一种用于IMRT的分子动力学再优化算法制造技术

技术编号:17891307 阅读:217 留言:0更新日期:2018-05-10 06:37
本发明专利技术涉及一种用于IMRT的分子动力学再优化算法,IMRT是一种先进的高精度放射线疗法,它利用计算机控制的X光加速器去向恶性肿瘤或肿瘤内的特定区域发射精确的辐射剂量。本发明专利技术算法的优化过程是:首先利用分子动力学方法优化得到每个射野的子野序列,然后根据子野数目的要求,舍弃面积最小的部分子野,最后将该结果作为模拟退火算法的初始条件,对每个子野的叶片的位置和跳数进行进一步的优化。通过该算法,可对肿瘤内的区域通过聚焦施加更高的辐射剂量,而使周围的正常组织接收最小的辐射剂量。解决了原算法由于离散化带来的强度误差的问题,同时,在使用模拟退火算法时,子野叶片已经处在一个相对优化的位置,这样就提高了退火过程的搜索效率,加快了优化的过程。

A molecular dynamics re optimization algorithm for IMRT

The invention relates to a molecular dynamics re optimization algorithm for IMRT. IMRT is an advanced high-precision radiation therapy, which uses a computer controlled X light accelerator to send accurate radiation doses to a particular region in a malignant tumor or tumor. The optimization process of the algorithm is as follows: first, the subfield sequence of each field is optimized by using the molecular dynamics method. Then, according to the request of the number of subfields, the smallest part of the area is abandoned. Finally, the result is used as the initial condition of the simulated annealing algorithm. The optimization of the step. By this algorithm, a higher radiation dose can be applied to the region within the tumor by focusing, so that the surrounding normal tissue receives the minimum radiation dose. The problem of the intensity error caused by the discretization of the original algorithm is solved. At the same time, when the simulated annealing algorithm is used, the blade of the sub field has been in a relatively optimized position, which improves the search efficiency of the annealing process and speeds up the optimization process.

【技术实现步骤摘要】
一种用于IMRT的分子动力学再优化算法
本专利技术涉及一种用于IMRT(调强放射治疗)的分子动力学再优化算法,属于医疗器械数据优化计数领域。
技术介绍
肿瘤放射治疗是一种利用放射线治疗肿瘤的局部治疗方法,与手术治疗、化学药物治疗一起组成了肿瘤治疗的3大手段。据统计数据,经治疗后的肿瘤5年生存率可达45%左右,其中大约18%为放射治疗治愈,占总治愈率的40%。放射治疗可不同程度地保留被治疗器官的功能,治疗的副作用较小,能有效保证患者愈后的生存质量。放射治疗在肿瘤的临床治疗和控制中的应用比例越来越大。调强放疗(intensitymodulatedradiationtherapy,IMRT)即调强适形放射治疗是三维适形放疗的一种,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。它是在各处辐射野与靶区外形一致的条件下,针对靶区三维形状和要害器官与靶区的具体解剖关系对束强度进行调节,单个辐射野内剂量分布是不均匀的,但是整个靶区体积内剂量分布比三维适形治疗更均匀。而在降低调强放疗的副作用方面严格地说,使用楔形板和常规的表面弯曲补偿器也是调强。但这里我们所说的调强放射治疗是指一种形式的三维适形放射治疗,它使用计算机辅助优化程序不获取单个放射野内非均匀的强度分布以达到某种确定的临床目的。立体定向放疗(x(r)-刀)和三维适形放疗(3DCRT),主要是依靠影像定位,使高能射束的形态始终与对肿瘤的投影的一致或是近似一致(也称射束适形),这样可以较大幅度地增加肿瘤的剂量,提高肿瘤控制率,并使周边正常组织免受过量损伤。加速器适形治疗时的高能线束是均匀结束的,但由于肿瘤大多是不规则形态的,而且肿瘤个点离人体表皮的射入距离也是不一样的,因此适形放疗虽然射束适形,仍不能解决肿瘤内部剂量均匀性的问题,需要根据医生对肿瘤病靶区均匀照射的剂量的要求和周围的正常组织器官保护剂量要求,逆向设计计算经第二次限束以改变加速器线束出束剂量率,达到最终目标剂量要求的照射方案。这个过程称作逆向调强放疗(IMRT)根据调强的概念,首先要依据病变(靶区)与周围重要器官和正常组织的三维解剖特点,以及期望的靶区剂量分布和危及器官(OAR)的剂量耐受极限,由计划者输入优化参数,通过计划系统计算出各个射野方向上需要的强度分布。即在完成勾画轮廓和确定辐射野数目及入射方向后,先确定对CT影像中各个兴趣区的剂量要求。由计划者以数学形式输入这些临床参数(即目标函数),如对靶区剂量范围的要求,对相关危及器官剂量的限制等,然后由计算机通过数学的方法(如迭代法、模拟退火法、蒙特卡洛法等)自动进行优化,在经过几百乃至上千次计算与比较后得出最接近目标函数并能够实现的计划方案。它是常规治疗计划设计的逆过程,所以叫做逆向计划设计。在患者影像获取、勾画轮廓和确定辐射野数目及方向这些步骤上两者相同,但它们的优化过程是不同的。前者是先计算剂量,看结果如何,不行就人为地改动计划再试,如此反复,直到可以接受为止。后者是先由计划者通过输入目标函数来限定靶区和危及器官主剂量分布,再由计划系统自动反复进行优化计算,反复的次数由病例的复杂程度决定,至少需要一二百次。分子动力学方法可以快速有效地获得最优的强度要求。在实际使用中,优化得到的强度分布需要进一步进行子野离散化,以形成最终的照射野序列。在离散化的过程中,不可避免地会带来强度分布上的误差,使得最终投放的剂量与优化所定义的剂量分布存在一定的差异,这表现在肿瘤区域的剂量体积直方图(DVH)变差(如最大剂量增大等),危及器官(OAR)的约束也不能满足要求(如超过串行器官的最大剂量约束、超过并行器官的DVH约束等)。另外,在离散化的过程中,也不容易控制每个照射野中子野的数目。其解决方案一是在优化前加强约束参数(如给与更低的最大剂量约束等),二是增加离散化时的子野数目。前者会增加优化的难度,后者增加了照射时间,所以都不是有效的解决办法。
技术实现思路
针对上述问题,本专利技术提供一种用于IMRT的分子动力学再优化算法。通过该算法控制X光加速器去向恶性肿瘤或肿瘤内的特定区域发射精确的辐射剂量,实现对肿瘤内的区域通过聚焦施加更高的辐射剂量,而使周围的正常组织接收最小的辐射剂量。本专利技术的目的是通过下述技术方案实现的:一种用于IMRT的分子动力学再优化算法,其特征在于,首先利用分子动力学方法优化得到每个射野的子野序列,然后根据子野数目的要求,舍弃面积最小的部分子野,最后将该结果作为模拟退火算法的初始条件,对每个子野的叶片的位置和跳数进行进一步的优化;其具体过程如下:目标函数PreObj离散化后的表达式为:其中,NV是离散化后的体元数目;NB是离散化后笔束的数目;Wj是第j个体元的权重;Ii是第i个笔束的强度;是第i个笔束在第j个体元上产生的剂量;是第j个体元的处方剂量;为了得到最优化的结果,要使目标剂量最小化,即第i笔束,有:得到以笔束强度为变量的方程组;其第i个方程为:其中在得到最优的笔束强度分布后,经过离散化,可以得到子野序列:Fi表示第i子野,表示第j角度照射野的第k子野,MUi表示第i子野的跳数;由照射子野Fi得到的强度分布与优化得到的强度分布存在差异,此时,利用模拟退火算法对离散化得到的子野的叶片位置和跳数进行进一步优化,其流程如下:(1)利用离散化后的子野序列计算剂量分布,计算当前的目标函数值PreObj;(2)获得一个随机变量,根据其值决定对叶片或射野跳数进行改变;(3)获得一个随机变量,根据其值决定对哪一个射野进行改变;(4)如果是对叶片进行改变,获得两个随机变量,决定对哪一对叶片以及对A叶片或B叶片的位置进行改变;(5)获得一个随机变量,决定改变量的大小,对叶片位置或跳数进行改变。(6)改变后形成新的子野序列,并在此基础上计算新的剂量分布,计算新的目标函数值CurObj;(7)如果CurObj<PreObj,则接受该次改变;如果CurObj>PreObj,则放弃该次改变;(8)如果循环次数达到设定值,或CurObj达到要求,则结束;否则,设置PreObj=CurObj,并从第二步开始重复进行。本专利技术的有益效果:本专利技术一方面通过利用分子动力学方法,利用类似分子动力学的迭代方法得到笔束强度的最优解;并验证分子动力学再优化算法应用于IMRT计划系统的可行性;利用类似分子动力学的迭代方法得到笔束强度的最优解;解决了原算法由于离散化带来的强度误差的问题。另一方面采用简化了的模拟退火算法对离散化得到的子野的叶片位置和机器跳数进行再优化,在提高模拟退火过程搜索效率的同时使得剂量分布满足IMRT的处方要求,加快了优化的过程。分子动力学再优化算法应用于测试病例的结果显示,模拟多靶区、模拟前列腺肿瘤、模拟头颈肿瘤和模拟C形靶区(第一种情况)的IMRT计划中每一计划参数都达到并且优于剂量目标。对于相对严格的模拟C形靶区(第二种情况),优化结果略低于处方要求。这些结果表明在引入模拟退火方法后,分子动力学再优化算法可以满足调强计划的处方要求。该优化方法,使得IMRT技术改善了靶区确定的精确性,提高了靶区涵盖度和剂量均一性,有效避免正常组织受高剂量照射。附图说明图1是本专利技术使用的网络拓扑图。图2是本专利技术的一种实施例的流程图。具体实施方式一本文档来自技高网
...
一种用于IMRT的分子动力学再优化算法

【技术保护点】
一种用于IMRT的分子动力学再优化算法,其特征在于,首先利用分子动力学方法优化得到每个射野的子野序列,然后根据子野数目的要求,舍弃面积最小的部分子野,最后将该结果作为模拟退火算法的初始条件,对每个子野的叶片的位置和跳数进行进一步的优化;其具体过程如下:目标函数PreObj离散化后的表达式为:

【技术特征摘要】
1.一种用于IMRT的分子动力学再优化算法,其特征在于,首先利用分子动力学方法优化得到每个射野的子野序列,然后根据子野数目的要求,舍弃面积最小的部分子野,最后将该结果作为模拟退火算法的初始条件,对每个子野的叶片的位置和跳数进行进一步的优化;其具体过程如下:目标函数PreObj离散化后的表达式为:其中,NV是离散化后的体元数目;NB是离散化后笔束的数目;Wj是第j个体元的权重;Ii是第i个笔束的强度;是第i个笔束在第j个体元上产生的剂量;是第j个体元的处方剂量;为了得到最优化的结果,要使目标剂量最小化,即第i笔束,有:得到以笔束强度为变量的方程组;其第i个方程为:其中在得...

【专利技术属性】
技术研发人员:付永全葛封才马希虎
申请(专利权)人:荣科科技股份有限公司
类型:发明
国别省市:辽宁,21

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1