一种近距离放疗计划系统参数自动优化方法和装置

1.本发明涉及算法设计领域，尤其涉及一种近距离放疗计划系统参数自动优化方法和装置。


背景技术：

2.hdrbt治疗计划主要是通过给出肿瘤靶区和危及器官的优化参数，并由物理师进行不断的调整，最终利用特定的剂量计算算法得到符合剂量分布要求的解，最后，经过放疗医师和物理师评估及计划验证后，便可将通过的计划应用于临床治疗。
3.hdrbt治疗计划系统是通过对放射源和病人建模，为病人设计出一套合适的放射治疗方案，治疗方案给出放射源在病人体内的驻留位置、驻留时间。
4.针对hdrbt计划系统，研究内容主要集中在剂量计算准确度、计划设计效率等。自动计划能够在保证计划质量前提下提升计划设计效率，当前已有一些方法致力于放疗计划设计的自动化,如eclipse和pinnacle商用治疗计划系统中的rapid plan和auto-planning功能,也有研究将人工智能技术应用于剂量预测以实现自动计划。
5.但现有技术存在如下缺点：
6.1、现有的hdrbt计划系统中靶区和危机器官的参数以人工调整为主，智能化、自动化程度较低；
7.2、目前常用的hdrbt计划系统的优化结果很大程度上决定于计划设计者的经验和技巧，并且优化过程花费时间较长，物理师需要消耗大量时间寻找靶区和危及器官最合理的剂量体积限值以及该限值对应的权重；
8.3、现有的自动计划技术主要针对imrt计划和vmat计划，关于hdrbt计划自动化技术的研究尚不成熟。


技术实现要素：

9.本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
10.为此，本发明的目的在于针对近距离放疗(hdrbt)计划大量耗费人工及计划质量高度依赖物理师临床经验且差异较大等问题，利用临床上主流的放射治疗计划系统(varian eclipse)及其脚本应用程序编程接口，采用人工智能的方法实现治疗计划制定过程中优化目标参数的交互式自动调整，提出了一种近距离放疗计划系统参数自动优化方法。
11.本发明的另一个目的在于提出一种近距离放疗计划系统参数自动优化装置。
12.为达上述目的，本发明一方面提出了近距离放疗计划系统参数自动优化方法，包括以下步骤：
13.通过对放射源和病人建模，构建近距离放疗治疗计划系统；
14.基于所述近距离放疗治疗计划系统，输出肿瘤靶区和危及器官的相关数据，利用粒子群遗传算法对多种剂量学参数进行自动优化得到优化参数；其中，所述粒子群遗传算
法为粒子群算法和遗传算法的混合算法；
15.将所述优化参数输入到所述近距离放疗治疗计划系统中，以生成近距离放疗治疗计划。
16.根据本发明实施例的近距离放疗计划系统参数自动优化方法，能够利用粒子群遗传算法对多种剂量学参数进行自动优化得到优化参数，将优化参数输入到近距离放疗治疗计划系统中，以生成近距离放疗治疗计划。本发明能够代替物理师完成剂量学参数的自动优化，提高制定hdrbt治疗计划的效率和质量。
17.另外，根据本发明上述实施例的近距离放疗计划系统参数自动优化方法还可以具有以下附加的技术特征：
18.进一步地，所述近距离放疗治疗计划系统是基于brachyvision
tm
近距离治疗计划系统，所述brachyvision
tm
近距离治疗计划系统上带有脚本应用程序编程接口。
19.进一步地，所述多种剂量学参数，至少包括：优选度和平均剂量。
20.进一步地，所述粒子群遗传算法为：
21.4.1)初始化预设数量微粒，包括随机位置和速度；
22.4.2)评价所述预设数量微粒的每个微粒的适应度；
23.4.3)对于所述每个微粒，将所述每个微粒的适应度与所述每个微粒经过的个体第一预设位置pbest作比较，如果好于，则将所述每个微粒的适应度作为当前的所述第一预设位置pbest；
24.4.4)对于所述每个微粒，将所述每个微粒的适应度与所述每个微粒经过的群体第二预设位置gbest作比较，如果好于，则将所述每个微粒的适应度作为当前的所述第二预设位置gbest；
25.4.5)根据速度更新公式和位置更新公式调整微粒速度和位置；
26.4.6)未达到结束条件则以预设概率交叉变异，并转第4.2)步。
27.进一步地，所述的近距离放疗计划系统参数自动优化方法能够确定所述放射源在病人体内的驻留位置和驻留时间。
28.为达到上述目的，本发明另一方面提出了一种近距离放疗计划系统参数自动优化装置，包括：
29.构建模块，用于通过对放射源和病人建模，构建近距离放疗治疗计划系统；
30.优化模块，用于基于所述近距离放疗治疗计划系统，输出肿瘤靶区和危及器官的相关数据，利用粒子群遗传算法对多种剂量学参数进行自动优化得到优化参数；其中，所述粒子群遗传算法为粒子群算法和遗传算法的混合算法；
31.生成模块，用于将所述优化参数输入到所述近距离放疗治疗计划系统中，以生成近距离放疗治疗计划。
32.本发明实施例的近距离放疗计划系统参数自动优化装置，能够利用粒子群遗传算法对多种剂量学参数进行自动优化得到优化参数，将优化参数输入到近距离放疗治疗计划系统中，以生成近距离放疗治疗计划。本发明能够代替物理师完成剂量学参数的自动优化，提高制定hdrbt治疗计划的效率和质量。
33.本发明的有益效果：
34.本发明能够代替物理师完成剂量学参数的自动优化，可以有效地降低人工时间，
缩小不同医院、不同物理师之间制定的治疗计划的差异，从而提高制定hdrbt治疗计划的效率和质量，进而给肿瘤患者带来疗效及生存质量的提升。
35.本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
36.本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
37.图1为根据本发明实施例的近距离放疗计划系统参数自动优化方法的流程图；
38.图2为根据本发明实施例的近距离放疗计划系统参数自动优化装置的结构示意图。
具体实施方式
39.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
40.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
41.下面参照附图描述根据本发明实施例提出的近距离放疗计划系统参数自动优化方法及装置，首先将参照附图描述根据本发明实施例提出的近距离放疗计划系统参数自动优化方法。
42.图1是本发明一个实施例的近距离放疗计划系统参数自动优化方法的流程图。
43.如图1所示，该近距离放疗计划系统参数自动优化方法包括以下步骤：
44.步骤s1，通过对放射源和病人建模，构建近距离放疗治疗计划系统。
45.具体地，本发明基于brachyvision
tm
近距离治疗计划系统。brachyvision
tm
近距离治疗计划系统上带有脚本应用程序编程接口(scripting api)，可以获取治疗计划优化过程中的靶区及危及器官剂量学参数，同时可以利用计算机语言进行程序编写及调试，并可以将剂量学参数传入到计划系统中。
46.步骤s2，基于近距离放疗治疗计划系统，输出肿瘤靶区和危及器官的相关数据，利用粒子群遗传算法对多种剂量学参数进行自动优化得到优化参数；其中，粒子群遗传算法为粒子群算法和遗传算法的混合算法。
47.需要说明的是，粒子群算法是在1995年由eberhart博士和kennedy博士一起提出的，它源于对鸟群捕食行为的研究。该算法的基本核心是利用群体中的个体对信息的共享从而使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。粒子群算法的基本思想是用随机解初始化一群随机粒子，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪个体极值和全局极值来更新自己。遗传算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的
生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。
48.具体地，本发明将粒子群算法和遗传算法相结合，一个粒子代表一组参数值，在更新位置时，随机地进行交叉和变异，降低陷入局部最优的概率。粒子群遗传算法的流程：
49.1)初始化一群微粒(群体规模为n)，包括随机位置和速度；
50.2)评价每个微粒的适应度；
51.3)对每个微粒，将其适应值与其经过的个体最好位置pbest作比较，如果较好，则将其作为当前的最好位置pbest；
52.4)对每个微粒，将其适应值与其经过的群体最好位置gbest作比较，如果较好，则将其作为当前的最好位置gbest；
53.5)根据速度更新公式和位置更新公式调整微粒速度和位置；
54.6)未达到结束条件则以一定概率交叉变异，并转第2)步。
55.步骤s3，将优化参数输入到近距离放疗治疗计划系统中，以生成近距离放疗治疗计划。
56.具体地，本发明利用借助hdrbt治疗计划系统自带的api接口，输出肿瘤靶区和危及器官的相关数据，然后利用粒子群算法和遗传算法的混合算法自动完成优选度、平均剂量等剂量学参数的优化，代替物理师手动调整的过程，最后将优化参数输入到计划系统中，生成临床可接受的放疗计划。
57.通过上述步骤，对放射源和病人建模，构建近距离放疗治疗计划系统；基于近距离放疗治疗计划系统，输出肿瘤靶区和危及器官的相关数据，利用粒子群遗传算法对多种剂量学参数进行自动优化得到优化参数；其中，粒子群遗传算法为粒子群算法和遗传算法的混合算法；将优化参数输入到近距离放疗治疗计划系统中，以生成近距离放疗治疗计划。本发明能够代替物理师完成剂量学参数的自动优化，提高制定hdrbt治疗计划的效率和质量。
58.需要说明的是，近距离放疗计划系统参数自动优化方法实现方式有多种，但无论具体的实现方法如何，只要方法解决了近距离放疗计划的剂量学参数自动优化，能够提高计划制定的效率和质量，都是针对现有技术问题的解决，并具有相应的效果。
59.为了实现上述实施例，如图2所示，本实施例中还提供了一种近距离放疗计划系统参数自动优化装置10，该装置10包括：构建模块100，优化模块200，生成模块300。
60.构建模块100，用于通过对放射源和病人建模，构建近距离放疗治疗计划系统；
61.优化模块200，用于基于近距离放疗治疗计划系统，输出肿瘤靶区和危及器官的相关数据，利用粒子群遗传算法对多种剂量学参数进行自动优化得到优化参数；其中，粒子群遗传算法为粒子群算法和遗传算法的混合算法；
62.生成模块300，用于将优化参数输入到近距离放疗治疗计划系统中，以生成近距离放疗治疗计划。
63.需要说明的是，构建模块还用于基于brachyvision
tm
近距离治疗计划系统，brachyvision
tm
近距离治疗计划系统上带有脚本应用程序编程接口。
64.应当理解的是，多种剂量学参数，包括：优选度和平均剂量中的多种。
65.具体地，优化模块200包括以下子模块：
66.初始化模块，用于初始化预设数量微粒，包括随机位置和速度；
67.评价模块，用于评价所述预设数量微粒的每个微粒的适应度；
68.第一比较模块，用于对于所述每个微粒，将所述每个微粒的适应度与所述每个微粒经过的个体第一预设位置pbest作比较，如果好于，则将所述每个微粒的适应度作为当前的所述第一预设位置pbest；
69.第二比较模块，用于对于所述每个微粒，将所述每个微粒的适应度与所述每个微粒经过的群体第二预设位置gbest作比较，如果好于，则将所述每个微粒的适应度作为当前的所述第二预设位置gbest；
70.调整模块，用于根据速度更新公式和位置更新公式调整微粒速度和位置；
71.变异模块，用于未达到结束条件则以预设概率交叉变异，并转至评价模块。
72.需要说明的是，上述装置10还可以包括确定模块，用于确定放射源在病人体内的驻留位置和驻留时间。
73.根据本发明实施例的近距离放疗计划系统参数自动优化装置，通过对放射源和病人建模，构建近距离放疗治疗计划系统；基于近距离放疗治疗计划系统，输出肿瘤靶区和危及器官的相关数据，利用粒子群遗传算法对多种剂量学参数进行自动优化得到优化参数；其中，粒子群遗传算法为粒子群算法和遗传算法的混合算法；将优化参数输入到近距离放疗治疗计划系统中，以生成近距离放疗治疗计划。本发明能够代替物理师完成剂量学参数的自动优化，提高制定hdrbt治疗计划的效率和质量。
74.需要说明的是，前述对近距离放疗计划系统参数自动优化方法实施例的解释说明也适用于该实施例的近距离放疗计划系统参数自动优化装置，此处不再赘述。
75.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
76.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
77.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。