述对象信息、所述射野信息及所述控制点信息,计算子野面积变异度,包括:
根据所述射野信息和所述控制点信息,计算各控制点的子野面积,所述子野面积用于指示固定机架角度下,射野内形成的调强射束相对叶片间的距离与叶片宽度的乘积之和;
根据所述对象信息、所述叶片宽度、所述叶片的位置信息以及所述子野面积,计算所述子野面积变异度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述射野信息和所述控制点信息,计算各控制点的子野面积,包括:
根据所述射野信息,获取射野内的叶片数;
根据所述射野内的叶片数、所述叶片宽度以及所述叶片的位置信息,计算各所述控制点的子野面积。
4.根据权利要求1所述的方法,其特征在于,所述控制点信息包括:相邻叶片间的距离、第一预设位置叶片的位置最大差异、第二预设位置叶片的位置最大差异;
所述根据所述对象信息、所述射野信息及所述控制点信息,计算叶片序列变异度,包括:
根据所述对象信息、所述相邻叶片间的距离、所述第一预设位置叶片的位置最大差异、所述第二预设位置叶片的位置最大差异、以及所述射野信息,计算所述叶片序列变异度。
5.一种容积旋转调强计划复杂度的计算装置,其特征在于,包括:获取模块、第一计算模块以及第二计算模块;
所述获取模块,用于获取容积旋转调强计划文件,所述容积旋转调强计划文件包括:对象信息、射野信息、控制点信息;
所述第一计算模块,用于根据所述对象信息、所述射野信息及所述控制点信息,计算子野面积变异度和叶片序列变异度,其中,所述子野面积变异度用于指示控制点的子野面积与射束弧射束覆盖范围内面积的比值、所述叶片序列变异度用于指示子野内相邻叶片位置差与同侧叶片最大位置差的比值;
所述第二计算模块,用于根据所述子野面积变异度和所述叶片序列变异度,计算所述容积旋转调强计划文件的复杂度因子,所述复杂度因子用于指示所述容积旋转调强计划文件的计划复杂程度;
所述容积旋转调强计划复杂度的计算装置还包括:第三计算模块,用于根据所述对象信息和所述控制点信息,计算叶片速度变异度,所述叶片速度变异度用于指示任意两个控制点间叶片运动速度的差异值;
根据所述复杂度因子和所述叶片速度变异度,计算综合复杂度因子;
所述第三计算模块,具体用于根据所述控制点信息,获取第一预设位置叶片的速度差异、第二预设位置叶片的速度差异;
根据所述第一预设位置叶片的速度差异、所述第二预设位置叶片的速度差异以及叶片的预设运动速度阈值,计算所述叶片速度变异度;
所述叶片速度变异度的计算公式为:
6.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1-4任一所述容积旋转调强计划复杂度的计算方法的步骤。
7.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-4任一所述容积旋转调强计划复杂度的计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110531534.7A CN113223664B (zh) | 2021-05-14 | 2021-05-14 | 容积旋转调强计划复杂度的计算方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110531534.7A CN113223664B (zh) | 2021-05-14 | 2021-05-14 | 容积旋转调强计划复杂度的计算方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113223664A CN113223664A (zh) | 2021-08-06 |
CN113223664B true CN113223664B (zh) | 2023-03-14 |
Family
ID=77092082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110531534.7A Active CN113223664B (zh) | 2021-05-14 | 2021-05-14 | 容积旋转调强计划复杂度的计算方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113223664B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111437521A (zh) * | 2020-04-23 | 2020-07-24 | 华东医院 | 一种非均匀容积弧形调强方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11439846B2 (en) * | 2017-05-03 | 2022-09-13 | Koninklijke Philips N.V. | Visualization of volumetric modulated arc therapy (VMAT) plans |
US10786687B2 (en) * | 2018-09-28 | 2020-09-29 | Varian Medical Systems, Inc | Method and apparatus for performing irradiation time optimization for intensity modulated proton therapy during treatment planning while maintaining acceptable irradiation plan quality |
CN111986778B (zh) * | 2020-07-31 | 2024-02-20 | 上海联影医疗科技股份有限公司 | 一种调强计划优化***、装置及存储介质 |
-
2021
- 2021-05-14 CN CN202110531534.7A patent/CN113223664B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111437521A (zh) * | 2020-04-23 | 2020-07-24 | 华东医院 | 一种非均匀容积弧形调强方法 |
Non-Patent Citations (4)
Title |
---|
AAA和PDIP算法在非均整模式容积调强放射治疗剂量预测方面的差异;姚凯宁;《中国医学物理学杂志》;20200425;第419-425页 * |
Modulation indices for volumetric modulated arc therapy;MIN PARK J;《Phys Med Biol》;20141110;第7314-7340页 * |
最小子野面积对***调强计划的影响;陈亮;《中国医学物理学杂志》;20150831;733-736页 * |
鼻咽癌容积调强剂量验证与计划复杂性的相关性;滕建建;《中国医学物理学杂志》;20180725;第781-784页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113223664A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vanetti et al. | On the role of the optimization algorithm of RapidArc® volumetric modulated arc therapy on plan quality and efficiency | |
Oliver et al. | Comparing planning time, delivery time and plan quality for IMRT, RapidArc and Tomotherapy | |
US10417390B2 (en) | Methods and systems for radiotherapy treatment planning | |
Shan et al. | Robust optimization in IMPT using quadratic objective functions to account for the minimum MU constraint | |
Weiss et al. | An analysis of 6-MV versus 18-MV photon energy plans for intensity-modulated radiation therapy (IMRT) of lung cancer | |
Weyh et al. | Lung SBRT: dosimetric and delivery comparison of RapidArc, TomoTherapy, and IMRT | |
Kron et al. | Planning evaluation of radiotherapy for complex lung cancer cases using helical tomotherapy | |
Qiu et al. | Dosimetric comparison of 3D conformal, IMRT, and V-MAT techniques for accelerated partial-breast irradiation (APBI) | |
Chin et al. | Investigation of a novel algorithm for true 4D‐VMAT planning with comparison to tracked, gated and static delivery | |
Diot et al. | Biological‐based optimization and volumetric modulated arc therapy delivery for stereotactic body radiation therapy | |
Bergman et al. | Direct aperture optimization for IMRT using Monte Carlo generated beamlets | |
Cilla et al. | Assessing the feasibility of volumetric-modulated arc therapy using simultaneous integrated boost (SIB-VMAT): an analysis for complex head-neck, high-risk prostate and rectal cancer cases | |
Shan et al. | A novel and individualized robust optimization method using normalized dose interval volume constraints (NDIVC) for intensity‐modulated proton radiotherapy | |
Branchini et al. | Validation of a method for “dose of the day” calculation in head-neck tomotherapy by using planning ct-to-MVCT deformable image registration | |
JP2016506789A (ja) | Imrtにおけるビーム数を決定する装置 | |
Yu et al. | Dosimetric and planning efficiency comparison for lung SBRT: CyberKnife vs VMAT vs knowledge-based VMAT | |
Nguyen et al. | Computerized triplet beam orientation optimization for MRI‐guided Co‐60 radiotherapy | |
JP2022541102A (ja) | 生物学的不確実性に関する堅牢な放射線治療計画作成のための方法及びシステム | |
Kainz et al. | A planning and delivery study of a rotational IMRT technique with burst delivery | |
Milette et al. | Maximizing the potential of direct aperture optimization through collimator rotation | |
Ureba et al. | MCTP system model based on linear programming optimization of apertures obtained from sequencing patient image data maps | |
McCann et al. | Lung sparing and dose escalation in a robust‐inspired IMRT planning method for lung radiotherapy that accounts for intrafraction motion | |
Chen et al. | Comparison of IMRT techniques in the radiotherapeutic management of head and neck cancer: is tomotherapy “better” than step-and-shoot IMRT? | |
CN113223664B (zh) | 容积旋转调强计划复杂度的计算方法、设备及介质 | |
Mohatt et al. | Technical and dosimetric implications of respiratory induced density variations in a heterogeneous lung phantom |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |