[发明专利]一种优化剂量引导的TPS自动迭代优化方法

说明书

本发明公开一种优化剂量引导的TPS自动迭代优化方法，包括以下内容：首先，根据分割后的剂量计算各器官内每个点的剂量和优化结果的差异，作为优化引擎的输入，得到差异部分的强度图贡献；然后，将原优化后的强度图减去差异部分的强度图，作为子野分割的强度图输入，得到迭代后的子野并计算剂量；最后，重复整个过程，使最终的剂量分布与优化后的剂量接近，得到预期的剂量分布。应用本发明，将子野分割步骤考虑到整个优化过程中，不断修正子野分割产生的剂量偏差，可显著提升计划质量，并加快计划制作效率。

技术领域

本发明属于医疗技术领域，主要涉及一种逆向调强放疗的优化方法，具体涉及一种优化剂量引导的TPS自动迭代优化方法。

背景技术

调强放射治疗(IMRT)作为放疗的一种，针对靶区三维形状和危及器官与靶区的解剖关系，对射束强度进行调节，使放射剂量的分布与靶区形状一致，靶区内接受分布均匀的高的剂量，保证对肿瘤细胞的杀伤，同时使得正常组织接受较低的剂量照射，达到保护正常器官、减少不良反应的目的。

传统的IMRT计划制作过程一般包括两个步骤：射野强度图优化和实施照射。计划设计者根据经验设置射束方向，设置器官约束条件，然后用逆向优化算法求出射野强度图分布。如果采用光栅实施治疗，需要对优化得到的射野强度图图进行子野分割，得到一系列的子野。目前的光栅分割方式主要有两种：静态(Step Shoot)方式和动态(SlidingWindow)方式。下面将针对这两种治疗方式的特性，分析其对计划制作的影响。

静态IMRT得到的是一系列权重和形状各不相同的静态子野，总的照射强度由这些子野累加得到，在实施治疗时各子野依次照射，切换子野时机器射线关闭。静态IMRT的一个明显的不足之处就是一般需要的治疗时间长，当射野强度图很复杂时，会分割得到很多子野，但考虑到实际治疗时间，会在计划时射野面积小、权重小的子野。这就导致优化的剂量分布与分割后的剂量差异较大。另外光栅的透漏射、半影等参数也会使优化的剂量分布与分割后的剂量分布产生差异。

动态IMRT利用光栅相对应的一对叶片的相对运动，实现对射野强度的调节，在叶片运动过程中射线一直处于“Beam On”状态。动态叶片分割需要考虑叶片的运动限制，譬如叶片运动的最大速度、最大加速度，以及光栅透漏射因子、半影参数等，这些物理限制也会导致优化的剂量与分割后的剂量差异较大。

光栅子野分割导致的剂量差异，要求计划设计者修改器官约束、射野参数，然后不断的进行优化、分割、剂量计算。这个过程参考图1，对于复杂的病例尤其繁琐，可能需要计划者手工迭代多次，耗时耗力。

发明内容

为了解决上述技术问题，本发明提出了一种优化剂量引导的TPS自动迭代优化方法。

为了达到上述目的，本发明的技术方案如下：

一种优化剂量引导的TPS自动迭代优化方法，包括以下内容：

首先，根据分割后的剂量计算各器官内每个点的剂量和优化结果的差异，作为优化引擎的输入，得到差异部分的强度图贡献；

然后，将原优化后的强度图减去差异部分的强度图，作为子野分割的强度图输入，得到迭代后的子野并计算剂量；

最后，重复整个过程，使最终的剂量分布与优化后的剂量接近，得到预期的剂量分布。

在上述技术方案的基础上，还可做如下改进：

进一步，具体包括以下步骤：

(1)确定射野个数和方向，设置约束条件，采用共轭梯度法优化射野强度分布；

(2)优化完成后，保留射束强度x构成的优化强度图Map_opt、点剂量d_j构成的所有约束器官的优化剂量Dose_opt以及目标函数值Fobj_opt；