一种基于梯度法和漫水填充法的调强子野优化方法
【技术领域】
[0001] 本发明涉及一种基于梯度法和漫水填充法的调强子野优化方法，属于智能计算方 法技术领域。
【背景技术】
[0002] 静态调强放疗是目前临床上最常用的治疗手段，一般情况下是首先优化得到每个 方向上满足期望剂量分布的射野强度，然后对该强度进行子野分割，转换为动态多叶光栅 可以实施的子野，这种方式简称为"二步法"。由于在强度分布优化时，难以或者没有考虑动 态多叶光栅的硬件约束限制，而该类约束限制只有在子野分割时考虑，因此导致子野分割 后会产生子野数较多，大大提高了治疗时间，增加了治疗不确定性。长期的临床应用表明， "二步法"存在的缺陷，可以总结为：（1)每个照射野的子野数目多，总的照射跳数(MU)往往 是常规或者适形照射野的数倍甚至十余倍，这种情况不仅会增加照射的时间，还将增加产 生漏射、机头散射等因素带来的影响；（2)可能会生成一些小的、形状很不规则的子野，这些 子野在实施过程中产生的误差较大，射线利用率低，因此可能影响患者受照剂量的准确度；
[3] 在将理想的强度分布转换为可以实施的强度分布时，两个强度会有差别，这种差别往往 使计划质量变差，本已满足的临床要求的计划可能不再满足。
[0003] 调强子野优化方法目前国内外也有不少研究，目前主要分两大类:第一类是采用 智能算法优化，这类算法不易陷入极值解，但是调强子野优化问题是非凸问题，优化时间往 往难以令人接受;第二类是采用确定性方法优化，这类算法模型简单，优化速度快，但是优 化结果往往难以令人满意。
【发明内容】
[0004] 本发明技术解决问题:为了克服现有技术的不足，本发明的目的在于提供一种基 于梯度法和漫水填充法的调强子野优化方法，能够快速有效解决调强子野优化问题，其优 化结果能够完全满足放疗计划制定的要求，而又使得计算时间能够在本领域技术人员可以 接受的范围内。
[0005] 本发明的技术方案如下：一种基于梯度法和漫水填充法的调强子野优化方法，实 现步骤如下：
[0006] (1)初始化子野形状
[0007] 根据射野方向观初始化每个射野方向上对应的子野形状，该子野形状由靶区在射 野方向上外轮廓外扩得到；
[0008] (2)采用梯度法优化子野权重并得到射野上的强度梯度使用梯度法优化当前子野 对应的权重，同时计算优化后的每个射野方向强度梯度矩阵；
[0009] (3)基于强度梯度采用漫水填充法计算该射野新的子野形状
[0010] 根据步骤(2)的强度梯度矩阵找到最小值，如果最小值大于阈值，则停止，否则基 于最小值所在位置进行漫水填充法计算，找出符合子野形状要求的子野，其中漫水填充法 的边界阈值要小于最小值；
[0011] 对所有射野都做漫水填充法计算生成新子野，则得到一组新的子野形状；
[0012] (4)步骤(2)和(3)交替循环进行，直到满足停止标准，最终得到一组最优的子野形 状和权重。
[0013] 所述步骤(3)中基于最小值所在位置进行漫水填充法计算实现步骤如下：
[0014] (21)扩展梯度矩阵最小值所在行连续的列，直到边界达到阈值；
[0015] (22)基于当前扩展的行，在已扩展列，相邻行的位置找对应列，找出最小值，最小 值大于阈值，则停止，否则进行步骤(21)扩展；
[0016] (23)重复步骤(22 )，直到新的子野形状生成。
[0017] 本发明与现有技术相比的优点在于：
[0018] (1)本发明能够快速有效解决调强子野优化问题，其优化结果能够完全满足放疗 计划制定的要求，而又使得计算时间能够在本领域技术人员可以接受的范围内。因此，本发 明具有极其重要的工业应用价值、而且克服了尚未解决的技术难题。
[0019] (2)本发明不仅能够准确地建立调强子野优化问题的模型，实现了可以快速高效 优化调强子野，满足实际的用户需求。
【附图说明】
[0020] 图1为本发明实现流程图。
【具体实施方式】
[0021] 如图1所示，本发明实现为：
[0022] (1)初始化子野形状，具体如下：
[0023] 根据剂量计算得到第k个射野中每个笔形束对靶区采样点的剂量贡献矩阵Dk，通 过公式(1)得到矩阵S k>1。
[0024]
(1)
[0025] 式中，ε是一个常数，一般取值为〇.〇〇l，（i，j)表示第i行第j列。Sk,i作为第k个射野 的第一个初始子野形状。
[0026] (2)采用梯度法优化子野权重并计算射野上的强度梯度，具体如下：
[0027] 在得到每个射野方向上最初的子野形状后，使用梯度法优化对应的子野权重。使 得加速器照射后的各器官采样点剂量值尽量满足医生给定的器官剂量约束。梯度法优化子 野权重的目标函数如下：
[0028] Fob j ( Xk ) = Fxarget ( Xk ) +F〇AR ( Xk ) (2)
[0029]
[0030]
[0031]
[0032]
[0033]
[0034]
[0035]
[0036] 其中，FTarget和F_分别是革E区和危及器官的目标函数;NTarget和NciAR分别表不革巴区 和危及器官的个数；ω target,,和ω。", i分别表示第i个靶区和危及器官的权重，权重表示各 器官的重要程度，一般取值在〇~1;6#^1和￡。& 1分别表示第1个靶区和危及器官的目标 函数;Ntarget, i分别表示第i个靶区和危及器官的采样点个数;山表示第j个采样点的 剂量;S表示如果采样点的剂量在约束范围内，则取0,否则取表示第i个靶区的剂 量约束，如果采样点剂量小于靶区剂量下限，那么DtawM就等于靶区剂量下限，如果采样点 剂量大约靶区剂量上限，那么DtargeM就等于靶区剂量上限，如果采样点剂量在约束内，则该 项为〇，不参与计算;D。％ i表示第i个危及器官的剂量上限;Nray表示射野内的笔形束个数； aj>m表示第m个笔形束对第j个采样点的剂量影响;Xm表示第m个笔形束的强度;Μ为离散后的 射野个数;x k表示第k个射野的权重，是需要优化的参数;segk为第k个射野的子野0/1矩阵按 照行优先排列的向量。
[0037]最后梯度法优化过程中会产生每个射野方向的梯度矩阵Tk，k表示第k个射野。
[0038] (3)基于强度梯度采用漫水填充法计算该射野新的子野形状
[0039]根据第k个射野的强度梯度矩阵Tk，找到最小值τ(1,^，其中，i，j分别表示第i行和 第j列。如果τ(1』大于-0.01，则说明第k个射野强度梯度没有需要新增的子野，停止。否则， 以TUd作为种子，采用四向连通的方式进行漫水填充法扩展。扩展过程中需要满足以下几 点限制：
[0040] >每一行只能有一个连续区域；
[0041] 对所有射野都做一次漫水填充法生成新子野，则得到一组新的子野形状，再通过 梯度法优化每个子野对应的权重，同时计算射野的强度梯度，漫水填充法和梯度法交替循 环进行，直到满足停止标准。
[0042] (4)最终得到一组最优的子野形状和权重。
[0043] 下面结合具体的实例再进行详细说明。
[0044] 本发明能够快速得到最优的调强子野，在用户设置好相关的参数后，通过梯度法 和漫水填充法快速得到一组子野形状和权重，针对周围型肺癌放疗病例，具体实现步骤如 下：
[0045] (1)根据射野笔形束对靶区剂量贡献，初始化子野形状下：
[0046] 周围型肺癌例题添加5个射野，根据剂量计算得到第k个射野中每个笔形束对靶区 采样点的剂量贡献矩阵Dk，D k的第i行第j列表示该笔形束对靶区所有采样点剂量贡献总和， 通过公式(1)得到矩阵Sk>1。
[0047]
( 10、
[0048] 式中，ε是一个常数，一般取值为〇.〇〇l，（i，j)表示第i行第j列。Sk,i作为第k个射野 的第一个初始子野形状。一般来说，S k,:符合子野要求。
[0049] (2)采用梯度法优化子野权重并计算射野的强度梯度，具体如下：
[0050] 在得到5个射野最初的子野形状后，使用梯度法优化对应的子野权重。使得加速器 照射后的各器官采样点剂量值尽量满足医生给定的器官剂量约束。梯度法优化子野权重的 目标函数如下：
[0059] 其中，FTarget和F_分别是革E区和危及器官的目标函数;NTarget和NciAR分别表不革巴区 和危及器官的个数；ω target,,和ω。", i分别表示第i个靶区和危及器官的权重，权重表示各 器官的重要程度，一般取值在〇~1;6#^1和￡。& 1分别表示第1个靶区和危及器官的目标 函数;Ntarget, i分别表示第i个靶区和危及器官的采样点个数;山表示第j个采样点的 剂量;S表示如果采样点的剂量在约束范围内，则取0,否则取表示第i个靶区的剂 量约束，如果采样点剂量小于靶区剂量下限，那么DtawM就等于靶区剂量下限，如果采样点 剂量大约靶区剂量上限，那么DtargeM就等于靶区剂量上限，如果采样点剂量在约束内，则该 项为〇，不参与计算;D。％ i表示第i个危及器官的剂量上限;Nray表示射野内的笔形束个数； aj>m表示第m个笔形束对第j个采样点的剂量影响;Xm表示第m个笔形束的强度;Μ为离散后的 射野个数;x k表示第k个射野的权重，是需要优化的参数;segk为第k个射野的子野0/1矩阵按 照行优先排列的向量。
[0060]最后梯度法优化过程中会产生每个射野方向的梯度矩阵Tk，k表示第k个射野。
[0061 ] (3)基于强度梯度采用漫水填充法计算该射野新的子野形状
[0062]根据第k个射野的强度梯度矩阵Tk，找到最小值τ(1^，其中，i，j分别表示第i行和 第j列。如果τ(1』大于-0.01，则说明第k个射野强度梯度没有需要新增的子野，停止。否则， 以TUd作为种子，采用四向连通的方式进行漫水填充法扩展。扩展过程中需要满足以下几 点限制：
[0063] >边界阈值为T(i,j)的1/3;
[0064] :>_每一行只能有一个连续区域；
[0065] 对所有射野都做一次漫水填充法生成新子野，则得到一组新的子野形状，再通过 梯度法优化每个子野对应的权重，同时计算射野的强度梯度，漫水填充法和梯度法交替循 环进行，直到满足停止标准。
[0066] (4)最终得到一组最优的子野形状和权重。
[0067]提供以上实施例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本 发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修 改，均应涵盖在本发明的范围之内。
【主权项】
1. 一种基于梯度法和漫水填充法的调强子野优化方法，其特征在于实现步骤如下： (1) 初始化子野形状 根据射野方向观初始化每个射野方向上对应的子野形状，该子野形状由靶区在射野方 向上外轮廓外扩得到； (2) 采用梯度法优化子野权重并得到射野上的强度梯度 使用梯度法优化当前子野对应的权重，同时计算优化后的每个射野方向强度梯度矩 阵； (3) 基于强度梯度采用漫水填充法计算该射野新的子野形状 根据步骤(2)的强度梯度矩阵找到最小值，如果最小值大于阈值，则停止，否则基于最 小值所在位置进行漫水填充法计算，找出符合子野形状要求的子野，其中漫水填充法的边 界阈值要小于最小值； 对所有射野都做漫水填充法计算生成新子野，则得到一组新的子野形状； (4) 步骤(2)和(3)交替循环进行，直到满足停止标准，最终得到一组最优的子野形状和 权重。2. 根据权利要求1基于梯度法和漫水填充法的调强子野优化方法，其特征在于:所述步 骤(3)中基于最小值所在位置进行漫水填充法计算实现步骤如下： (21) 扩展梯度矩阵最小值所在行连续的列，直到边界达到阈值； (22) 基于当前扩展的行，在已扩展列，相邻行的位置找对应列，找出最小值，最小值大 于阈值，则停止，否则进行步骤(21)扩展； (23) 重复步骤(22)，直到新的子野形状生成。
【专利摘要】本发明提供了一种基于梯度法和漫水填充法的调强子野优化方法，首先根据靶区和危及器官信息、射束参数以及剂量(体积)约束等条件建立优化模型，并初始化每个射野的初始子野；其次，采用梯度法优化子野权重并得到射野上的强度梯度；再次，基于强度梯度使用漫水填充法计算该射野新的子野形状；最后，回到第二步直到退出优化。本发明不仅求解速度快，优化效果好，而且算法稳定，鲁棒性强。
【IPC分类】A61N5/10
【公开号】CN105709341
【申请号】CN201610029746
【发明人】裴曦, 吴宜灿, 胡丽琴, 曹瑞芬, 汪冬
【申请人】中国科学院合肥物质科学研究院