[发明专利]用于生成辐射处理计划中的剂量计算的系统和方法

说明书

公开了用于生成辐射处理计划中的剂量计算的系统和方法。使用第一注量图集和第一(更快的)剂量预测模型计算的第一剂量被访问。第二注量图被访问。第二注量图被投影到第一注量图集上来确定标量集和残值。当残值满足准则时，第二剂量使用第一剂量预测模型、标量集和第二注量图来计算。当残值不满足准则时，第二剂量使用第二(更准确的)剂量预测模型和第二注量图来计算。

技术领域

本公开总体涉及辐射处理计划的生成。

背景技术

处理癌症的辐射治疗的使用是众所周知的。通常，辐射治疗包含将高能量质子、光子或者电子辐射(“治疗辐射”)的波束引导到靶体积(例如，肿瘤或者病变)中。

在患者被利用辐射处理之前，形成特定于该患者的处理计划。通过使用基于过往经验的模拟和优化，该计划限定治疗的各方面。例如，对于强度调制辐射治疗(IMRT)而言，该计划可以指定适当的波束类型(例如，平坦无滤波器类型)和适当的波束能量。计划的其他部分可以指定例如波束相对于患者的角度、波束形状、团注(bolus)和屏蔽的放置等。一般而言，处理计划的目的是将足够的辐射递送到靶体积，同时最小化周围的健康组织对于辐射的暴露。

在IMRT中，计划者的目标是找到相对于多个临床目标的最佳方案，多个临床目标可以是互相矛盾的，因为对于一个目标的改进可以对实现另一目标产生不利影响。例如，使肝免于接收辐射剂量的处理计划可以导致胃接收太多辐射。这些类型的折中导致一个迭代的过程，其中计划者创建不同的计划来找到最适于实现期望结果的一个计划。

例如，计划者定义质量度量集，诸如靶均匀性、关键器官不受辐射等，以及针对度量的相应靶值Q_i。对于规划而言，对度量进行定义，使得较小值优于较大值。计划者还针对质量度量中的每个质量度量定义相对优先级或者权重w_i。形成最佳计划的任务然后被公式化为二次成本函数C：C＝sum(w_i(Q_i-q_i)²),其中q_i是可以针对特定处理计划实现的质量度量的值。最佳计划通过使成本函数C最小化来确定。

通常，仅基于成本函数确定最佳计划是不容易的。例如，成本函数的最优解可能不一定描述质量度量之间的临床上最好的平衡，或者剂量分布可能具有难以表示为质量度量的一些不期望的特征。

辅助计划者的一个方式是基于知识的方法，其自动地生成目标函数，使得结果计划包含并且反映在创建知识库中利用的现行实践。这通常捕获在处理中心处利用的最好实践，但是也可以基于从多个处理中心采集的良好定义的处理的较大的知识库。

辅助计划者的另一方式是使用用于处理规划的多准则优化(MCO)方法。Pareto表面导航是促进探索临床目标之间的折中的MCO技术。对于给定临床目标集而言，如果处理计划满足目标并且在不使其他度量中的至少一个恶化的情况下没有度量可以被改进，则该处理计划被认为是Pareto最优。Pareto最优计划集限定与临床目标集有关的Pareto表面。沿着Pareto表面的移动导致临床目标之间的折中；一些度量将以使一个或多个其他度量恶化为代价来改进。计划者可以沿着Pareto表面导航并且选择根据计划者应用的准则看起来最好的最终(优化的)辐射处理计划，或者处理计划可以基于其与Pareto表面的接近度来自动地选择。

在Pareto表面附近的导航要求精选的计划样本集已经被生成以限定Pareto表面。为了维持导航期间的流畅的交互性，计划可以事先被计算，并且因此必须首先关于计划者想要导航的区域做出根据对情况分析的猜测，使得Pareto表面跨越该区域。如果在导航期间计划者想要移动超过由原始计划样本集跨越的区域，那么通过生成并且添加更多计划来扩大样本集是可能的。在这样的情况下，期望迅速地生成附加计划。

高效并且迅速地生成附加计划的方法将是有价值的。

发明内容