System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() LDR-BT计划反优化方法技术_技高网

LDR-BT计划反优化方法技术

技术编号:43191431 阅读:11 留言:0更新日期:2024-11-01 20:13
本发明专利技术涉及放射医疗领域,具体是一种LDR‑BT计划反优化方法。本方法首次将粒子源的活度纳入优化过程中,使用带动量的近端梯度方法求解,同时优化粒子源分布与活度,并作了一般收敛性分析,收敛性分析表明本方法是收敛的,能到得出一个最大限度接近处方剂量的粒子源活度向量。

【技术实现步骤摘要】

本专利技术涉及放射医学领域,具体是ldr-bt计划反优化方法。


技术介绍

1、低剂量率近距离放射治疗 (low dose rate brachytherapy, ldr-bt) 的是将封装有放射物质的粒子籽源 (下面简称粒子源) 放到肿瘤内部或者接近肿瘤位置,利用放射性同位素的衰变产生的射线持续杀伤肿瘤细胞。临床上常常采用使用放射性同位素125i的amersham6711 和amersham6702、使用放射性同位素103pb的theragenics200和 nasimed3633 等规格的ldr-bt粒子源。ldr-bt可以提供有效安全的辐射剂量,能够长时间的持续对病灶进行辐射以提供更高的累积剂量,对肿瘤的局部控制率高;同时保证对患者的正常器官组织接受到低辐射剂量,术后并发症发病率低。因此高质量的ldr-bt治疗计划具有显著延长患者生存时间的潜在优势。

2、为了提高ldr-bt 的计划质量,当前的主流方法是使用混合整数线性规划 (mixedinteger linear programming,milp) 方法来优化粒子源放置分布,以改善剂量的空间分布。使用milp方法 (如分支定界法) 的ldr-bt计划反向规划是通过最小化关于剂量的优化目标函数,只得到一个最优的统一表观活度 (简称活度) 的粒子源放置分布,考虑到临近的组织类型复杂,可耐受的粒子源辐射强度不同,以及粒子源在肿瘤组织中的有效辐射距离范围,此时虽然得到了最优的粒子源位置分布,但得到的剂量分布不是最优的。


技术实现思路

1、针对现有技术的缺陷,本专利技术提供一种ldr-bt计划反优化方法,将粒子源活度作为变量纳入优化过程, 建立了考虑粒子源活度范围的全新的受约束ldr-bt计划优化模型,通过带动量的近端梯度方法求解,同时优化粒子源分布与活度,并分析了算法的一般收敛性,进一步完善了ldr-bt计划反优化理论。

2、为了解决所述技术问题,本专利技术采用的技术方案是:ldr-bt计划反优化方法,包括以下步骤:

3、s01)、建立剂量影响矩阵 a, a中每个元素 a m,n表示植入的第 n个粒子源对第 m个剂量计算点的剂量影响,即

4、,

5、其中表示转化系数,表示剂量率常数,表示极坐标半径,表示极坐标角度,为剂量计算参考点,表示几何因子函数,表示径向剂量因子,表示各向异性因子,表示放射性同位素的半衰期;

6、计划剂量表示为:

7、;

8、表示选取的粒子源活度向量;

9、s02)、反优化的目标是最小化处方剂量d0与计划剂量之间的差异,使用表示反优化目标函数,取粒子源活度范围作为约束条件,将ldr-bt计划反优化问题建模为:

10、;

11、s03)、对ldr-bt计划反优化问题求解,得出使最小的粒子源活度向量 x。

12、进一步的,使用带动量的近端梯度方法对ldr-bt计划反优化问题求解,求解过程为:

13、选择一个初始点,令,设置步长,在第步,计算目标函数在处的梯度,计算近端映射,其中表示近端映射算子,,是约束条件对应的指示函数:

14、,

15、将近端映射的公式等价为:

16、,

17、非凸反优化问题等价于无约束优化问题,其中,近端映射算子将投影到可行域上计算,即对于每个,都有,

18、如果满足收敛条件,停止迭代,否则继续迭代。

19、进一步的,步骤s02)中,使用差的平方范数作为优化目标函数,。

20、进一步的,,

21、其中各向异性因子的精确值,e为随机正扰动误差或随机负扰动误差,表示各向异性因子的测量值。

22、进一步的,通过查表插值得出、、、。

23、进一步的,几何因子即、在定义点的剂量率值之间进行插值。

24、进一步的,本方法适用于元素125i、103pb的ldr-bt计划反优化。

25、进一步的,对于125i,对于103pb。

26、进一步的,使用 ct 数据的体素为剂量计算单位,计划剂量表示为。

27、进一步的,设置适当函数、下半连续函数、强制函数、临界点对ldr-bt计划反优化问题求解过程进行收敛性分析。

28、本专利技术的有益效果:本专利技术首次将粒子源的活度纳入优化过程中,使用带动量的近端梯度方法求解,同时优化粒子源分布与活度,并作了一般收敛性分析,收敛性分析表明本方法是收敛的,能到得出一个最大限度接近处方剂量的粒子源活度向量。

本文档来自技高网...

【技术保护点】

1.LDR-BT 计划反优化方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的LDR-BT计划反优化方法,其特征在于:使用带动量的近端梯度方法对LDR-BT计划反优化问题求解,求解过程为:

3.根据权利要求1所述的LDR-BT计划反优化方法,其特征在于:步骤S02)中,使用差的平方 范数作为优化目标函数,。

4.根据权利要求1所述的LDR-BT计划反优化方法,其特征在于:,

5.根据权利要求1所述的LDR-BT计划反优化方法,其特征在于:通过查表插值得出、、、。

6.根据权利要求5所述的LDR-BT计划反优化方法,其特征在于:几何因子即、在定义点的剂量率值之间进行插值。

7.根据权利要求1所述的LDR-BT计划反优化方法,其特征在于:本方法适用于元素125I、103Pb的LDR-BT计划反优化。

8.根据权利要求1所述的LDR-BT计划反优化方法,其特征在于:

9.根据权利要求1所述的LDR-BT计划反优化方法,其特征在于:使用 CT 数据的体素为剂量计算单位,计划剂量表示为。

10.根据权利要求2所述的LDR-BT计划反优化方法,其特征在于:设置适当函数、下半连续函数、强制函数、临界点对LDR-BT计划反优化问题求解过程进行收敛性分析。

...

【技术特征摘要】

1.ldr-bt 计划反优化方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的ldr-bt计划反优化方法,其特征在于:使用带动量的近端梯度方法对ldr-bt计划反优化问题求解,求解过程为:

3.根据权利要求1所述的ldr-bt计划反优化方法,其特征在于:步骤s02)中,使用差的平方 范数作为优化目标函数,。

4.根据权利要求1所述的ldr-bt计划反优化方法,其特征在于:,

5.根据权利要求1所述的ldr-bt计划反优化方法,其特征在于:通过查表插值得出、、、。

6.根据权利要求5所述的ldr-bt计划反优化方法...

【专利技术属性】
技术研发人员:刘斌李玉亮付树军林博文郭清陈紫彤杨琛吕依洋冯思涵
申请(专利权)人:山东大学第二医院
类型:发明
国别省市:

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