用于放射疗法治疗计划的计算机实现的方法、用于执行该方法的计算机程序产品和计算机系统与流程

1.本发明涉及一种用于放射疗法治疗计划的计算机实现的方法，并且涉及一种用于执行这种方法的计算机程序产品和装置。具体而言，本发明涉及用于放射疗法的治疗计划，该放射疗法涉及针对同一患者的外部射束辐射疗法和近距离放射疗法两者。


背景技术：

2.大多数放射疗法治疗是作为外部辐射提供的，该外部辐射是从外部源递送给患者的，称为外部射束放射疗法或ebrt。这通常以多个分次递送，例如15个分次、30个分次或更多分次。替代地，可以从放置在患者体内的源递送辐射。这被称为近距离放射疗法并且涉及在患者体内的靶区内放置一个或多个针或其他类型的器械，以将靶区暴露给来自内部的辐射。这通常以较少分次来执行，例如1个分次或3个分次。
3.对于ebrt治疗，计划目前主要作为优化治疗计划器中的逆向计划过程来执行。目的通常是在整个靶区上实现最小剂量或均匀剂量。近距离放射疗法或bt计划需要物理上或在虚拟环境中在靶区内放置用于提供辐射的器械，并且剂量通常是在预先计划过程中制定的，在该预先计划过程中确定器械的位置和从器械得到的剂量。在低剂量率bt中，一个或多个源(称为种子)被植入到靶区中，并且通常在可预见的未来保持在那里。另一方面，在高剂量率bt和脉冲式剂量率bt中，辐射由移动通过植入器械中的中空通道的放射性源递送，该植入器械由例如针、导管和施加器组成。通常，bt剂量分布不均匀，而是集中在植入器械周围。
4.在本领域中已知在同一患者中组合ebrt与近距离放射疗法。典型地，首先递送ebrt分次，然后是近距离放射疗法，但是相反的顺序也是可能的。在第一次治疗期间，患者的几何形状通常将改变。此外，插入到患者体内进行近距离放射疗法的器械将改变靶区和周围组织的形状。由于这两个原因，这两种模态将被递送给不同的患者几何形状。在近距离放射疗法和外部辐射治疗两者都使用在同一患者身上的情况下，传统上制定了两个单独的治疗计划，一个用于治疗的ebrt部分，一个用于治疗的近距离放射疗法部分。这些典型地是基于总剂量和不同类型的治疗之间的预定剂量分配。例如，可以设置80gy的总剂量，其中ebrt治疗贡献60gy，并且近距离放射疗法贡献剩余的20gy。d1公开了一种放射疗法治疗计划方法，该方法允许两种或更多种模态的组合，其可以包括组合近距离放射疗法和外部射束辐射疗法。根据d1，该计划被迭代优化，首先选择和优化最有前景的模态，然后添加另一种模态并优化该另一种模态的贡献。
5.本发明的目标是提供一种用于治疗计划的改进的计划方法，该治疗计划涉及ebrt和近距离放射疗法两者。


技术实现要素：

6.本发明涉及一种优化患者的放射疗法治疗计划的基于计算机的方法，包括以下步
骤：
7.a.获得包括患者的第一图像的输入数据，
8.b.获得包括目标函数的优化问题，目标函数被设计成基于输入数据将总剂量分布优化为基于总剂量分布的剂量标准的要由第一辐射集合提供的第一剂量分布与要由第二辐射集合提供的第二剂量分布的组合，其中，辐射集合中的一个是外部射束疗法，另一个是近距离放射疗法，
9.c.借助于优化问题将治疗计划优化为外部射束疗法与近距离放射疗法的组合。
10.因此，根据本发明，通过联合优化问题同时优化两个辐射集合的治疗参数。这得到比根据现有技术的单独计划更好的总体治疗计划。第一剂量和第二剂量可以以任何适当的顺序或交错递送。输入数据还可以包括患者的第二图像，其可以是在治疗计划的一部分已经被递送之后患者的估计图像。然后，第二图像可以用于提供关于在该部分的递送之后患者的解剖结构的信息。通常，该部分是要由第一辐射集合递送的部分。
11.优选地，该方法还包括以下步骤：在治疗计划的第一部分的递送之后，确定递送给患者的剂量，提供患者的至少一个更新图像并使用考虑到递送的剂量和更新图像的第二优化问题来再次优化剩余的治疗计划。这使得治疗计划的剩余部分或多个部分能够基于第一部分的递送的实际结果来改善。第一部分通常对应于要由第一辐射集合递送的剂量，而剩余部分通常对应于要由第二辐射集合递送的剂量。
12.在一些实施例中，治疗计划的第一部分是要作为外部射束疗法被递送的部分。在这种情况下，至少一个更新图像优选地包括患者的更新图像和施加了近距离放射疗法器械的患者的更新图像，以在递送期间考虑包括近距离放射疗法器械的实际患者几何形状。剩余的治疗计划基于更新图像来更新。
13.在其他实施例中，治疗计划的第一部分是要作为近距离放射疗法被递送的部分。优选地，在这种情况下，步骤b附加地基于施加了近距离放射疗法器械的患者的当前图像来执行，以考虑递送期间的实际患者几何形状。
14.至少一个更新图像可以包括在第一部分的递送之后获取的患者的至少一个图像。这将提供关于实际患者几何形状的最正确的信息。
15.替代地或附加地，至少一个更新图像可以包括基于对在该部分的递送之后患者的几何形状的估计的至少一个模拟图像。如果由于某种原因，在该部分的递送之后或者在插入近距离放射疗法器械的情况下获取患者的新图像是不可行的，则这是合适的。
16.在优选实施例中，该优化包括使分别由第一辐射集合和第二辐射集合递送的剂量中的至少一个变形，以获得治疗部分的共同几何形状并使用生物模型来累积它们，目标函数是对累积的剂量的惩罚和对辐射集合特定剂量的惩罚的集合。
17.优选地，稳健计划用于考虑近距离放射疗法器械的放置、ebrt递送和/或确定的递送的剂量的不确定性。如何实现稳健计划在本领域中是已知的。
18.本发明还涉及一种包括计算机可读代码单元的计算机程序产品，该计算机可读代码单元当在计算机中运行时被布置成使计算机执行根据上述实施例中的任一项所述的方法。计算机程序产品可以被存储在任何适当类型的非暂时性存储介质上。
19.本发明还涉及一种包括处理器和至少一个程序存储器的计算机系统，其特征在于程序存储器保存如上限定的计算机程序。
20.在优选实施例中，本发明涉及对近距离放射疗法计划的计划，其中还考虑了通过一些其他模态已经递送给患者的累积剂量。这意味着可以补偿与到靶区的计划剂量的偏差，而且可以通过相应地改变近距离放射疗法治疗计划来补偿对危及器官的过高剂量。
附图说明
21.在下文中将通过举例并参考附图更详细地描述本发明，在附图中，
22.图1a、图1b和图1c是通过患者的医学图像的截面图。
23.图2是方法的一般实施例的流程图。
24.图3是包括ebrt后面跟着bt的方法的更具体实施例的流程图。
25.图4是包括bt后面跟着ebrt的方法的第二个更具体实施例的流程图。
26.图5是其中可以实现本发明的实施例的计算机系统的示意性概观图。
具体实施方式
27.外部射束辐射治疗ebrt涉及以从外部递送的射束的形式向患者提供辐射。辐射可以是任何类型的辐射，包括光子、电子、质子或其他离子。近距离放射疗法bt涉及将某种类型的器械插入到患者体内的靶区中，并使用所述器械从靶区内的一个或多个点提供辐射。该器械可以包括许多小针和/或导管、一个或多个较大的施加器、一个或多个种子或不同类型的器械的任意组合。取决于设备的数量和尺寸，靶区以及周围患者的几何形状将会变形。
28.由于两个辐射集合的不同性质，ebrt和bt的计划使用不同的治疗参数。用于ebrt治疗的治疗参数包括射束和射束限制设备配置。用于bt治疗的治疗参数包括诸如器械位置和停留时间的变量。每个辐射集合典型地涉及在一个或多个分次中递送的辐射，典型地但不是必须地，ebrt的数量高于bt的数量，bt甚至可以单个分次递送。
29.如上文所讨论，使用优化问题的逆向计划对于ebrt计划是常见的，但是传统上不用于近距离放射疗法。剂量分布ebrt能够表达为
30.d
ebrt
＝d
ebrt
(x
ebrt
)
ꢀꢀꢀ
(1)
31.并且近距离放射疗法的剂量分布能够表达为
32.d
bt
＝d
bt
(x
bt
)
ꢀꢀꢀ
(2)
33.其中x
ebrt
,x
bt
是用于相应治疗形式的治疗参数。
34.本发明涉及同时优化用于ebrt治疗和bt治疗的治疗参数。这意味着优化问题能够表达为方程(3)
[0035][0036]
其中x
ebrt
是用于治疗的ebrt子部分的治疗参数，x
bt
是用于治疗的bt子部分的治疗参数。d
ebrt
和d
bt
分别是用于ebrt子部分和bt子部分的剂量。代替剂量d，可以使用与相应子部分相关的一些其他参数。
[0037]
典型地，优化包括将剂量变形到共同几何形状并使用生物模型来累积它们，目标函数是对累积的剂量的惩罚和对辐射集合特定剂量的惩罚的集合。
[0038]
图1a、图1b和图1c是在本发明过程中的不同点处获取的医学图像的简化示例，如将结合图2更详细地讨论的。图1a是通过患者腹部的示意性医学图像的截面11，其中指出了靶区13和危及器官15，以用于根据本发明的实施例的治疗计划。图1b是通过在第一类型的
治疗之后同一患者的医学图像的对应截面11’，示意性地示出了这种治疗可能对患者的几何形状造成的变化。如将理解的，靶区13已经由于治疗而收缩，这通常是期望的结果。图1c是在针插入到靶区中以向患者提供近距离放射疗法的情况下同一患者的医学图像的对应截面11”。针被示出为靶区内的小点17。如能够看出的，这也改变了靶区13”的几何形状和靶区周围的患者的区域的几何形状。
[0039]
图2是根据本发明的实施例的总体方法的流程图。
[0040]
在第一步骤s21中，获得患者的相关部分的图像，诸如结合图1a到图1c讨论的图像。在步骤s22中，确定要作为包括ebrt和近距离放射疗法两者的组合计划递送的总剂量分布的剂量标准。
[0041]
在步骤s23中，基于图像或多个图像和期望总剂量的剂量标准来定义优化问题。剂量标准如本领域中常见的被设置。它们典型地包括针对靶区的所有体素的最小剂量，并且通常包括针对一个或多个危及器官的最大剂量。例如，剂量标准可以规定每个靶区体素中至少60gy的总剂量，并且危及器官的至多30％受到超过40gy的总剂量。剂量标准还可以包括部分或完全剂量分布。在s24中，使用优化问题来优化治疗计划。优化问题包括目标函数，诸如上面的函数(3)。
[0042]
在步骤s25中，将治疗计划的一部分递送给患者，并且在步骤s26中，估计从治疗计划的该部分递送给患者的累积剂量。累积剂量可以以任何适当的方式来确定。这样做的方法在本领域中是众所周知的，并且典型地基于至少一个医学图像，例如在治疗计划的第一部分的递送中获取的多个分次图像。
[0043]
在步骤s27中，获得患者的同一部分的新图像，以查看在步骤s25中的部分递送之后的新患者几何形状。如果适用，则可以进行其他修改，诸如插入近距离放射疗法器械，并且可以获取反映所得的几何形状的图像。新图像可以是在该阶段获取的患者的图像，或者是基于对新患者几何形状的估计的合成图像。
[0044]
在步骤s28中，使用基于将在下面更详细地讨论的优化函数的逆向计划方法来再次优化治疗计划的剩余部分。该计划考虑了先前已经执行的部分递送的累积剂量。然后，优化问题应当包括根据下式的目标函数：
[0045][0046]
其中是在步骤s26中确定的来自第一辐射集合的递送的剂量，并且d
rs2
是要由第二辐射集合递送的剂量，并且rs1和rs2中的一个是ebrt，另一个是bt。
[0047]
其中g是另一个目标函数，其可以等于或不等于f，并且来自第一辐射集合的在所有分次上(测量的或估计的)的递送的剂量被用作用于第二辐射集合的计划的固定背景剂量。
[0048]
在步骤s28中，将计划的重新优化的剩余部分递送给患者。
[0049]
图3是本发明方法的实施例的流程图，其中总治疗计划包括首先进行ebrt治疗，然后进行bt治疗。该计划的输入数据s31包括患者的当前医学图像、期望剂量分布的剂量标准以及在ebrt治疗之后患者几何形状的预测模型。预测模型可以是调整的或合成的医学图像。输入数据还可以包括在包括eb器械的情况下进行ebrt治疗之后的患者几何形状的预测模型。医学图像可以是ct图像或任何其他适当的图像模态，诸如mr或超声图像。
[0050]
在方法步骤s32中，基于剂量标准和输入数据来获得优化问题。优化问题包括根据方程(3)的基于治疗的ebrt子部分和bt子部分两者的总剂量以及可选地针对每个辐射集合要递送的剂量的目标函数。这典型地包括使剂量d
ebrt
和d
bt
中的至少一个变形到共同几何形状，并使用适当的生物模型来累积它们。这可以包括设置对累积的剂量的惩罚和对特定剂量的惩罚的组合。用于建立共同几何形状的模型是已知的，典型地包括图像的可变形配准。用于确定累积的剂量的模型对技术人员也是已知的。例如，生物学概念eqd2可以被应用以给出对总有效剂量的估计。
[0051]
在随后的方法步骤s33中，基于共同几何形状和累积的剂量来执行优化。优化问题包括根据上述方程(3)的目标函数。如将理解的，目标函数还能够扩展到取决于治疗参数，并且优化问题还可以包括取决于剂量或治疗参数的约束。来自优化步骤s33的输出s34是包括针对每个辐射集合的一个子部分(即一个ebrt子部分和一个bt子部分)的总治疗计划。每个子部分包括要由对应的辐射集合递送的剂量的部分以及递送它的分次的数量。
[0052]
然后，在步骤s35中，将治疗计划的ebrt子部分递送给患者，并且在步骤s36中，确定或估计来自该递送的实际递送剂量。优选地，在ebrt递送之后的情况被评估并用于改善治疗计划的bt子部分，如以下步骤中概述的。
[0053]
在步骤s37中，获得在ebrt治疗之后患者的更新图像。这些包括患者的新图像，以考虑在ebrt治疗期间发生的几何变化。它还包括插入了bt器械的患者的图像，因为取决于器械的类型，bt器械将导致靶区和周围患者几何形状的一定量的变形。
[0054]
在随后的步骤s38中，在考虑来自步骤s35的递送剂量和在步骤s37中获得的新图像的情况下，重新优化治疗的bt子部分。这种情况下的优化问题包括表达为下面的方程(2)的目标函数：
[0055][0056]
其中是在步骤s35中确定的递送的剂量。
[0057]
来自步骤s38的输出是新的优化的bt治疗计划s39，其优选地被递送给患者。
[0058]
如针对图2所讨论的，步骤s36到s39可以在不首先执行前面的步骤的情况下被执行，也就是说，bt计划可以甚至在没有两者的初始组合计划的情况下进行先前的ebrt治疗。
[0059]
图4是一种方法的流程图，其中要递送的第一辐射集合是bt。该计划的输入数据s41包括患者的当前医学图像、插入了bt器械的患者的医学图像以及期望剂量分布的剂量标准。优选地，输入数据还包括在bt治疗之后患者几何形状的预测模型。医学图像可以是ct图像或任何其他适当的图像模态，诸如mr或超声图像。
[0060]
在方法步骤s42中，以类似于步骤s32的方式定义优化问题。当首先递送bt剂量部分时，插入了bt器械的患者的图像已经可用作输入。这些图像能够被可变形地配准，以提供治疗几何形状之间的几何对应。如在步骤s32中，剂量d
ebrt
和d
bt
被变形到共同几何形状并使用适当的生物模型来累积。这可以包括设置对累积的剂量的惩罚和对特定剂量的惩罚的组合。用于建立共同几何形状的模型是已知的，典型地包括图像的可变形配准。用于确定累积的剂量的模型对技术人员也是已知的。
[0061]
在随后的方法步骤s43中，基于共同几何形状和累积的剂量来执行优化。优化问题包括根据上述方程(3)的目标函数。如将理解的，优化问题还能够扩展到取决于治疗参数，
并且还包括其他目标函数和/或约束。来自优化步骤s43的输出s44是包括针对每个辐射集合的一个子部分(即一个bt子部分和一个ebrt子部分)的总治疗计划。
[0062]
然后，在步骤s45中，将治疗计划的bt子部分递送给患者，并且在步骤s46中，确定或估计来自该递送的实际递送剂量。优选地，在bt递送之后的情况被评估并用于改善治疗计划的ebrt子部分，如在以下步骤中概述的。
[0063]
在步骤s47中，获得在bt治疗之后患者的更新图像，以考虑在bt治疗期间发生的几何变化。
[0064]
在随后的步骤s48中，在考虑来自步骤s45的递送的剂量和在步骤s47中获得的新图像的情况下，重新优化治疗的ebrt子部分。这种情况下的优化问题包括表达为下面的方程(2)的目标函数：
[0065][0066]
其中是在步骤s45中确定的递送的剂量。
[0067]
来自步骤s48的输出是新的优化的ebrt治疗计划s49，其优选地被递送给患者。
[0068]
如针对图2和图3所讨论的，步骤s46到s49可以在没有首先执行前面的步骤的情况下被执行，也就是说，ebrt计划可以甚至在没有两者的初始组合计划的情况下进行先前递送的bt治疗。
[0069]
还将能够创建一个计划，其中bt和ebrt分次不是作为两个连续的子部分给出，而是在ebrt分次之间分布bt分次。在这种类型的治疗中，在考虑递送的剂量的情况下能够重新优化还没有递送的治疗的一个或多个子部分。治疗的递送子部分和未递送子部分两者典型地将是bt与ebrt的组合。这种情况下的优化包括表达为方程(7)的目标函数：
[0070][0071]
在上述所有方法中，应当谨慎地执行同步优化，以确保每个辐射集合的个体剂量仍然单独地令人满意。共同优化的一个可能的不利影响将是ebrt剂量在靶区中具有冷点，这些冷点稍后被bt剂量填充。这能够通过在模型中并入针对例如器械定位的不确定性和器械的变形效应的稳健性来减轻。治疗特定的目标函数也是一种可能性(类似于当前射束集合特定的目标函数)。
[0072]
与任何放射疗法治疗计划一样，将存在不确定性来源，包括患者的放置、bt器械的定位和估计的递送的剂量。为了对此进行补偿，可以使用稳健计划。特别地，图像之间的变形将导致近似的累积剂量，其质量取决于可变形配准的准确度。为了避免对与将被实际递送的剂量不同的累积剂量进行过度优化，能够采用用于在不确定性的表示上进行稳健计划的方法。能够使用各种程度的改善，例如：
[0073]
·
边界(margin)能够被应用作为预测图像上的itv，或者仅仅要治疗的区域的拖尾效应(smearing)。
[0074]
·
可以独立地对辐射集合中的每一个应用使用作为患者几何结构的刚性移位而生成的场景的稳健计划。
[0075]
·
能够应用使用由多个可变形配准生成的场景的稳健计划。在在bt部分剂量之前递送ebrt部分剂量的情况下，这将涉及利用多个预测。在在ebrt部分剂量之前递送bt部分剂量的情况下，这将涉及或使用所采集的图像之间的配准的扰动。变形也能够来自ebrt期
间的解剖结构变化，例如肿瘤收缩。
[0076]
根据本发明的实施例的方法还可以与多标准优化相组合。在这种情况下，导航能够在若干方面进行，其中若干权衡目标针对总剂量或个体治疗剂量中的任一个。
[0077]
图5是其中可以执行本发明方法的计算机系统的示意性表示。计算机31包括连接到第一数据存储器34和第二数据存储器35以及程序存储器36的处理器33。优选地，还存在一个或多个用户输入装置38、39，其形式为键盘、鼠标、操纵杆、语音识别装置或任何其他可用的用户输入装置。用户输入装置还可以被布置成从外部存储单元接收数据。
[0078]
第一数据存储器34包括用于执行该方法的必要数据，诸如必要的图像。第二数据存储器35保存与要为其制定治疗计划的一个或多个当前患者相关的数据。程序存储器36保存被布置成使计算机执行例如结合图2、图3和图4中的任一个所讨论的方法步骤的计算机程序。
[0079]
如将理解的，示意性地示出并讨论了数据存储器34、35以及程序存储器36。可以存在若干数据存储单元，每个数据存储单元保存一种或多种不同类型的数据，或者一个数据存储器以适当结构化的方式保存所有数据，程序存储器也是如此。只要组件能够与彼此通信，就可以在云环境中找到这些组件中的一个或多个组件。