生成和应用鲁棒的剂量预测模型制造技术

访问(202)与先前定义的放射处理计划相关联的参数的标称值和标称值的扰动。针对处理计划的每个处理场，基于那些扰动来确定(204)特定于场的计划靶标体积(fsPTV)。还描绘了至少一个临床靶标体积(CTV)和至少一个危及器官(OAR)体积。每个OAR包括至少一个子体积，该至少一个子体积基于每个OAR与CTV和针对每个处理场的fsPTV之间的空间关系来描绘(208)。基于标称值和扰动确定(210)针对子体积的剂量分布。针对每个子体积生成(f212)一个或多个剂量预测模型。(多个)剂量预测模型使用剂量分布而被训练。被训练。被训练。

【技术实现步骤摘要】
【国外来华专利技术】生成和应用鲁棒的剂量预测模型

技术介绍

[0001]使用放射疗法处理癌症是众所周知的。典型地，放射疗法涉及将高能质子、光子、离子或电子辐射(“治疗性辐射”)射束引导到靶标或靶标体积(例如，包括肿瘤或病变的体积)中。
[0002]在对患者进行放射处理之前，制定针对该患者的处理计划。该计划使用基于过去经验的模拟和优化来定义疗法的各个方面。一般而言，处理计划的意图是向不健康组织递送足够的辐射，同时使周围健康组织对辐射的暴露最小化。
[0003]计划者的目标是找到对于多个临床目标最优的解决方案，所述多个临床目标可为矛盾的，即一个目标的改进可对达到另一个目标具有不利影响。例如，避免肝脏接受一定剂量辐射的处理计划可能会导致胃部接受过多的辐射。这些类型的权衡导致迭代过程，在该迭代过程中，计划者创建不同的计划以找到用于实现期望结果的最优化(最适合)的一个计划。
[0004]处理计划的关键组成部分是预测将被应用到患者的辐射的剂量和剂量分布。在基于知识的剂量预测中，来自先前所计划的放射处理的信息可用于获得关于在新病例中可实现的剂量分布是什么的知识，而无需执行实际计划。基于知识的剂量预测的一种方法是使用一组处理计划来创建模型，该模型然后可用于预测针对新病例的剂量。预测可被转换为优化目标，当其与优化算法结合使用时，产生完整的处理计划。

技术实现思路

[0005]本专利技术提供了根据权利要求中所定义的计算机实现的方法。
[0006]期望的是，剂量预测模型是“鲁棒的”以便它们考虑(account for)处理期间可能发生的扰动。例如，患者的位置可在处理期间改变，并且优选地的是，在处理患者之前，当使用模型来优化放射或放射疗法处理计划的目标时，剂量预测模型可以考虑患者的移动。
[0007]根据本专利技术的实施例提供了一种改进的放射处理计划方法。更具体地，根据本专利技术的实施例涉及鲁棒的剂量预测模型的生成，并且涉及应用那些模型以开发和优化放射处理计划。
[0008]在本专利技术的一个方面，提供了一种计算机实现的方法，包括：访问多个处理计划，该多个处理计划具有与多个处理计划相关联的、处理计划的参数的标称值的扰动；
[0009]针对处理计划的每个处理场，基于扰动确定特定于场的计划靶标体积(fsPTV)；
[0010]访问描绘至少一个临床靶标体积(CTV)的信息和描绘至少一个危及器官(OAR)体积的信息，其中每个所述OAR体积包括至少一个子体积，该至少一个子体积基于所述每个OAR体积与CTV和针对所述每个处理场的fsPTV之间的空间关系而被描绘；
[0011]确定针对每个所述子体积的剂量分布，其中剂量分布包括基于标称值的剂量分布和基于扰动的剂量分布；以及
[0012]针对每个所述子体积生成剂量预测模型，其中模型包括使用基于标称值的剂量分布而被训练的模型和使用基于扰动的剂量分布而被训练的模型。
[0013]剂量预测模型的每个模型可包括将所述每个模型与用于训练所述每个模型的剂量分布相关联的信息。
[0014]该方法可包括将剂量预测模型应用于放射处理计划，其中所述应用包括：使用剂量预测模型计算放射处理计划的剂量
‑
体积直方图，其中剂量
‑
体积直方图包括使用标称值计算的剂量
‑
体积直方图和使用标称值的扰动计算的剂量
‑
体积直方图；以及使用剂量预测模型并基于剂量
‑
体积直方图生成放射处理计划的目标。
[0015]在实施例中，访问与先前定义的放射处理计划相关联的参数的标称值和标称值的扰动。针对那些处理计划的每个处理场，基于扰动确定特定于场的计划靶标体积(fsPTV)。还描绘了至少一个临床靶标体积(CTV)和至少一个危及器官(OAR)体积。每个OAR包括至少一个子体积，该子体积基于每个OAR与CTV和针对每个处理场的fsPTV之间的空间关系而被描绘。基于标称值和基于扰动确定针对子体积的剂量分布。例如，如果存在N个扰动，则确定N+1个剂量分布：基于标称值的剂量分布，以及基于每个扰动的剂量分布。
[0016]在实施例中，针对每个子体积生成多个鲁棒的剂量预测模型。例如，如果存在N个扰动，则针对每个子体积生成N+1个剂量预测模型：使用基于标称值的剂量分布而被训练的剂量预测模型，以及使用基于每个扰动的每个剂量分布而被训练的剂量预测模型。
[0017]在其他实施例中，针对每个子体积仅生成一个鲁棒的剂量预测模型。然而，该模型使用所有剂量分布来训练。例如，如果存在N个扰动，则使用上述N+1个剂量分布来训练剂量预测模型。
[0018]因此，在根据本专利技术的实施例中，生成鲁棒的剂量预测模型，该模型针对处理期间计划参数中的潜在扰动进行了训练并且因此考虑了这些潜在扰动。
[0019]在针对每个子体积生成多个鲁棒的剂量预测模型的实施例中，当将模型应用于放射处理计划时，将扰动作为参数插入到模型中以开发优化目标。更具体地，模型被用于预测用于计划的剂量
‑
体积直方图(DVH)。如果存在N个扰动并因此存在N+1个模型，则为该计划确定每子体积的一组N+1个DVH。剂量预测模型然后可用于基于DVH生成优化目标。
[0020]在本专利技术的一个方面，提供了一种计算机实现的方法，包括：访问多个处理计划，该多个处理计划具有与多个处理计划相关联的、处理计划的参数的标称值的扰动；
[0021]针对处理计划的每个处理场，基于扰动确定特定于场的计划靶标体积(fsPTV)；
[0022]访问描绘至少一个临床靶标体积(CTV)的信息和描绘至少一个危及器官(OAR)体积的信息，其中每个所述OAR体积包括至少一个子体积，该至少一个子体积基于每个所述OAR体积与CTV和针对所述每个处理场的fsPTV之间的空间关系来描绘；
[0023]确定多个剂量分布，多个剂量分布包括基于标称值的剂量分布和基于扰动的剂量分布；以及针对每个所述子体积生成剂量预测模型，该模型使用多个剂量分布来训练。
[0024]剂量预测模型可包括将剂量预测模型与用于训练剂量预测模型的剂量分布相关联的信息。
[0025]该方法可进一步包括将剂量预测模型应用于放射处理计划，其中所述应用包括：使用剂量预测模型并使用标称值计算放射处理计划的剂量
‑
体积直方图；以及使用剂量预测模型并基于剂量
‑
体积直方图生成放射处理计划的目标。
[0026]在针对每个子体积仅生成单个鲁棒的剂量预测模型的实施例中，该模型用于预测针对每个子体积的标称DVH。剂量预测模型然后可用于基于标称DVH生成优化目标。
[0027]根据本专利技术的实施例，通过增加剂量预测模型的鲁棒性来改进放射处理计划，并且因此改进处理本身，剂量预测模型进而用于开发和优化放射处理计划以利于被处理的患者。鲁棒的模型可用于在受扰动处理情形中向CTV递送足够的剂量，同时确保OAR在任何受扰动情形中不接收太多的剂量。鲁棒的模型对于质子射束处理尤其重要，但对于其他模本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种计算机实现的方法，包括：访问多个处理计划，所述多个处理计划具有与其相关联的所述处理计划的参数的标称值的扰动；针对所述处理计划的每个处理场，基于所述扰动确定特定于场的计划靶标体积(fsPTV)；访问描绘至少一个临床靶标体积(CTV)的信息和描绘至少一个危及器官(OAR)体积的信息，其中每个所述OAR体积包括至少一个子体积，所述至少一个子体积基于每个所述OAR体积与所述CTV和针对所述每个处理场的所述fsPTV之间的空间关系来描绘；以及以下之一：(a)确定针对每个所述子体积的剂量分布，其中所述剂量分布包括基于所述标称值的剂量分布和基于所述扰动的剂量分布；以及针对每个所述子体积生成剂量预测模型，其中所述模型包括使用基于所述标称值的所述剂量分布训练的模型和使用基于所述扰动的所述剂量分布训练的模型；(b)确定包括基于所述标称值的剂量分布和基于所述扰动的剂量分布的多个剂量分布；以及针对每个所述子体积生成剂量预测模型，所述模型使用所述多个剂量分布而被训练。2.根据权利要求1所述的方法，包括步骤(a)，其中所述剂量预测模型的每个模型包括将所述每个模型与用于训练所述每个模型的剂量分布相关联的信息。3.根据权利要求1或2所述的方法，包括步骤(a)，进一步包括将所述剂量预测模型应用于放射处理计划。4.根据权利要求3的方法，其中所述应用包括：使用所述剂量预测模型计算针对所述放射处理计划的剂量
‑
体积直方图，其中所述剂量
‑
体积直方图包括使用所述标称值计算的剂量
‑
体积直方图和使用所述标称值的所述扰动计算的剂量
‑
体积直方图；以及使用所述剂量预测模型并基于所述剂量
‑
体积直方图生成所述放射处理计划的目标。5.根据权利要求1所述的方法，包括步骤(b)，其中所述剂量预测模型包括将所述剂量预测模型与用于训练所述剂量预测模型的所述剂量分布相关联的信息。6.根据权利要求1或5所述的方法，包括步骤(b)，进一步包括将所述剂量预测模型应用于放射处理计划。7.根据权利要求6的方法，其中所述应用包括：使用所述剂量预测模型并且使用所述标称值，计算针对所述放射处理计划的剂量
‑
体积直方图；以及使用所述剂量预测模型并且基于所述剂量
‑
...

【专利技术属性】
技术研发人员：P，
申请(专利权)人：瓦里安医疗系统国际股份公司，
类型：发明
国别省市：