一种基于遗传算法的放疗机器人交付方向优化方法和系统技术方案

本申请提供一种基于遗传算法的放疗机器人交付方向优化方法和系统，方法包括：基于粒子群算法建立肿瘤准周期性呼吸运动模型，从而获得肿瘤运动幅值、相位、频率等特性；融合肿瘤呼吸运动特性和期望交付剂量分布约束建立目标函数，优化交付剂量的同时考虑肿瘤运动补偿的约束；设计遗传算法策略，优化放射球面交付方向集合的选择。与现有方法相比，本申请考虑了肿瘤呼吸运动对交付方向优化的影响，同时优化交付节点的空间分布；优化过后可以减小实际交付剂量与期望剂量的误差，并减小射束对风险组织的照射剂量，为放射治疗机器人提供更精准的治疗精度。的治疗精度。的治疗精度。

【技术实现步骤摘要】
一种基于遗传算法的放疗机器人交付方向优化方法和系统


[0001]本申请涉及医疗机器人
，尤其涉及一种基于遗传算法的放疗机器人交付方向优化方法和系统，能够解决立体定向放疗机器人射束交付方向选择的问题。

技术介绍

[0002]射束交付方向选择是放疗机器人制定治疗计划的重要组成部分。对于周围存在较多风险组织(OAR)的肿瘤，传统共面射束交付会对风险组织造成严重威胁。在放疗过程中，使用非共面射束交付，并对射束交付方向进行选择优化，可以显著降低靶区实际交付剂量与目标剂量的差异，同时满足风险组织的剂量约束，确保肿瘤周围重要组织的安全，改善治疗计划的质量。
[0003]当前可以通过手动射束角度选择(BAS)和自动BAS两种策略。随着设备智能化程度的提高，根据患者肿瘤的几何结构、反复试验以及医师的经验手动执行射束选择的方案已经基本被淘汰，智能BAS策略开始大量涌现。自动BAS也可以分为两大类：第一类将BAS问题从通量图优化(FMO)中分离，通量图优化即优化不同方向射束的权重，使得选定交付方向集合的实际交付剂量更加接近期望值。该类方法首先基于几何分布或潜在射束集的剂量测量解决BAS问题，然后再通过数学优化的方法解决FMO问题。第二类同时求解BAS和FMO，即将两者的目标函数进行融合，根据一个总目标函数在选择交付方向的同时，解决FMO问题。射束角度选择优化是一个组合优化问题，在N各候选集合中选出n个最佳交付方向，但目前没有有效的算法能够在多项式时间复杂度内解决BAS问题，即BAS是一个NP
‑
hard问题，使用枚举搜索在临床上是不切实际的。所以目前所有解决方法都可以看成是仅探索搜索空间一小部分的启发式方法。
[0004]虽然当前针对BAS已经提出了很多有效的解决方案，但是大部分都是针对静态肿瘤的BAS方法，而有些在交付过程中需要对肿瘤呼吸运动进行补偿的临床场景，很少有研究者将其考虑在内。因此，研究一种能够将肿瘤呼吸运动考虑在内的交付方向优化方法，对于提高放疗机器人的精度有着重要意义。

技术实现思路

[0005]有鉴于此，本申请目的是：提供一种基于遗传算法的放疗机器人交付方向优化方法，用以解决立体定向放疗机器人射束交付方向选择的问题。
[0006]本申请的技术方案是：一种基于遗传算法的放疗机器人交付方向优化方法，包括如下步骤：
[0007]步骤1、根据放疗期间使用机械臂驱动射束补偿呼吸运动的空间可达性，在体表上构建一个放射球面，其候选交付节点在上半放射球面之内，并在所述上半放射球面内选取候选交付节点集合；
[0008]步骤2、根据期望交付剂量分布约束，制定交付方向优化的剂量分布目标函数；
[0009]步骤3、分析肿瘤呼吸运动约束，基于粒子群算法拟合肿瘤呼吸运动准周期性特
征；
[0010]步骤4、根据肿瘤呼吸运动对剂量交付的影响，融合所述肿瘤呼吸运动准周期性特性和期望交付剂量分布约束建立优化的目标函数；
[0011]步骤5、基于遗传算法设计交付方向优化方案，根据目标函数优化射束方向的选择。
[0012]进一步地，所述步骤1中在所述上半放射球面上，用方向角表示球面上任意一点，其中θ∈[0
°
,90
°
)，则按方向每隔6
°
、θ方向每隔5
°
选定所述候选交付节点集合，共选定1080个候选节点集。
[0013]进一步地，所述步骤2中，设定一个优化函数h(ω)，优化每个节点的剂量权重ω；所述剂量分布目标函数f(X)设置为迭代优化过后的h(ω)的值：
[0014][0015]其中X代表交付过程中的放射角度集合该集合包含n个放射球面的交付节点，交付节点由方向角表示，ω是每个交付节点处的剂量权重；
[0016]所述优化函数定义为：
[0017][0018]且：ω≥0
[0019]其中，射线下暴露的人体组织分为N
s
个，对于不同的组织S选定不同的目标函数p
k
(ω)，λ
k
表示第k个组织的优化函数的权重。
[0020]进一步地，所述步骤3中，所述肿瘤呼吸运动准周期性特征的准周期运动模型用下式表示：
[0021][0022]上式中，C0，C1，A和分别表示位姿参数的基线位置、基线漂移速度、振荡幅值以及相位偏移，不同参数对应的值均不相同；f
i
表示振荡频率和周期，所有位姿参数具有相同的振荡频率；N决定了模型形状的陡度和平整度。
[0023]进一步地，所述步骤4中，将所述候选交付节点的空间位置分布在呼吸运动的峰值和峰谷处。
[0024]进一步地，所述步骤4中，当交付过程中射束运动的速度恒定时，通过控制两节点间间距接近半个呼吸运动周期，使得节点空间分布靠近肿瘤呼吸运动的峰值和峰谷；
[0025]所述优化的目标函数保证节点分布间距在接近个呼吸周期内交付完成，根据步骤3拟合出的所述肿瘤呼吸运动准周期性特征，得到肿瘤运动频率，并计算个呼吸周期射束的运动距离，并将所述运动距离作为优化的目标函数中的约束阈值，确保交付节点分布间距接近该约束阈值。
[0026]进一步地，所述步骤5中，基于遗传算法设计交付节点优化方案，根据目标函数，在步骤1中的候选交付节点集合中选出n个交付方向；针对步骤4建立的目标函数，采用遗传算
法进行优化；根据射束个数将放射球面平均划分，在每个方向的平面内各选一个优化节点，得到最优交付节点集合。
[0027]基于上述目的，本申请还提出了一种基于遗传算法的放疗机器人交付方向优化系统，包括：
[0028]节点集合模块，用于根据放疗期间使用机械臂驱动射束补偿呼吸运动的空间可达性，在体表上构建一个放射球面，其候选交付方向节点在上半放射球面之内，并在所述上半放射球面内选取候选节点集合；
[0029]函数构建模块，用于根据期望交付剂量分布约束，制定交付方向优化的剂量分布目标函数；
[0030]特征拟合模块，用于分析肿瘤呼吸运动约束，基于粒子群算法拟合肿瘤呼吸运动准周期性特征；
[0031]函数优化模块，用于根据肿瘤呼吸运动对剂量交付的影响，融合所述肿瘤呼吸运动准周期性特性和期望交付剂量分布约束建立优化的目标函数；
[0032]方向优化模块，用于基于遗传算法设计交付方向优化方案，根据目标函数优化射束方向的选择。
[0033]总的来说，本申请的优势及给用户带来的体验在于：本申请提供了一种解决放疗机器人交付方向优化的方法，将交付方向选择和通量图优化问题结合，在优化节点分布的同时优化各个方向射束的权重，并将肿瘤呼吸运动的影响考虑在，制定了融合肿瘤呼吸运动特性和期望交付剂量分布约束的优化目标函数；为解决NP
‑
hard组合优化问题，本申请提出了基于遗传算法的优化策略，同时为了射束能够全面照射肿瘤各个方向，根据射束个数将放射球面平均划分，在每个方向的平面内各选一个节点，从而确保肿瘤能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的放疗机器人交付方向优化方法，其特征在于，包括如下步骤：步骤1、根据放疗期间使用机械臂驱动射束补偿呼吸运动的空间可达性，在体表上构建一个放射球面，其候选交付节点在上半放射球面之内，并在所述上半放射球面内选取候选交付节点集合；步骤2、根据期望交付剂量分布约束，制定交付方向优化的剂量分布目标函数；步骤3、分析肿瘤呼吸运动约束，基于粒子群算法拟合肿瘤呼吸运动准周期性特征；步骤4、根据肿瘤呼吸运动对剂量交付的影响，融合所述肿瘤呼吸运动准周期性特性和期望交付剂量分布约束建立优化的目标函数；步骤5、基于遗传算法设计交付方向优化方案，根据目标函数优化射束方向的选择。2.根据权利要求1所述的基于遗传算法的放疗机器人交付方向优化方法，其特征在于：所述步骤1中在所述上半放射球面上，用方向角表示球面上任意一点，其中则按方向每隔6
°
、θ方向每隔5
°
选定所述候选交付节点集合，共选定1080个候选节点集。3.根据权利要求1或2所述的基于遗传算法的放疗机器人交付方向优化方法，其特征在于：所述步骤2中，设定一个优化函数h(ω)，优化每个节点的剂量权重ω；所述剂量分布目标函数f(X)设置为迭代优化过后的h(ω)的值：其中X代表交付过程中的放射角度集合该集合包含n个放射球面的交付节点，交付节点由方向角表示，ω是每个交付节点处的剂量权重；所述优化函数定义为：且：ω≥0其中，射线下暴露的人体组织分为N
s
个，对于不同的组织S选定不同的目标函数p
k
(ω)，λ
k
表示第k个组织的优化函数的权重。4.根据权利要求3所述的基于遗传算法的放疗机器人交付方向优化方法，其特征在于：所述步骤3中，所述肿瘤呼吸运动准周期性特征的准周期运动模型用下式表示：上式中，C0，C1，A和分别表示位姿参数的基线位置、基线漂移速度、振荡幅值以及相位偏移，不同参数对应的值均不相同；f
i
表示振荡频率和周期，所有位姿参数具有相同的振荡频率；N决定了模型形状的陡度和平整度。5.根据权利要求1所述的基于遗传算法的放疗机器人交付方向优化方法...

【专利技术属性】
技术研发人员：邓若愚，胡尚薇，
申请(专利权)人：同济人工智能研究院苏州有限公司，
类型：发明
国别省市：