CN113570705B - 一种三维剂量重建方法、装置、计算机设备及存储介质 - Google Patents
一种三维剂量重建方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113570705B CN113570705B CN202110854134.XA CN202110854134A CN113570705B CN 113570705 B CN113570705 B CN 113570705B CN 202110854134 A CN202110854134 A CN 202110854134A CN 113570705 B CN113570705 B CN 113570705B
- Authority
- CN
- China
- Prior art keywords
- flux
- dose
- point
- data
- probe
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000004907 flux Effects 0.000 claims abstract description 106
- 239000000523 sample Substances 0.000 claims abstract description 61
- 239000011159 matrix material Substances 0.000 claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000001959 radiotherapy Methods 0.000 abstract description 6
- 230000005855 radiation Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measurement Of Radiation (AREA)
Abstract
本申请实施例属于放疗技术领域,涉及一种三维剂量重建方法、装置、计算机设备及存储介质,该方法包括:接收探头探测器采集到的圆柱模体的探头测量值;获取与所述圆柱模体相对应的入射角度数据以及通量‑剂量矩阵;根据Chambo l l e‑Pock算法对所述探头测量值、所述入射角度数据以及所述通量‑剂量矩阵进行迭代计算操作,得到通量数据;根据筒串卷积算法计算所述通量数据,得到与所述圆柱模体相对应的三维剂量数据。本申请根据卷积‑迭代的方法,先获取圆柱模体的探头测量值、入射角度数据和通量‑剂量矩阵,反推出入射通量的大小,再根据筒串卷积算法计算该通量,得到三维剂量,相较于传统修正的三维剂量重建方法精度更高。
Description
技术领域
本申请涉及放疗技术领域,尤其涉及一种三维剂量重建方法、装置、计算机设备及存储介质。
背景技术
射线探测器主要用于收集高能射线的能量,分布和状态等相关信息,是放射测量设备中的重要组成部分。圆柱体矩阵通过分布在圆柱面上的探头获得三维空间射线的信息。然而探头数目相当有限,通常只有一千多个,而且只分布在圆柱面上。要想得到剂量的三维空间分布,就需要三维重建算法。
现有三维重建算法主要是基于修正的算法,采用不同射野大小下水模体在平坦表面和正常入射情况下所测量百分深度剂量(PDD)和射野离轴比曲线(profile)等数据,结合不同方法来修正不规则轮廓和射线的斜入射,并考虑器官的不同电子密度对组织不均匀性进行校正,并且与均匀电子密度的水模体进行比对,通过插值推算出不同位置的修正因子,再根据探头的测量值乘上修正因子,就得到三维的剂量分布。
然而,申请人发现传统的三维重建算法普遍存在精度不高的问题。
发明内容
本申请实施例的目的在于提出一种三维剂量重建方法、装置、计算机设备及存储介质,以解决传统的三维重建算法普遍存在精度不高的问题。
为了解决上述技术问题,本申请实施例提供一种三维剂量重建方法,采用了如下所述的技术方案:
接收探头探测器采集到的圆柱模体的探头测量值;
获取与所述圆柱模体相对应的入射角度数据以及通量-剂量矩阵;
根据Chambolle-Pock算法对所述探头测量值、所述入射角度数据以及所述通量-剂量矩阵进行迭代计算操作,得到通量数据;
根据筒串卷积算法计算所述通量数据,得到与所述圆柱模体相对应的三维剂量数据。
为了解决上述技术问题,本申请实施例还提供一种三维剂量重建装置,采用了如下所述的技术方案:
第一数据获取模块,用于接收探头探测器采集到的圆柱模体的探头测量值;
第二数据获取模块,用于获取与所述圆柱模体相对应的入射角度数据以及通量-剂量矩阵;
通量计算模块,用于根据Chambolle-Pock算法对所述探头测量值、所述入射角度数据以及所述通量-剂量矩阵进行迭代计算操作,得到通量数据;
剂量计算模块,用于根据筒串卷积算法计算所述通量数据,得到与所述圆柱模体相对应的三维剂量数据。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上所述的三维剂量重建方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上所述的三维剂量重建方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请提供了一种三维剂量重建方法,包括:接收探头探测器采集到的圆柱模体的探头测量值;获取与所述圆柱模体相对应的入射角度数据以及通量-剂量矩阵;根据Chambolle-Pock算法对所述探头测量值、所述入射角度数据以及所述通量-剂量矩阵进行迭代计算操作,得到通量数据;根据筒串卷积算法计算所述通量数据,得到与所述圆柱模体相对应的三维剂量数据。本申请根据卷积-迭代的方法,先获取圆柱模体的探头测量值、入射角度数据和通量-剂量矩阵,反推出入射通量的大小,再根据筒串卷积(CCCS)算法计算该通量,得到三维剂量,相较于传统基于修正的三维剂量重建方法精度更高,同时,计算效率更快。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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的附图。
图1是本申请实施例一提供的三维剂量重建方法的实现流程图;
图2是本申请实施例一提供的计算点i的体积分的示意图;
图3是本申请实施例一提供的另一种三维剂量重建方法的实现流程图;
图4是本申请实施例一提供的简化体积分为面积分的示意图;
图5是本申请实施例二提供的一种三维剂量重建装置的结构示意图;
图6是本申请实施例二提供的另一种三维剂量重建装置的结构示意图;
图7是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,示出了本申请实施例一提供的三维剂量重建方法的实现流程图,为了便于说明,仅示出与本申请相关的部分。
上述的三维剂量重建方法,包括以下步骤:
步骤S101:接收探头探测器采集到的圆柱模体的探头测量值。
在本申请实施例中,探头探测器即为射线探测器,主要用于收集高能射线的能量,分布和状态等相关信息,是放射测量设备中的重要组成部分。通过分布在圆柱模体面上的探头获得三维空间射线的信息。
在本申请实施例中,圆柱模体指的是待重建的模体,该模体以用于模拟待放疗对象的人体,该模体可以是圆柱体、正方体等等,应当理解,此处对模体的举例仅为方便理解,模体几何性质并没有显式要求,对其它形状模体,其他分布的测量数据,一样适用,是一种通用的通量反推算法。
步骤S102:获取与圆柱模体相对应的入射角度数据以及通量-剂量矩阵。
在本申请实施例中,入射角度数据可以是从放疗计划文件中获得;也可以通过配备的角度感应器等硬件设备可测量得到,应当理解,此处对获取入射角度数据的举例仅为方便理解,不用于限定本申请。
在本申请实施例中,通量-剂量矩阵A可用任一合格的剂量计算方法求得,由于arcmap为圆柱体,加速器臂架转轴与arcmap圆柱中心重合,整个***近似轴对称。只需计算0度入射的A,通过坐标变换,即可得到任意入射角度数据的通量-剂量矩阵A。而且A只与模体密度、加速器能谱有关,与射野、跳数等等具体计划内容无关,arcmap模体的密度是固定的,故可提前算好各种加速器型号的A,存成文件,以后便可反复使用。
步骤S103:根据Chambo||e-Pock算法对探头测量值、入射角度数据以及通量-剂量矩阵进行迭代计算操作,得到通量数据。
在本申请实施例中,Chambo||e-Pock算法引入两个辅助变量s,t,迭代求解
fk+1=projR+(fk-∑(ATtk+DTsk))
tk+1=(I+Γ2)-1(tk+Γ2(A(2fk+1-fk)-d))
其中,projS表示投影操作,把后面的量向S区间投影。R+表示正实数区间,||||∞≤λ表示无穷大范数小于λ的区域。I是单位矩阵。∑,Γ1,Γ2为对角矩阵,起控制步长的作用。
在本申请实施例中,根据优化理论,以上的迭代形式及步长选择可保证收敛,并加快收敛速度。实践中20-50次迭代足以收敛。此算法只有矩阵乘法,不涉及矩阵求逆等等复杂耗时的手段,容易实现,不需要特殊软件包的支持。
步骤S104:根据筒串卷积算法计算通量数据,得到与圆柱模体相对应的三维剂量数据。
在实际应用中,如图2所示,点i的剂量di等于各点通量fj乘上一个系数aij,再叠加。在离散情况下,可写成求和形式:
其中,aij表示点j的通量与点i的剂量贡献,该剂量d也可写成矩阵形式:
d=Af
其中,A表示任意一点的通量与另外任意一点的剂量贡献。d即测量所得剂量,为精度要求,可进行必要的插值。已知A和d,求通量f。
数学上等价为求解以下优化问题
其中||Df||1为光滑约束,表示f的全变分,离散情况下,相当于相邻点差分的绝对值的和,D也可以写成矩阵形式。λ为光滑项系数,用于调节约束大小,||||2为2范数。以上问题可用Chambo||e-Pock算法求解。
在本申请实施例中,提供了一种三维剂量重建方法,包括:接收探头探测器采集到的圆柱模体的探头测量值;获取与圆柱模体相对应的入射角度数据以及通量-剂量矩阵;根据Chambolle-Pock算法对探头测量值、入射角度数据以及通量-剂量矩阵进行迭代计算操作,得到通量数据;根据筒串卷积算法计算通量数据,得到与圆柱模体相对应的三维剂量数据。本申请根据卷积-迭代的方法,先获取圆柱模体的探头测量值、入射角度数据和通量-剂量矩阵,反推出入射通量的大小,再根据筒串卷积(CCCS)算法计算该通量,得到三维剂量,相较于传统基于修正的三维剂量重建方法精度更高,同时,计算效率更快。
继续参阅图3,示出了本申请实施例一提供的另一种三维剂量重建方法的一种具体实施方式的流程图,为了便于说明,仅示出与本申请相关的部分。
在本实施例的一些可选的实现方式中,在上述步骤S101之后,还包括下述步骤:
在步骤301中,对探头测量值进行插值操作。
在本申请实施例中,插值操作主要用于利用已知邻近点的测量值来产生未知点的数据值,从而提高原始探头测量数据的分辨率。
在本实施例的一些可选的实现方式中,剂量计算方法选用笔形束卷积算法,兼顾了精度和速度。
在本申请实施例中,如图4所示,笔形束卷积把图2的体积分简化成面积分,大大减小计算量。点j的通量与点i的剂量贡献aij可表示为
K(r,z)=I(z)fz(r)
在本申请实施例中,SAD为源轴距,点Y1是源,线Y1-Y3与线Y3-di垂直,l为点Y1与点Y3间的几何距离,zeff为点Y2与点Y3间的有效距离,reff为点Y3与点di间的有效距离。当点Y3处密度小于0.1,不予计算,aij=0.K(r,z)为笔形束的核,可用蒙特卡洛模拟单能结果,并结合加速器能谱求得,I(z),fz(r)分别为核在z和r方向的分解。有效距离用路径上的距离与密度ρ(通过ct密度推算)求得
zeff=∫ρdz
以上求得的是点对点的剂量贡献,实际我们关心的是点j所在面元的通量对点i的贡献,因此需要对作面元g积分
Aij=∫gaijds
实际计算中,上述积分等效为aij与面元大小的方波g作卷积
Aij=aij*g
其中d为面元宽度。
综上,本申请提供了一种三维剂量重建方法,包括:接收探头探测器采集到的圆柱模体的探头测量值;获取与圆柱模体相对应的入射角度数据以及通量-剂量矩阵;根据Chambolle-Pock算法对探头测量值、入射角度数据以及通量-剂量矩阵进行迭代计算操作,得到通量数据;根据筒串卷积算法计算通量数据,得到与圆柱模体相对应的三维剂量数据。本申请根据卷积-迭代的方法,先获取圆柱模体的探头测量值、入射角度数据和通量-剂量矩阵,反推出入射通量的大小,再根据筒串卷积(CCCS)算法计算该通量,得到三维剂量,相较于传统基于修正的三维剂量重建方法精度更高,同时,计算效率更快。同时,剂量计算方法选用笔形束卷积算法,兼顾了精度和速度。
需要强调的是,为进一步保证上述三维剂量数据的私密和安全性,上述三维剂量数据还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例二
进一步参考图5,作为对上述图1所示方法的实现,本申请提供了一种三维剂量重建装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的三维剂量重建装置100包括:第一数据获取模块110、第二数据获取模块120、通量计算模块130以及剂量计算模块140。
其中:
第一数据获取模块110,用于接收探头探测器采集到的圆柱模体的探头测量值;
第二数据获取模块120,用于获取与圆柱模体相对应的入射角度数据以及通量-剂量矩阵;
通量计算模块130,用于根据Chambolle-Pock算法对探头测量值、入射角度数据以及通量-剂量矩阵进行迭代计算操作,得到通量数据;
剂量计算模块140,用于根据筒串卷积算法计算通量数据,得到与圆柱模体相对应的三维剂量数据。
在本申请实施例中,探头探测器即为射线探测器,主要用于收集高能射线的能量,分布和状态等相关信息,是放射测量设备中的重要组成部分。通过分布在圆柱模体面上的探头获得三维空间射线的信息。
在本申请实施例中,圆柱模体指的是待重建的模体,该模体以用于模拟待放疗对象的人体,该模体可以是圆柱体、正方体等等,应当理解,此处对模体的举例仅为方便理解,模体几何性质并没有显式要求,对其它形状模体,其他分布的测量数据,一样适用,是一种通用的通量反推算法。
在本申请实施例中,入射角度数据可以是从放疗计划文件中获得;也可以通过配备的角度感应器等硬件设备可测量得到,应当理解,此处对获取入射角度数据的举例仅为方便理解,不用于限定本申请。
在本申请实施例中,通量-剂量矩阵A可用任一合格的剂量计算方法求得,由于arcmap为圆柱体,加速器臂架转轴与arcmap圆柱中心重合,整个***近似轴对称。只需计算0度入射的A,通过坐标变换,即可得到任意入射角度数据的通量-剂量矩阵A。而且A只与模体密度、加速器能谱有关,与射野、跳数等等具体计划内容无关,arcmap模体的密度是固定的,故可提前算好各种加速器型号的A,存成文件,以后便可反复使用。
在本申请实施例中,Chambolle-Pock算法引入两个辅助变量s,t,迭代求解
fk+1=projR+(fk-Σ(ATtk+DTsk))
tk+1=(I+Γ2)-1(tk+Γ2(A(2fk+1-fk)-d))
其中,projS表示投影操作,把后面的量向S区间投影。R+表示正实数区间,||||∞≤λ表示无穷大范数小于λ的区域。I是单位矩阵。∑,Γ1,Γ2为对角矩阵,起控制步长的作用。
在本申请实施例中,根据优化理论,以上的迭代形式及步长选择可保证收敛,并加快收敛速度。实践中20-50次迭代足以收敛。此算法只有矩阵乘法,不涉及矩阵求逆等等复杂耗时的手段,容易实现,不需要特殊软件包的支持。
在实际应用中,如图2所示,点i的剂量di等于各点通量fj乘上一个系数aij,再叠加。在离散情况下,可写成求和形式:
其中,aij表示点j的通量与点i的剂量贡献,该剂量d也可写成矩阵形式:
d=Af
其中,A表示任意一点的通量与另外任意一点的剂量贡献。d即测量所得剂量,为精度要求,可进行必要的插值。已知A和d,求通量f。
数学上等价为求解以下优化问题
其中||Df||1为光滑约束,表示f的全变分,离散情况下,相当于相邻点差分的绝对值的和,D也可以写成矩阵形式。λ为光滑项系数,用于调节约束大小,||||2为2范数。以上问题可用Chambo||e-Pock算法求解。
在本申请实施例中,提供了一种三维剂量重建装置100,包括:第一数据获取模块110,用于接收探头探测器采集到的圆柱模体的探头测量值;第二数据获取模块120,用于获取与圆柱模体相对应的入射角度数据以及通量-剂量矩阵;通量计算模块130,用于根据Chambolle-Pock算法对探头测量值、入射角度数据以及通量-剂量矩阵进行迭代计算操作,得到通量数据;剂量计算模块140,用于根据筒串卷积算法计算通量数据,得到与圆柱模体相对应的三维剂量数据。本申请根据卷积-迭代的方法,先获取圆柱模体的探头测量值、入射角度数据和通量-剂量矩阵,反推出入射通量的大小,再根据筒串卷积(CCCS)算法计算该通量,得到三维剂量,相较于传统基于修正的三维剂量重建方法精度更高,同时,计算效率更快。
继续参阅图6,示出了本申请实施例二提供的另一种三维剂量重建装置的一种具体实施方式的结构示意图,为了便于说明,仅示出于本申请相关的部分。
在本实施例的一些可选的实现方式中,上述三维剂量重建装置100包括:插值模块150。其中:
插值模块150,用于对探头测量值进行插值操作。
在本申请实施例中,插值操作主要用于利用已知邻近点的测量值来产生未知点的数据值,从而提高原始探头测量数据的分辨率
在本实施例的一些可选的实现方式中,剂量计算方法选用笔形束卷积算法,兼顾了精度和速度。
在本申请实施例中,如图4所示,笔形束卷积把图2的体积分简化成面积分,大大减小计算量。点j的通量与点i的剂量贡献aij可表示为
K(r,z)=I(z)fz(r)
在本申请实施例中,SAD为源轴距,点Y1是源,线Y1-Y3与线Y3-di垂直,l为点Y1与点Y3间的几何距离,zeff为点Y2与点Y3间的有效距离,reff为点Y3与点di间的有效距离。当点Y3处密度小于0.1,不予计算,aii=0.K(r,z)为笔形束的核,可用蒙特卡洛模拟单能结果,并结合加速器能谱求得,I(z),fz(r)分别为核在z和r方向的分解。有效距离用路径上的距离与密度ρ(通过ct密度推算)求得
zeff=∫ρdz
以上求得的是点对点的剂量贡献,实际我们关心的是点j所在面元的通量对点i的贡献,因此需要对作面元g积分
Aij=∫gaijds
实际计算中,上述积分等效为aij与面元大小的方波g作卷积
Aij=aij*g
其中d为面元宽度。
综上,本申请提供了一种三维剂量重建装置100,包括:第一数据获取模块110,用于接收探头探测器采集到的圆柱模体的探头测量值;第二数据获取模块120,用于获取与圆柱模体相对应的入射角度数据以及通量-剂量矩阵;通量计算模块130,用于根据Chambolle-Pock算法对探头测量值、入射角度数据以及通量-剂量矩阵进行迭代计算操作,得到通量数据;剂量计算模块140,用于根据筒串卷积算法计算通量数据,得到与圆柱模体相对应的三维剂量数据。本申请根据卷积-迭代的方法,先获取圆柱模体的探头测量值、入射角度数据和通量-剂量矩阵,反推出入射通量的大小,再根据筒串卷积(CCCS)算法计算该通量,得到三维剂量,相较于传统基于修正的三维剂量重建方法精度更高,同时,计算效率更快。同时,剂量计算方法选用笔形束卷积算法,兼顾了精度和速度。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图7,图7为本实施例计算机设备基本结构框图。
所述计算机设备200包括通过***总线相互通信连接存储器210、处理器220、网络接口230。需要指出的是,图中仅示出了具有组件210-230的计算机设备200,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-ProgrammableGate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器210至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器210可以是所述计算机设备200的内部存储单元,例如该计算机设备200的硬盘或内存。在另一些实施例中,所述存储器210也可以是所述计算机设备200的外部存储设备,例如该计算机设备200上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器210还可以既包括所述计算机设备200的内部存储单元也包括其外部存储设备。本实施例中,所述存储器210通常用于存储安装于所述计算机设备200的操作***和各类应用软件,例如三维剂量重建方法的计算机可读指令等。此外,所述存储器210还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器220在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器220通常用于控制所述计算机设备200的总体操作。本实施例中,所述处理器220用于运行所述存储器210中存储的计算机可读指令或者处理数据,例如运行所述三维剂量重建方法的计算机可读指令。
所述网络接口230可包括无线网络接口或有线网络接口,该网络接口230通常用于在所述计算机设备200与其他电子设备之间建立通信连接。
本申请提供的计算机设备,根据卷积-迭代的方法,先获取圆柱模体的探头测量值、入射角度数据和通量-剂量矩阵,反推出入射通量的大小,再根据筒串卷积算法计算该通量,得到三维剂量,相较于传统修正的三维剂量重建方法精度更高。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的三维剂量重建方法的步骤。
本申请提供的计算机可读存储介质,根据卷积-迭代的方法,先获取圆柱模体的探头测量值、入射角度数据和通量-剂量矩阵,反推出入射通量的大小,再根据筒串卷积算法计算该通量,得到三维剂量,相较于传统修正的三维剂量重建方法精度更高。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (8)
1.一种三维剂量重建方法,其特征在于,包括下述步骤:
接收探头探测器采集到的圆柱模体的探头测量值;
获取与所述圆柱模体相对应的入射角度数据以及通量-剂量矩阵;
根据Chambolle-Pock算法对所述探头测量值、所述入射角度数据以及所述通量-剂量矩阵进行迭代计算操作,得到通量数据;
根据筒串卷积算法计算所述通量数据,得到与所述圆柱模体相对应的三维剂量数据;
所述通量-剂量矩阵表示为:
其中,aij表示点j的通量与点i的剂量贡献;SAD表示为源轴距;zeff表示点Y2与点Y3间的有效距离;reff表示点Y3与点di间的有效距离;I(z)、fz(r)分别为核在z和r方向的分解;
所述通量数据表示为:
其中,d表示所述探头测量值;A表示任意一点的通量与另外任意一点的剂量贡献;||Df||1表示为光滑约束,表示f的全变分;λ表示光滑项系数;|| ||2表示2范数。
2.根据权利要求1所述的三维剂量重建方法,其特征在于,所述接收探头探测器采集到的圆柱模体的探头测量值的步骤之后,还包括下述步骤:
对所述探头测量值进行插值操作。
3.根据权利要求1所述的三维剂量重建方法,其特征在于,所述通量-剂量矩阵根据笔形束卷积算法获得。
4.一种三维剂量重建装置,其特征在于,包括:
第一数据获取模块,用于接收探头探测器采集到的圆柱模体的探头测量值;
第二数据获取模块,用于获取与所述圆柱模体相对应的入射角度数据以及通量-剂量矩阵;
通量计算模块,用于根据Chambolle-Pock算法对所述探头测量值、所述入射角度数据以及所述通量-剂量矩阵进行迭代计算操作,得到通量数据;
剂量计算模块,用于根据筒串卷积算法计算所述通量数据,得到与所述圆柱模体相对应的三维剂量数据;
所述通量-剂量矩阵表示为:
其中,aij表示点j的通量与点i的剂量贡献;SAD表示为源轴距;zeff表示点Y2与点Y3间的有效距离;reff表示点Y3与点di间的有效距离;I(z)、fz(r)分别为核在z和r方向的分解;
所述通量数据表示为:
其中,d表示所述探头测量值;A表示任意一点的通量与另外任意一点的剂量贡献;||Df||1表示为光滑约束,表示f的全变分;λ表示光滑项系数;|| ||2表示2范数。
5.根据权利要求4所述的三维剂量重建装置,其特征在于,所述装置还包括:
插值模块,用于对所述探头测量值进行插值操作。
6.根据权利要求4所述的三维剂量重建装置,其特征在于,所述通量-剂量矩阵根据笔形束卷积算法获得。
7.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至3中任一项所述的三维剂量重建方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至3中任一项所述的三维剂量重建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854134.XA CN113570705B (zh) | 2021-07-28 | 2021-07-28 | 一种三维剂量重建方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854134.XA CN113570705B (zh) | 2021-07-28 | 2021-07-28 | 一种三维剂量重建方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113570705A CN113570705A (zh) | 2021-10-29 |
CN113570705B true CN113570705B (zh) | 2024-04-30 |
Family
ID=78168180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110854134.XA Active CN113570705B (zh) | 2021-07-28 | 2021-07-28 | 一种三维剂量重建方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570705B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011036436A1 (en) * | 2009-09-22 | 2011-03-31 | Isis Innovation Limited | X-ray imaging |
CN105204056A (zh) * | 2015-09-29 | 2015-12-30 | 广州瑞多思医疗科技有限公司 | 放射治疗中在线剂量监测和验证的方法 |
CN105931280A (zh) * | 2016-03-29 | 2016-09-07 | 中北大学 | 基于gpu的快速三维ct迭代重建方法 |
CN107230247A (zh) * | 2017-03-13 | 2017-10-03 | 淄博润承知识产权代理有限公司 | 一种复合影像成像***及其三维图像重建算法 |
CN109118439A (zh) * | 2018-07-03 | 2019-01-01 | 浙江大学 | 基于线积分的锥束ct去模糊方法 |
CN109166161A (zh) * | 2018-07-04 | 2019-01-08 | 东南大学 | 一种基于噪声伪影抑制卷积神经网络的低剂量ct图像处理*** |
CN111184523A (zh) * | 2020-01-17 | 2020-05-22 | 深圳市安健科技股份有限公司 | 基于dr设备的三维图像重建方法及*** |
CN111494813A (zh) * | 2020-04-21 | 2020-08-07 | 上海联影医疗科技有限公司 | 一种建模方法、验证方法、装置、设备及存储介质 |
CN111696166A (zh) * | 2020-06-10 | 2020-09-22 | 浙江大学 | 基于fdk型预处理矩阵的圆周锥束ct快速迭代重建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9700739B2 (en) * | 2014-06-17 | 2017-07-11 | Intuitive Therapeutics Sa | System and computer program product for inverse treatment planning |
-
2021
- 2021-07-28 CN CN202110854134.XA patent/CN113570705B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011036436A1 (en) * | 2009-09-22 | 2011-03-31 | Isis Innovation Limited | X-ray imaging |
CN105204056A (zh) * | 2015-09-29 | 2015-12-30 | 广州瑞多思医疗科技有限公司 | 放射治疗中在线剂量监测和验证的方法 |
CN105931280A (zh) * | 2016-03-29 | 2016-09-07 | 中北大学 | 基于gpu的快速三维ct迭代重建方法 |
CN107230247A (zh) * | 2017-03-13 | 2017-10-03 | 淄博润承知识产权代理有限公司 | 一种复合影像成像***及其三维图像重建算法 |
CN109118439A (zh) * | 2018-07-03 | 2019-01-01 | 浙江大学 | 基于线积分的锥束ct去模糊方法 |
CN109166161A (zh) * | 2018-07-04 | 2019-01-08 | 东南大学 | 一种基于噪声伪影抑制卷积神经网络的低剂量ct图像处理*** |
CN111184523A (zh) * | 2020-01-17 | 2020-05-22 | 深圳市安健科技股份有限公司 | 基于dr设备的三维图像重建方法及*** |
CN111494813A (zh) * | 2020-04-21 | 2020-08-07 | 上海联影医疗科技有限公司 | 一种建模方法、验证方法、装置、设备及存储介质 |
CN111696166A (zh) * | 2020-06-10 | 2020-09-22 | 浙江大学 | 基于fdk型预处理矩阵的圆周锥束ct快速迭代重建方法 |
Non-Patent Citations (1)
Title |
---|
Joseph.G Chaput.A GENERIC METHODOLOGY FOR THE 3-DIMENSIONAL VISUALIZATION OF RADIATION FIELDS.《Master Theses & Projects》.2010,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113570705A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shields et al. | A simple and efficient methodology to approximate a general non-Gaussian stationary stochastic process by a translation process | |
Angulo et al. | The one-loop matter bispectrum in the effective field theory of large scale structures | |
Ramamoorthi et al. | A signal-processing framework for reflection | |
Millea et al. | Cosmic microwave background constraints in light of priors over reionization histories | |
Chouika et al. | Covariant Extension of the GPD overlap representation at low Fock states | |
Kim et al. | Algorithm 920: SFSDP: A sparse version of full semidefinite programming relaxation for sensor network localization problems | |
Dölz et al. | Covariance regularity and H H-matrix approximation for rough random fields | |
Wu et al. | Simulation and peak value estimation of non-Gaussian wind pressures based on Johnson transformation model | |
CN116030923B (zh) | 获取材料动态本构关系的方法、装置、设备及存储介质 | |
Poškus | BREMS: A program for calculating spectra and angular distributions of bremsstrahlung at electron energies less than 3 MeV | |
Baratta et al. | COVMOS: a new Monte Carlo approach for galaxy clustering analysis | |
Hu et al. | Next-to-leading-order time-like pion form factors in kT factorization | |
Gautam et al. | Summation by parts and truncation error matching on hyperboloidal slices | |
Wyns et al. | An adjoint method for the exact calibration of stochastic local volatility models | |
CN113570705B (zh) | 一种三维剂量重建方法、装置、计算机设备及存储介质 | |
Eigensatz et al. | Positional, metric, and curvature control for constraint‐based surface deformation | |
Petkova et al. | Fast and accurate Voronoi density gridding from Lagrangian hydrodynamics data | |
US10594136B1 (en) | System and method to simulate controls in the holomorphic embedding loadflow calculation | |
Marchand et al. | Verification of the method-of-moment codes using the method of manufactured solutions | |
Gao et al. | High-dimensional reliability analysis based on the improved number-theoretical method | |
Scheben et al. | Iterative methods for neutron transport eigenvalue problems | |
Krappe et al. | Error analysis of XAFS measurements | |
CN111783292A (zh) | X射线成像设备的建模方法、装置、设备及存储介质 | |
Konstantinou et al. | Polarization power spectra and dust cloud morphology | |
Zhang et al. | Implementation of a conservative two-step shape-preserving advection scheme on a spherical icosahedral hexagonal geodesic grid |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Chen Lixin Inventor after: Feng Baoquan Inventor after: Chen Rongjin Inventor before: Chen Lixin Inventor before: Feng Baoquan Inventor before: Chen Rongjin |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |