一种基于蒙特卡洛采样算法的剂量场融合方法技术

一种基于蒙特卡洛采样算法的剂量场分布融合方法，涉及一种剂量场融合方法。目的是解决剂量场与解剖结构融合复杂、配准成功率低的问题。该方法包含以下步骤：步骤一，将图片中的Hounsfield单位转化材料定义；步骤二，使用图片建模，做模拟放射性治疗实验；步骤三，使用蒙特卡洛采样算法抽取数据并输出；步骤四，去除数据中错误坐标点构建剂量场三维可视化模型；步骤五，对剂量场三维可视化模型和三维重构模型进行坐标变换；步骤六，进行两个模型的数据融合。本发明专利技术提供了一种数据融合方法，实现了剂量场分布信息准确直观地显示在三维重构模型上。本发明专利技术适用于为放射性治疗手术方案的制定和调整提供依据。定和调整提供依据。定和调整提供依据。

【技术实现步骤摘要】
一种基于蒙特卡洛采样算法的剂量场融合方法


[0001]本专利技术涉及一种基于蒙特卡洛采样算法的数据融合方法。

技术介绍

[0002]随着放射性治疗在医学领域的进一步发展，大约有70％的癌症病人在治疗过程中会使用到放疗。在放射治疗前，医生往往会根据CT诊断的结果来判定肿瘤组织的大小进而选择放射性治疗中使用的放射性种子的大小，以及设定放射源到肿瘤表面的距离(SSD)，以此达到最佳的放射治疗效果。但是这样的诊断过程不仅需要主治医师有较高的治疗水平，同时也增加了诊断时间和工作量。

技术实现思路

[0003]本专利技术为解决剂量场分布信息与肿瘤模型融合的问题，提出来一种基于蒙特卡洛采样算法的剂量场融合方法。
[0004]本专利技术基于蒙特卡洛算法的肿瘤剂量场融合方法按照以下步骤进行：
[0005]步骤一：将建模用的切片图片中的Hounsfield单位转化材料定义，所述的转化表达式为；
[0006]所述的Hounsfield转换表达式为：
[0007]Hμ＝1000
×
(μ
t
‑
μ
w
)
÷
μ
w
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0008]公式(1)中，μ
t
为人体组织的线性衰减因子，μ
w
为水的线性衰减因子；
[0009]步骤二：使用双腔放射囊作为放射源，腔体填充
125
I，使用切片图片建立肿瘤模型，并进行模拟放射性治疗实验；
[0010]肿瘤模型的建立过程如下：
[0011](1)输入的肿瘤切片图片为标准的.dcm格式，每张图片分辨率为512*512，将相邻像素点相连，形成体素微元；
[0012](2)以切片图片左下角为原点，建立肿瘤模型外接立方体：立方体长、宽、高计算表达
[0013]式为：
[0014][0015][0016][0017]公式(2)中，X是肿瘤模型外界立方体宽度，n_x是肿瘤模型X轴方向上的体素微元个数，x是每个体素微元的宽度，公式(3)中，Y是肿瘤模型外界立方体高度，n_y是肿瘤模型Y轴方向上的体素微元个数，y是每个体素微元的高度，公式(4)中，Z是肿瘤模型外界立方体长度，n_z是建立模型所用到的切片图片个数，z是每个体素微元的长度；
[0018](3)建立肿瘤模型外接立方体后进行肿瘤模型建立，根据公式(1)定义每个体素微
元的材料，将体素微元在肿瘤外接立方体内进行按照长、宽、高三个方向堆叠建立肿瘤模型；
[0019]步骤三：使用蒙特卡洛采样算法进行数据抽取，并输出实验数据；
[0020]实验数据抽取过程如下：
[0021](1)将建立模型所用的每一个体素微元定义成灵敏探测器；
[0022](2)体素微元质量表达式如下：
[0023]M＝x*y*z*ρ(5)
[0024]公式(5)中，xyz分别为体素微元的长宽高，ρ为体素微元的密度，其中密度由公式(1)计算得出；
[0025](3)计算体素微元的坐标和吸收剂量，体素微元坐标和吸收剂量表达式如下：
[0026]X(t)＝(N
‑
1)*x+x/2(6)
[0027]Y(t)＝(P
‑
1)*y+y/2(7)
[0028]Z(t)＝(Q
‑
1)*z+z/2(8)
[0029]公式(6)中，N为微元在X轴方向上的序列号，x为相邻像素点间x轴方向上的距离；公式(7)中，P为微元在Y轴方向上的序列号，y为相邻像素点间y轴方向上的距离；公式(8)中，Q为微元在Z轴方向上的序列号，z为相邻像素点间z轴方向上的距离；
[0030]D(X(t),Y(t),Z(t),M)＝E{X(t),Y(t),Z(t)}/M(9)
[0031]公式(9)中，D(X(t),Y(t),Z(t),M)为吸收剂量，X(t),Y(t),Z(t)为放射性粒子的坐标由公式(6)(7)(8)计算得出，M为体素微元的质量由公式(5)计算得出；
[0032](4)将实验数据以四列输出，第一列为有吸收剂量体素微元的X坐标，第二列为有吸收剂量体素微元的Y坐标，第三列为有吸收剂量体素微元的Z坐标，第四列为体素微元吸收剂量值；
[0033]步骤四：实验数据预处理，去除粒子坐标数据中错误坐标点，构建剂量场三维可视化模型；
[0034]数据预处理步骤如下：
[0035](1)按列读入抽取到的前三列实验数据，遍历一整列数据中的每个数据元素；
[0036](2)将第一列数据X(t)和肿瘤模型外界立方体的宽度X进行比较，如果0≤X(t)≤X则保留该数据元素，如果不满足这个表达式，则记录下该错误数据元素的序号；
[0037](3)将第二列数据γ(t)和肿瘤模型外界立方体的宽度γ进行比较，如果0≤Y(t)≤Y则保留该数据元素，如果不满足这个表达式，则记录下该错误数据元素的序号；
[0038](4)将第二列数据Z(t)和肿瘤模型外界立方体的宽度Z进行比较，如果0≤Z(t)≤Z则保留该数据元素，如果不满足这个表达式，则记录下该错误数据元素的序号；
[0039](5)根据记录下的错误元素需要，删除该序号对应的X(t),Y(t),Z(t)三列里的数据；
[0040]步骤五：对剂量场三维可视化模型和肿瘤三维重构模型进行坐标变换
[0041]坐标变换步骤如下：
[0042](1)将剂量场三维可视化模型置于肿瘤模型空间下；
[0043](2)以肿瘤坐标系为参照对剂量场三维可视化模型的XYZ三个坐标轴进行旋转变换，绕Z轴旋转后得到坐标如下：
[0044][0045]其矩阵形式为：
[0046][0047]绕X轴旋转后得到坐标如下：
[0048][0049]绕Y轴旋转后得到坐标如下：
[0050][0051]绕任意轴旋转变换矩阵为：
[0052]R(θ)＝T
‑1′
*R(α)
‑1′
*R(β)
‑1′
*R(γ)
′
*R(α)
′
*R(β)
′
*R(γ)
′
*T
ꢀꢀꢀꢀꢀꢀꢀ
(14)
[0053]公式(6)中，T是平移矩阵，R(α)、R(β)、R(γ)分别是绕X、Y、Z旋转α、β、γ角度的旋转矩阵；
[0054](3)将旋转过后的剂量场可视化模型原点平移至与肿瘤模型原点重合。
[0055]步骤六：进行数据融合
[0056]将建立的剂量场模型和肿瘤模型进行融合，坐标系重合后三维重构肿瘤模型所在的空间的坐标点与剂量场分布空间的坐标点相对应，对两个模型进行布尔运算，在肿瘤模型中通过布尔运算中的减法运算去除和剂量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于蒙特卡洛的肿瘤模型与剂量场分布融合方法，其特征在于：该方法按照以下步骤进行：步骤一：将建模用的切片图片中的Hounsfield单位转化材料定义，所述的转化表达式为：Hμ＝1000
×
(μ
t
‑
μ
w
)
÷
μ
w
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)公式(1)中，μ
t
是人体组织线性衰减因子，μ
w
是水的线性衰减因子；步骤二：使用双腔放射囊作为放射源，腔体填充
125
I，使用切片图片建立肿瘤模型，并进行模拟放射性治疗实验；步骤三：使用蒙特卡洛采样算法进行数据抽取，并输出实验数据；步骤四：实验数据预处理，去除粒子坐标数据中错误坐标点，构建剂量场三维可视化模型；步骤五：对剂量场三维可视化模型和肿瘤三维重构模型进行坐标变换；步骤六：进行剂量场三维可视化模型和肿瘤三维重构模型数据融合。2.根据权利要求1所述的基于蒙特卡洛的肿瘤数据融合方法，其特征在于：步骤一所述的肿瘤模型材料使用的ICRU(国际辐射单位与测量委员会)提供的数据，并根据公式将切片图片中的Hounsfield单位转化为人体组织的密度。3.根据权利要求1所述的基于蒙特卡洛的肿瘤数据融合方法，其特征在于：步骤二所述的
125
I放射源为一个双腔螺旋囊结构，囊螺距为2mm，囊最大直径为15mm，囊内双腔半径为0.15mm。4.根据权利要求1所述的基于蒙特卡洛的肿瘤数据融合方法，其特征在于：步骤二所述的双腔放射囊允许再放射性治疗期间更换放射性药物，保证治疗期间肿瘤细胞组织始终处于最佳的放射环境中。5.根据权利要求1所述的基于蒙特卡洛的肿瘤数据融合方法，其特征在于：步骤二所述的双腔放射囊的腔体材料为聚四氟乙烯。6.根据权利要求1所述的基于蒙特卡洛的肿瘤数据融合方法，其特征在于：步骤二所述的肿瘤模型建立过程如下：(1)输入的肿瘤切片图片为标准的.dcm格式，每张图片分辨率为512*512，将相邻像素点相连，形成体素微元；(2)以切片图片左下角为原点，建立肿瘤模型外接立方体：立方体长、宽、高计算表达式为：为：为：公式(2)中，X是肿瘤模型外界立方体宽度，n_x是肿瘤模型X轴方向上的体素微元个数，x是每个体素微元的宽度；公式(3)中，Y是肿瘤模型外界立方体高度，n_y是肿瘤模型Y轴方向上的体素微元个数，y是每个体素微元的高度；公式(4)中，Z是肿瘤模型外界立方体长度，n_z是建立模型所用到的切片图片个数，z是
每个体素微元的长度；(3)建立肿瘤模型外接立方体后进行肿瘤模型建立，根据公式(1)定义每个体素微元的材料，将体素微元在肿瘤外接立方体内进行按照长、宽、高三个方向堆叠建立肿瘤模型。7.根据权利要求1所述的基于蒙特卡洛的肿瘤数据融合方法，其特征在于：步骤三所述的实验数据抽取方法为：(1)将建立模型所用的每一个体素微元定义成灵敏探测器；(2)体素微元质量表达式如下：M＝x*y*z*ρ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)公式(5)中，x y z分别为体素微元的长宽高，ρ为体素微元的密度，其中密度由公式(1)计算得出；(3)计算体素微元的坐标和吸收剂量，体素微元坐标和吸收剂量表达式如下：X(t)＝(N
‑
1)*x+x/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)Y(t)＝(P
‑
1)*y+y/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)Z(t...

【专利技术属性】
技术研发人员：李东洁，关钟宝，梁雨，魏剑桥，张宇婷，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：