一种基于CPU/GPU混合集群的计算放疗笔形束射线剂量分布的方法技术

本发明专利技术公开了一种基于CPU/GPU混合集群的计算放疗笔形束射线剂量分布的方法，属于医疗器械技术领域。该方法通过卷积叠加方法计算笔形束剂量分布过程分解为多个一维卷积，并对每个一维卷积进行预采样，判断其计算量，并根据计算量对一维卷积进行归类，在分批并行处理多个一维卷积时，保证每个批次的一维卷积过程都具有相同的计算量，从而保证了每批并行处理线程的指令同步性，大大发挥了GPU的并行效率。同时，本方法将未能分配的具有不同计算量的剩余一维卷积过程分配至CPU进行多线程并行计算。由于CPU的线程没有对指令同步性设置要求，该部分计算可以高效的并行执行。而GPU与CPU计算的同时性进一步提高了混合集群的并行度和计算效率。

【技术实现步骤摘要】
一种基于CPU/GPU混合集群的计算放疗笔形束射线剂量分布的方法
本专利技术涉一种基于CPU/GPU混合集群的计算放疗笔形束射线剂量分布的方法，属于医疗器械
，具体地说是一种利用CPU/GPU混合集群分布式并行计算放疗笔形束射线剂量分布的方法。
技术介绍
放射治疗计划系统(TreatmentPlanningSystem，TPS)是放疗科物理师或者剂量师用来设计放疗计划的技术平台和重要软件类医疗器械。物理师或者剂量师将病人的三维影像和医生剂量处方输入TPS，然后根据经验勾画靶区、重要器官和辅助器官、放置最佳射野、设置各种优化目标函数、最后进行计划的优化计算，计算出最合适的射线束通量的强度分布，从而得到放疗计划。如果计算结果不能满足处方要求，操作人员将进一步调整各种参数继续优化，直到得到满意结果为止。目前世界上通用的TPS的优化技术采用的是基于多目标的非约束型优化技术。该技术使用现代优化算法，如准牛顿算法或者遗传算法，通过最小化一个根据不同权重综合了多种相互竞争的临床目标和约束条件的成本函数来搜寻最优的调强放射治疗计划。这个基于多目标本文档来自技高网...

【技术保护点】
1.一种基于CPU/GPU混合集群的计算放疗笔形束射线剂量分布的方法，其特征是：包括以下步骤：/n步骤1：从影像设备通过医学数字成像和通信标准(DICOM)协议接收人体或模体的三维医学影像数据；/n步骤2：根据三维医学影像数据勾画和分割感兴趣区，并计算包含所有感兴趣区的边界盒(Bounding Box)。/n步骤3：将放射治疗机头的每个射野的准直器围成的矩形分割成一系列网格，将通过每个网格的细小射线束记为笔形束B

【技术特征摘要】
1.一种基于CPU/GPU混合集群的计算放疗笔形束射线剂量分布的方法，其特征是：包括以下步骤：
步骤1：从影像设备通过医学数字成像和通信标准(DICOM)协议接收人体或模体的三维医学影像数据；
步骤2：根据三维医学影像数据勾画和分割感兴趣区，并计算包含所有感兴趣区的边界盒(BoundingBox)。
步骤3：将放射治疗机头的每个射野的准直器围成的矩形分割成一系列网格，将通过每个网格的细小射线束记为笔形束Bn，n为笔形束编号；
步骤4：将所有笔形束均匀分配到混合集群计算节点上，并通过数据网络将笔形束的几何信息传递到该笔形束所对应的计算节点上，并为笔形束的剂量分布Dn(x，y，z)分配内存空间和显存空间，x，y，z为三维坐标点。
步骤5：利用集群节点的GPU通过光线追踪法计算每个笔形束Bn在模拟数字人体中的TERMA(单位质量总释放能量)Tn(x，y，z)，x，y，z为三维坐标点；
步骤6：将4π立体角分解为m个角度，用(n，m，i，j)元组表示的Bn的第m个方向的第(i，j)条卷积线，其中(i，j)为Bn在第m个方向上的卷积线的二维离散标识，并将该卷积线分配到集群的某一个GPU的某个流处理器线程上计算该卷积线上的第一个非零TERMA三维空间点的位置，以及从该位置沿该方向到与边界盒交点的线段所相交的三维空间离散腔胞数量Lnmij，并将它记为该卷积线的离散长度；
步骤7：计算Lnmii的的分布f(l)，根据该分布分批将具有相同离散长度的卷积线分配到集群的GPU的流处理器线程上并行计算沿该卷积线的一维卷积，

其中为三维空间点的向量表示，表示两个空间点之间的放射线路径距离(radiologicalpathlength)，Km表示一维卷积核，
并将得到的三维剂量分布Egpun(x，y，z)叠加到Dgpun(x，y，z)；
步骤8：将未分配到GPU的所有剩余卷积线均匀分配到集群CPU的线程上并行计算该方向上的一维卷积，

其中为三维空间点的向量表示，表示两个空间点之间的放射线路径距离(radiologicalpathlength)，Km表示一维卷积核，
并将得到的三维剂量分布Ecpun(x，y，z)叠加到Dcpun(x，y，z)；
步骤9：将每个GPU和CPU计算的笔形束剂量分布叠加起来得到最终的笔形束剂量分布：Dn(x，y，z)＝Dgpun(x，y，z)+Dcpun(x，y，z)。


2.根据权利...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：苏州求索健康科技有限公司，
类型：发明
国别省市：江苏;32