[发明专利]一种基于动态光栅的旋转调强优化方法及放射治疗设备

权利要求书

1.一种基于动态光栅的旋转调强优化方法，其特征在于，包括以下步骤：

第1步，设置以下参数：弧形野数量、起始角度、角度间隔、剂量约束；

第2步，根据上述参数将Arc离散化，获得若干静态临时射野Beam；

第3步，基于第2步，对上述静态临时射野Beam进行强度优化，再对强度进行子野分割，将得到的静态临时射野Beam的子野按顺序均匀分布到原来的弧形野上，所述第3步中的强度优化为采用共轭梯度法对其进行强度优化，具体如下：

设定目标函数

其中

其中，为与所有OAR有关的目标函数项；为与靶区有关的目标函数项；N_OAR为OAR的个数；NT_i为第i个OAR中的采样点数；N_PTV为靶区中的采样点数；当器官中的点剂量违反约束时，δ_j＝1，否则δj＝0；W_j为第j个点的权重；d_j为第j点的计算剂量；P_j为第j点的处方剂量；α、β为控制靶区和OAR的重要性的归一化因子；N_ray为射束的总个数；α_jm为单位强度的第m个射束对第j个点的剂量贡献；为第m个射束的强度；

所述第3步中的对强度进行子野分割，具体如下：对输入的强度图，采用SlidingWindow的分割算法进行分割，得到连续运动的子野Seg1；

第4步，使用gDPM计算每个子野的剂量分布，最后再使用共轭梯度法优化每个子野的权重，得到最优的剂量分布；

使用gDPM计算每个子野的剂量分布，具体如下：

对每一个子野，使用基于GPU的蒙特卡洛算法gDPM，计算剂量分布Dseg(i)；

所述第4步中，最后再使用共轭梯度法优化每个子野的权重，具体如下：

设定目标函数：

F′_obj(W_i)＝F′_target(W_i)+F′_oar(W_i)；其中，

其中，

F′_oar(W_i)为所有与OAR有关的目标函数项，

F′_target(W_i)则为与靶区有关的目标函数项，

N_oar为OAR的个数，N_target为靶区的个数。

2.根据权利要求1所述的基于动态光栅的旋转调强优化方法，其特征在于，所述第2步具体如下：

根据Arc的起始角度G_start和结束角度G_end，角度间隔G_step、每个射野子野数SegNumOneBeam，计算：

子野个数：

NSeg＝(G_end-G_start)/G_step；

射野个数：

NBeam＝NSeg/SegNumOneBeam；

射野角度间隔：

Step＝(G_end-G_start)/NBeam；

射野角度：

Ang(i)＝G_start+i*Step-Step/2。

3.根据权利要求1所述的基于动态光栅的旋转调强优化方法，其特征在于，所述第3步中的对强度进行子野分割时，每个临时射野Beam的子野数量应保持一致，记为m。

4.根据权利要求3所述的基于动态光栅的旋转调强优化方法，其特征在于，对于上述临时射野Beam，将其分割得到的SlidingWindow的Seg1，均匀的分布到当前角度的(-step/2，step/2)；则整个Arc的m*n个子野的覆盖范围为：G_end-G_start。

5.一种放射治疗设备，其特征在于，包括：

参数设置模块，用以设置以下参数：弧形野数量、起始角度、剂量约束；

Arc离散化模块，用于根据上述参数将Arc离散化，获得若干静态临时射野Beam；

强度优化模块，用于对上述静态临时射野Beam进行强度优化，再对强度进行子野分割，将得到的静态临时射野Beam的子野按顺序均匀分布到原来的弧形野上；

剂量分布优化模块，使用gDPM计算每个子野的剂量分布，最后再使用共轭梯度法优化每个子野的权重，得到最优的剂量分布；

所述Arc离散化模块具体工作原理如下：

根据Arc的起始角度G_start和结束角度G_end，角度间隔G_step、每个射野子野数SegNumOneBeam，计算：

子野个数：

NSeg＝(G_end-G_start)/G_step；

射野个数：

NBeam＝NSeg/SegNumOneBeam：

射野角度间隔：

Step＝(G_end-G_start)/NBeam；

射野角度：

Ang(i)＝G_start+i*Step-Step/2；

所述强度优化模块采用共轭梯度法对其进行强度优化，具体如下：

设定目标函数

其中，

其中，为与所有OAR有关的目标函数项；为与靶区有关的目标函数项；N_OAR为OAR的个数；NT_i为第i个OAR中的采样点数；N_PTV为靶区中的采样点数；当器官中的点剂量违反约束时，δ_j＝1，否则δj＝0；W_j为第j个点的权重；d_j为第j点的计算剂量；P_j为第j点的处方剂量；α、β为控制靶区和OAR的重要性的归一化因子；N_ray为射束的总个数；α_jm为单位强度的第m个射束对第j个点的剂量贡献；为第m个射束的强度；

所述强度优化模块对强度进行子野分割，具体如下：

对输入的强度图，采用SlidingWindow的分割算法进行分割，得到连续运动的子野Seg1；并对强度进行子野分割时，每个临时射野Beam的子野数量应保持一致，记为m；并将其分割得到的SlidingWindow的Seg1，均匀的分布到当前角度的(-step/2，step/2)；则整个Arc的m*n个子野的覆盖范围为：G_end-G_start；

所述剂量分布优化模块，使用gDPM计算每个子野的剂量分布，具体如下：

对每一个子野，使用基于GPU的蒙特卡洛算法gDPM，计算剂量分布Dseg(i)，最后再使用共轭梯度法优化每个子野的权重，具体如下：

设定目标函数：

F′_obj(W_i)＝F′_target(W_i)+F′_oar(W_i)；其中，

其中，

F′_oar(W_i)为所有与OAR有关的目标函数项，

F′_target(W_i)则为与靶区有关的目标函数项，

N_oar为OAR的个数，N_target为靶区的个数。