用于放射疗法的自动化治疗计划
阅读：898发布：2020-05-16
专利汇可以提供用于放射疗法的自动化治疗计划专利检索，专利查询，专利分析的服务。并且本 发明 总的涉及开发用于外放射疗法的 治疗 计划，更具体地涉及一种方法，一种系统和一种包含用于开发外放射疗法的治疗计划的程序的计算机可读介质。本发明的实施方式包括(1)在射束 角 度自动化 算法 的 基础 上自动设置射束角度，(2)谨慎设计计划结构和(3)在参数自动化算法的基础上自动调整目标函数的目标。，下面是用于放射疗法的自动化治疗计划专利的具体信息内容。
1.一种形成用放射疗法治疗患者的治疗计划的方法，所述方法包括：
接收相应于用成像装置测定的所述患者中肿瘤位置的信息；
在所述肿瘤位置的基础上为分别的多个射束选择多个射束角度；
接收相应于与特定的目标区域的最小照射剂量和最大照射剂量中的至少一个相关的多个约束和非约束目标函数参数的信息；
部分地在所述目标函数参数的基础上为每个射束选择强度；
部分地在之前的非约束目标函数参数的基础上选择新非约束目标函数参数；
部分地在所述新非约束目标函数参数的基础上选择新射束强度。
2.根据权利要求1所述的方法，其中所述新射束强度选择超过两次。
3.根据权利要求1所述的方法，其中所述多个射束用于治疗需要放射疗法的患者。
4.根据权利要求1所述的方法，其中用专家系统选择所述多个射束角度。
5.根据权利要求4所述的方法，其中所述专家系统包括患者的多个肿瘤位置，肿瘤大小，大致肿瘤位点和用于治疗所述肿瘤位置的射束角度的信息。
6.根据权利要求1所述的方法，其中所述肿瘤位置是肿瘤的标记的等中心和计划靶区的中心之间的相对坐标。
7.根据权利要求4所述的方法，其中所述专家数据库包括对患者的放射治疗的疗效的信息。
8.根据权利要求1所述的方法，其中用EUD，TCP，NTCP，剂量和剂量-体积计算的目标函数参数值代表所述目标函数参数。
9.根据权利要求1所述的方法，其中所述方法还包括去掉至少一个射束并为其余的射束选择新的射束强度。
10.根据权利要求9所述的方法，其中所述方法还包括比较去掉所述至少一个射束角度之前和之后的治疗计划；并且如果所述选择的新射束强度导致总目标函数值大于之前的总目标函数值，将所述去掉的射束角度加回至所述治疗计划中。
11.根据权利要求4所述的方法，其中使用用于治疗所述专家系统中具有最接近于所述肿瘤位置的肿瘤定位的患者的所述专家系统射束角度选择射束角度。
12.根据权利要求4所述的方法，其中从所述专家系统中具有在所述肿瘤位置的大致器官定位中的肿瘤定位的一组患者中具有最高频率分布的射束角度中选择所述选择的射束角度。
13.根据权利要求1所述的方法，其中所述治疗计划包括多次治疗。
14.根据权利要求13所述的方法，其中所述多次治疗中的一次治疗后，接收相应于肿瘤位置的新信息并从所述专家系统中选择新射束角度。
15.根据权利要求13所述的方法，其中所述多次治疗中的一次治疗后，接收相应于肿瘤位置的新信息并选择新目标函数参数。
16.根据权利要求1所述的方法，其中由整合的靶区代表所述肿瘤位置。
17.根据权利要求16所述的方法，其中所述方法还包括：
在所述肿瘤大小和肿瘤与正常器官之间的重叠的基础上评估平均器官受量；
确定所述平均器官受量是否高于或低于一个设定的值；
如果所述平均器官受量高于所述设定的值，用整合的靶区肿瘤位置选择所述函数参数。
18.根据权利要求1所述的方法，其中从由计划靶区最小剂量，计划靶区均一剂量，计划靶区最大剂量，最小计划靶剂量体积，最大计划靶剂量体积，器官避让最大剂量，最大器官避让剂量体积和它们的任意组合组成的组中选择所述目标函数参数。
19.根据权利要求1所述的方法，其中从由计划靶区最小剂量，计划靶区最大剂量，计划靶区剂量，最大正常组织剂量，最大脊髓剂量体积和它们的任意组合组成的组中选择约束目标函数参数。
20.根据权利要求1所述的方法，其中从由所述肿瘤定位，位于所述肿瘤定位附近的任意器官和它们的任意组合组成的组中选择所述目标区域。
21.根据权利要求1所述的方法，其中从由强度调制放射治疗，强度调制质子治疗和容积旋转调强治疗组成的组中选择所述放射疗法。
22.根据权利要求8所述的方法，其中选择新非约束目标函数参数包括：
计算所述目标函数参数值；
比较所述目标函数参数值与最大次目标函数值；和
如果所述次目标函数参数值小于所述最大次目标函数值，调整所述目标函数参数的值至小于或大于当前目标函数参数。
23.根据权利要求1所述的方法，其中由参数：EUD0，剂量，剂量-体积，权重，和α表示目标函数参数。
24.根据权利要求1所述的方法，其中重复所述方法直到从个体目标函数参数的和计算得来的总目标值等于或大于之前的总目标值。
25.根据权利要求1所述的方法，其中通过对每个目标函数参数不同加权生成多个治疗计划。
26.根据权利要求25所述的方法，还包括用于在多个计划的基础上导航和选择一个最终计划的工具。
27.根据权利要求25所述的方法，其中所述多个治疗计划是IMRT计划并且最终治疗计划是VMAT计划。
28.根据权利要求25所述的方法，其中所述多个治疗计划中的至少两个组合产生一个最终治疗计划。
29.根据权利要求1所述的方法，其中最终治疗计划是IMRT计划或VMAT计划。
30.一种用于生成放射疗法的治疗计划的系统，所述系统包括与存储器通信的处理器，其中所述存储器存储处理器可执行程序代码并且配置所述处理器与所述处理器可执行程序代码可操作地通信以：
接收相应于用成像装置测定的所述患者中肿瘤位置的信息；
在所述肿瘤位置的基础上为各个多个射束选择多个射束角度；
接收相应于与特定的目标区域的最小照射剂量和最大照射剂量中的至少一个相关的多个约束和非约束目标函数参数的信息；
部分地在所述目标函数参数的基础上为每个射束选择强度；
部分地在之前的非约束目标函数参数的基础上选择新非约束目标函数参数；
部分地在所述新非约束目标函数参数的基础上选择新射束强度。
31.根据权利要求30所述的系统，进一步包括在多个计划的基础上选择一个最佳折衷计划。
32.一种包含计算机可用程序代码的计算机可读介质，所述程序代码可执行进行的操作包括：
接收相应于用成像装置测定的所述患者中肿瘤位置的信息；
在所述肿瘤位置的基础上为各个多个射束选择多个射束角度；
接收相应于与特定的目标区域的最小照射剂量和最大照射剂量中的至少一个相关的多个约束和非约束目标函数参数的信息；
部分地在所述目标函数参数的基础上为每个射束选择强度；
部分地在之前的非约束目标函数参数的基础上选择新非约束目标函数参数；
部分地在所述新非约束目标函数参数的基础上选择新射束强度。
用于放射疗法的自动化治疗计划
[0001] 相关申请的相互引用
[0004] 本发明是在政府给予国立卫生研究院的基金号CA16672的支持下完成的。联邦政府对本申请有一定的权利。
技术领域
[0005] 本发明一般涉及生成用于外放射疗法的治疗计划，更具体地，涉及用于治疗需要放射疗法的患者的一种方法，一种系统以及一种包含用于开发外放射疗法的治疗计划的程序的计算机可读介质。
背景技术
[0006] 自从放射首次应用于治疗癌症，使放射疗法更好、更快和更有成本效率的努力就已在进行。目前的放射治疗流程大部分是基于人工的。首先是诊断/分期阶段，其中患者经历成像、活组织检查、CT/PET模拟定位以及癌症分期。然后放射肿瘤医师概括肿瘤分级(tumor definition)和治疗方案，肿瘤医师在成像技术如CT/PET/MRI的基础上勾画肿瘤轮廓，接着向剂量师给出处方(prescription)剂量。剂量师，或其他类似专家概括治疗计划，包括：1)勾画目的区域轮廓，如心脏、脊髓、食道等，(这也可以由自动分段和图画软件完成)；2)在反复试验的基础上设计射束方向和角度；3)在反复试验的基础上利用目标函数参数优化射束强度；和4)与肿瘤医师检查该方案以确定该方案是否可以接受。如果放射肿瘤学家不能接受这个计划，放射肿瘤医师将请剂量师修改计划。剂量师将重复之前的步骤。一旦放射肿瘤医师接受了计划，剂量师收集所有计划信息并发送方案给输送(delivery)数据库和/或医疗站。医师检查、质量确认并通过该计划。治疗可以分为多次，(例如每天一次，一周5天)。一位放射治疗师使用最终计划将治疗输送给患者。
[0007] 尽管IMRT治疗计划方法在多年里持续得到改进，但IMRT治疗计划依旧是一个复杂过程，强烈依赖于医疗剂量师的经验(Schwarz 2009)。例如，剂量师在过去的经验和反复试验的基础上确定射束方向，接着用单一剂量值，几个剂量-体积点，或者完全灵活的剂量-体积直方图(DVH)确定剂量分布的目标。可以根据目标的重要性对其加权。计划系统用价值函数描述这些目标，必须使用优化法则使其最大化或最小化。价值函数尽量数字化地描述组合进临床评判中的各种权衡。如果剂量师想改变结果，他或她可以反复改变目标并重新优化。然而，很难将临床需要翻译成价值函数并“引导”该优化朝向最佳结果。因此，IMRT计划是一个耗费时间并且令人沮丧的工作，就具有类似靶处方剂量和正常组织约束而言治疗计划的质量在不同疗剂量师和机构之间将有所差异(Schwarz 2009)。
[0008] 人们相信计划质量的提高对提高总的放射疗法的医疗质量非常重要。尽管IMRT能够为一些癌症提供更好的疗效，然而这种治疗优点会被次级优化的治疗计划中和。2003年，Forster，Smythe等人报道在胸膜间皮瘤这一具有侵袭性临床病程和高死亡率的主要致命疾病中，IMRT能够提供高于80％的局部控制率，同时极性毒性小于3级。这一技术立即被麻省总医院(MGH)采用。Allen等人(Allen，Czerminska等，2006)随后报道13名接受IMRT的患者中有6人出现致命(级别＞＝4)胸辐射性肺炎(TRPs)。经过大量争论后，(Komaki，Liao等，2006；Allen和Baldini 2007；Allen，Schofield等，2007；Rodrigues和Roa 2007；Veldeman，Madani等2008)，得出结论，Allen等人观察到的高TRP可能是归因于不严谨的治疗计划目标。重要的是，Veldeman等人(Veldeman，Madani等，2008)采用与MDACC(MD安德森癌症中心)类似的技术没有观察到致命TRP。Veldeman等总结到“我们在临床可忍受的边界操作。因此这样侵略性的疗程应该在绝对限定的方案内进行，有严格的质量控制，极度慎重地选择潜在候选者。”从上述描述中可以推测IMRT计划的质量在不同的机构中是不同的，并且只有最佳设计的IMRT计划才有治疗优势。也可以推测如果当MGH采用间皮瘤治疗技术时有自动计划系统的话，有可能会避免对患者的致命照射损伤。
[0009] 随着越来越多的社区设置医院有了IMRT技术，很难保证计划的质量。IMRT设计者有较长的学习曲线，这表现在新剂量师和熟练剂量师之间的质量比较中。最近的一项对由新加坡国立大学医院和加利福尼亚-旧金山大学设计的相同计划质量比较研究中证实了这种学习曲线(Chung，Lee等，2008)。这项研究后，Chung等总结到“我们的IMRT计划在3DCRT中不能够完全最大化IMRT的可能的剂量师收益”。即便是对MDACC这样的大机构，对一项新技术的学习曲线也不是非常短。例如，MDACC治疗的第一例皮间瘤，从模拟到治疗花了8周。经过4年在计划约束和射束角度选择上的经验后，治疗设计时间降低到了1周。
可以想象，让社区医院如果从零开始进行那些复杂的治疗几乎是不可能的。AotoPlan系统将是迅速传播这项最新治疗技术到更多放疗机构的手段。
可以想象，让社区医院如果从零开始进行那些复杂的治疗几乎是不可能的。AotoPlan系统将是迅速传播这项最新治疗技术到更多放疗机构的手段。
[0010] 本发明的实施方式，包括一种方法、系统和计算机可读介质，设计治疗计划以提高治疗计划的质量和一致性。这种方法1)在基于专家系统的射束角度自动化(BAA)算法的基础上自动设置射束角度，和/或2)在目标函数参数自动化(OFPA)算法的基础上自动调整目标参数的目标。治疗计划提供输送处方照射剂量到预先设定的靶区的方法，同时试图避免给予靶区周围的组织和器官大的剂量。
[0011] 本申请的实施方式涉及一种为了创建优化的治疗计划而选择射束-角度和目标-函数参数的新方法。一个目标是设置射束-角度和目标/价值函数参数。该算法在合理的时间框架内运行，因而能够用于日常临床实践中。在下述附图和详细描述的基础上，本申请的其他方法、系统、特征和优点对本领域技术人员来说是显而易见的。
发明内容
[0012] 本发明涉及一种方法、一种系统和一种包含用于开发体外放射疗法治疗计划的程序的计算机可读介质。
[0013] 本发明的一个总的实施方式是一种用于开发放射疗法治疗计划的方法，所述方法包括：接收患者中肿瘤位置的相关信息；在肿瘤位置的基础上利用专家系统选择多个射束角度；接收与一个特定目标区的最小照射剂量和最大照射剂量中的至少一个相关的多个约束和非约束目标函数参数的信息；部分地在目标函数参数的基础上选择每个已选射束角度的强度；部分地在之前的非约束目标函数参数的基础上选择新非约束目标函数参数；部分地在新非约束目标函数参数的基础上选择新射束强度并用选择的射束强度治疗患者。本发明的一个实施方式中，选择新射束强度多于两次。在该实施方式中，部分地在新的目标函数参数的基础上选择每个新射束强度。在本发明的一个特定实施方式中，专家系统包括多个患者肿瘤位置、肿瘤大小、大致肿瘤位点和用于治疗所述肿瘤位置的射束角度的信息。在本发明的另一实施方式中，肿瘤位置是肿瘤的标记的等中心和设计的靶区的中心之间的相对坐标。在本发明的一个特定实施方式中，专家数据库包括对患者放射治疗的疗效的信息。
[0014] 在本发明的另一实施方式中，以一个用EUD、TCP、NTCP、剂量和剂量-体积计算的目标函数参数代表目标函数参数。本发明的一个实施方式也可以包括去除至少一个射束角度，并为其余的射束角度选择新的射束强度。本发明的另一实施方式中，所述方法还包括比较去除至少一个射束角度前后的治疗计划；如果新选择的射束强度导致总的目标函数值大于之前的总的目标函数值的话，将去除的射束角度加回到治疗计划中。此外，专家系统可以包括一个患者，至少5个患者，至少10个患者，至少100个患者，至少150个患者，至少200个患者，至少300个患者，至少400个患者，至少500个患者，至少1000个患者，至少1500个患者或至少2000个患者。在本发明的一个特定实施方式中，可以选择多个不同数量的射束角度，例如选择至少5，6，7，8，9，10，11，12，13，14，15，16，17，18或19个射束或一个或两个弧角。在本发明的一个特定实施方式中，选择的射束角度是共面和非共面角度的混合，选择的射束角度是弧角，选择的射束角度是共面，或选择的射束角度是非共面。在本发明的另一个实施方式中，选择的射束角度是用于治疗专家系统中一个具有距离肿瘤位置最近的肿瘤部位的患者的肿瘤部位的射束角度。在一个实施方式中，选择的射束角度也可以从专家系统中具有在肿瘤位置的一般器官定位中的肿瘤定位的一组患者中具有最高频率分布的射束角度中选择。
[0015] 在本发明的一个特定实施方式中，整体的器官定位是肿瘤位置所处的器官的同一侧。在本发明的另一实施方式中，整体的器官定位是肿瘤位置所处的器官的四分之一扇形区。在本发明的一个实施方式中，治疗计划也可以包括多个治疗。在本发明的更进一步的实施方式中，多个治疗中的一个治疗后，接收肿瘤位置的新信息，并从专家系统中选择新的射束角度。在本发明的另一实施方式中，多个治疗中的一个治疗结束后，接收相应于肿瘤位置的新的信息，并选择新的目标函数参数。在另一实施方式中，肿瘤位置是肺部肿瘤，脑部肿瘤，前列腺肿瘤，妇科肿瘤，头部和颈部肿瘤，胃肠肿瘤，食道肿瘤，肛门肿瘤，间皮瘤，或乳房肿瘤。
[0016] 在另一实施方式中，以整合的靶区代表肿瘤位置。在本发明的另一实施方式中，方法还包括：在肿瘤大小和肿瘤与正常器官之间的重叠的基础上估计平均器官剂量；确定平均器官剂量是高于或低于一已设定的值；如果平均器官剂量高于已设定的值，用整合的靶区肿瘤位置选择函数参数。在本发明的一个实施方式中，目的区域选自由肿瘤定位，任何在肿瘤部位附近的器官和其任意组合组成的组。在本发明的另一实施方式中，放射疗法选自由强度调制放射治疗，强度调制质子治疗和容积旋转调强治疗组成的组。
[0017] 在本发明的一种实施方式中，目标函数参数选自由计划靶区最小剂量，计划靶区单一剂量，计划靶区最大剂量，最小的计划靶剂量区，最大计划靶剂量区，器官避让最大剂量，最大器官避让剂量区，和其任意组合组成的组。在本发明的另一实施方式中，约束目标函数参数选自由计划靶区最小剂量，计划靶区最大剂量，计划靶区剂量，最大正常组织剂量，最大脊髓剂量区，和其任意组合组成的组。在本发明的另一实施方式中，器官避让最大剂量选自由最大肺避让EUD，最大心脏避让剂量区，最大心脏避让EUD，对侧肺剂量区，最大食道避让剂量区，最大食道避让EUD和它们的任意组合组成的组。在本发明的具体实施方式中，非约束目标函数参数选自由计划靶区最小剂量，计划靶区单一剂量，计划靶区最大剂量，最小计划靶区剂量-体积，最大正常组织剂量，最大脊髓剂量区，最大肺避让EUD，最大心脏避让剂量区，最大对侧肺剂量区，最大食道避让剂量区，和它们的任意组合组成的组。在本发明的另一实施方式中，选择新的非约束目标函数参数包括：计算目标函数参数值；
比较所述目标函数参数值与一个最大次目标函数值；如果次目标函数参数值小于最大次目标函数值，调整目标函数参数值低于或高于目前的目标函数参数。在本发明的具体实施方式中，目标函数参数由以下参数代表：EUD0，剂量，剂量-体积，重量和α。在本发明的一个实施方式中，目标函数参数由EUD0，剂量，剂量-体积，重量和α参数计算得出。在本发明的另一实施方式中，重复所述方法，直到由单独的目标函数参数的总和计算得到的一个总目标值等于或大于先前的总目标值。在本发明的另一实施方式中，通过分别加权每个目标函数参数生成多个治疗计划。本发明的另一实施方式包括在多个计划的基础上导航和选择最终计划的工具。在本发明的另一实施方式中，多个治疗计划是IMRT计划，最终治疗技术是VMAT计划。在本发明的一个特定实施方式中，多个治疗计划中的两个组合以形成最终治疗计划。在本发明的另一实施方式中，最终治疗计划是IMRT计划或VMAT计划。在本发明的另一实施方式中，通过测试单个目标的竞争生成多个治疗计划。
比较所述目标函数参数值与一个最大次目标函数值；如果次目标函数参数值小于最大次目标函数值，调整目标函数参数值低于或高于目前的目标函数参数。在本发明的具体实施方式中，目标函数参数由以下参数代表：EUD0，剂量，剂量-体积，重量和α。在本发明的一个实施方式中，目标函数参数由EUD0，剂量，剂量-体积，重量和α参数计算得出。在本发明的另一实施方式中，重复所述方法，直到由单独的目标函数参数的总和计算得到的一个总目标值等于或大于先前的总目标值。在本发明的另一实施方式中，通过分别加权每个目标函数参数生成多个治疗计划。本发明的另一实施方式包括在多个计划的基础上导航和选择最终计划的工具。在本发明的另一实施方式中，多个治疗计划是IMRT计划，最终治疗技术是VMAT计划。在本发明的一个特定实施方式中，多个治疗计划中的两个组合以形成最终治疗计划。在本发明的另一实施方式中，最终治疗计划是IMRT计划或VMAT计划。在本发明的另一实施方式中，通过测试单个目标的竞争生成多个治疗计划。
[0018] 本发明的一个概括的实施方式是一种用于选择放射疗法中治疗射束方向的方法，所述方法包括：接收有关肿瘤位置的信息；在肿瘤位置的基础上利用专家系统选择至少一个射束角度；用所述至少一个选择的射束角度治疗患者。在本发明的一个特定实施方式中，选择的射束角度是共面的和非共面的混合，选择的射束角度是共面的，选择的射束角度是非共面的，或者选择的射束是弧角。在本发明的另一实施方式中，专家系统包括多个患者肿瘤位置，肿瘤大小，大致肿瘤位点和用于治疗肿瘤部位的射束角度的信息。在本发明的一个实施方式中，选择的射束角度是用于治疗专家系统中一个具有距离肿瘤位置最近的肿瘤定位的患者的肿瘤部位的射束角度。在一个实施方式中，选择的射束角度也可以从专家系统中具有在肿瘤位置的大致器官定位中的肿瘤定位的一系列患者中具有最高频率分布的射束角度中选择。
[0019] 本发明的另一概括实施方式，用于生成放射疗法的治疗计划的系统，该系统包括与存储器相连的处理器，其中存储器储存处理器可执行的程序代码，并配置处理器与处理器可执行的程序代码可操作的通信以便：接收描述肿瘤位置的信息；接口至专家数据库以从那里接收多个已治疗的肿瘤位置和用于治疗各个已治疗的肿瘤位置的射束角度；在肿瘤位置的基础上用专家数据库选择多个射束角度；接收多个与至少一个目的区的放射剂量有关的约束和非约束目标函数参数；部分地在目标函数参数的基础上选择来自射束选择模块的每个已选择的射束角度的强度；发送所述多个射束角度和射束强度至放射治疗系统。实施方式可以进一步包括配置以显示多个治疗计划的治疗计划导航模块。在本发明的另一实施方式中包括一个配置成用于在多个计划的基础上选择最佳折衷计划的治疗计划导航模块。
[0020] 本发明的一个概括实施方式是一个计算机可读介质，包括计算机可用程序代码，其可执行进行的操作包括：接收与肿瘤位置相关的信息；在肿瘤位置的基础上用专家系统选择多个射束角度；接收与一个特定的目标区的最小放射剂量和最大放射剂量中的至少一个相关的多个约束和非约束目标函数参数的信息；部分地在目标函数参数的基础上选择每个已选射束角度的强度；选择新的非约束目标函数参数；部分地在新的非约束目标函数参数的基础上选择新的射束强度。
[0021] 本发明的概括的实施方式，是一种形成用于形成用放射疗法治疗患者的治疗计划的方法和/或包括可执行进行操作的计算机可用程序代码的计算机可读介质，所述方法和计算机可读介质包括：接收与用成像装置确定的患者的肿瘤位置相关的信息；在肿瘤位置的基础上，为各个多个射束选择多个射束角度；接收与一个特定目标区的最小放射剂量和最大放射剂量中的至少一个相关的多个约束和非约束目标函数参数的相关信息；部分地在目标函数参数的基础上为每个射束选择强度；部分地在之前的非约束目标函数参数的基础上选择新的非约束目标函数参数；部分地在新的非约束目标函数参数的基础上选择新的射束强度。本发明的该概括的实施方式也可以是一个用于为放射治疗生成治疗计划的系统，所述系统包括一个与储存器通信的处理器，储存器保存处理器可执行的程序代码而配置处理器与处理器可执行的程序代码可操作的通信以执行上述步骤。
[0022] 可用专家系统选择多个射束角度。专家系统可包括多个患者肿瘤位置、肿瘤大小、大致肿瘤位点和用于治疗所述肿瘤位置的射束角度的信息。肿瘤位置可以是一个肿瘤的标记的等中心和设计的靶区的中心的相对坐标。专家数据库包括对患者放疗的结果的信息。可以用一个采用EUD、TCP、NTCP、剂量和剂量-体积计算的目标函数参数代表目标函数参数。所述方法可以进一步包括去除至少一个射束角度，并为其余的射束角度选择新的射束强度。所述方法还包括比较去除至少一个射束角度前后的治疗计划；如果新选择的射束强度导致总的目标函数值大于之前的总的目标函数值的话，将去除的射束角度加回到治疗计划中。选择的射束角度是用于治疗专家系统中一个具有距离肿瘤位置最近的肿瘤部位的患者的肿瘤部位的射束角度。在一个实施方式中，选择的射束角度也可以从专家系统中具有在肿瘤位置的大致器官定位中的肿瘤定位的一系列患者中具有最高频率分布的射束角度中选择。
[0023] 此外，本发明的实施方式包括治疗计划包含多次治疗。在某些实施方式中，多次治疗中的一个治疗后，接收肿瘤位置的新信息，并从专家系统中选择新的射束角度。在本发明的另一实施方式中，多次治疗中的一个治疗结束后，接收肿瘤位置的新的信息，并选择新的目标函数参数。可以选择超过两次新的射束强度，多个射束可以用于治疗患者。
[0024] 本发明的实施方式中，由整合的靶区代表肿瘤位置。方法可以进一步包括在肿瘤大小和肿瘤与正常器官之间的重叠的基础上估计平均器官剂量；确定平均器官剂量是高于或低于一已设定的值；如果平均器官剂量高于已设定的值，用整合的靶区肿瘤位置选择函数参数。
[0025] 在本发明的实施方式中，目标函数参数目标函数参数选自由计划靶区最小剂量，计划靶区单一剂量，计划靶区最大剂量，最小的计划靶剂量区，最大计划靶剂量区，器官避让最大剂量，最大器官避让剂量区和它们的任意组合组成的组。约束目标函数参数可以选自由计划靶区最小剂量，计划靶区最大剂量，计划靶区剂量，最大正常组织剂量，最大脊髓剂量区，和任意组合组成的组。目的区域可以选自由肿瘤定位，在肿瘤定位附近的任意器官，和它们的任意组合组成的组。放射治疗选自由强度调制放射治疗，强度调制质子治疗和容积旋转调强治疗组成的组。选择新的非约束目标函数参数可以包括：计算目标函数参数值；比较所述目标函数参数值与一个最大次目标函数值；如果次目标函数参数值小于最大次目标函数值，调整目标函数参数值低于或高于目前的目标函数参数。目标函数参数由以下参数代表：EUD0，剂量，剂量-体积，重量和α。可以重复所述方法，直到由单独的目标函数参数的总和计算得到的一个总目标值等于或大于先前的总目标值。
[0026] 在本发明的另外的实施方式中，通过分别加权每个目标函数参数生成多个治疗计划。本发明的一个实施方式可另外包括在多个计划的基础上导航和选择最终计划的工具。在本发明的另外的实施方式中，多个治疗计划是IMRT计划，最终治疗技术是VMAT计划。多个治疗计划中的至少两个可以组合形成最终治疗计划。最终治疗计划是IMRT计划或VMAT计划。实施方式可以另外包括在多个计划的基础上选择最好的折衷方案。
[0027] 本发明的一个实施方式也可以是计算机可读介质，包括可执行的计算机可用程序代码以进行的操作包括：接收与用成像装置确定的患者的肿瘤位置相关的信息；在肿瘤位置的基础上，为各个多个射束选择多个射束角度；接收与一个特定目标区的最小放射剂量和最大放射剂量中的至少一个相关的多个约束和非约束目标函数参数的相关信息；部分地在目标函数参数的基础上为每个射束选择强度；部分地在之前的非约束目标函数参数的基础上选择新的非约束目标函数参数；部分地在新的非约束目标函数参数的基础上选择新的射束强度。
[0028] 上述内容已经概述了本发明的大体特征和技术优势，以便更好理解下面的本发明的详细描述。将在下文中描述形成了本发明权利要求保护范围的本发明的其他特征和优势。本领域技术人员应当理解公开的构想和具体可以容易地作为基础，用于修改或设计结构，实现与本发明相同的目的。本领域技术人员也应当认识到这类等同结构并不脱离本发明的精神和本发明所列的权利要求的范围。根据其组织和操作方法
附图说明
[0029] 为更完整地理解本发明，现结合附图进行下列描述。其中：
[0030] 图1是图示用于生成肿瘤放射治疗计划的系统的一种实施方式的示意性框图。
[0031] 图2是图示用于存储用于生成肿瘤放射治疗计划的数据库系统的一个实施方式的示意性框图。
[0032] 图3是图示可以与根据生成肿瘤放射治疗计划的系统的某些实施方式的计算机系统的一个实施方式的示意性框图。
[0033] 图4是AutoPlan系统的一个实施方式的流程图。
[0034] 图5A和5B是目标函数参数自动化(OFPA)算法的一个实施方式的流程图。
[0035] 图6A和6B显示射束角度自动化和目标函数参数自动化算法的一个实施方式的另一种流程图。
[0036] 图7A和7B显示目标函数参数优化的一个实施方式的流程图。在本发明的一个特定实施方式中，这个流程图用于生成治疗前列腺癌的自动计划。
[0037] 图8是用于AutoPlan系统的肺部计划的一些实施方式的计划结构和初始目标函数参数的截屏。从左至右的列代表目的区域，目标函数参数的类型，目标函数参数是否被约束，EUD/剂量值，体积，剂量体积目标函数值(如果用了的话)，适用于目标函数参数的加权，目标值，如果使用EUD目标函数的参数α。
[0038] 图9是用于AutoPlan系统的肺部计划的一些实施方式的计划结构和初始目标函数参数的截屏。
[0039] 图10是用于AutoPlan系统的前列腺计划的一些实施方式的计划结构和初始目标函数参数的截屏。
[0040] 图11是用于AutoPlan系统的头颈部计划的一些实施方式的计划结构和初始目标函数参数的截屏。
[0041] 图12(a-e)图示用于自动计划系统中多准则优化(MCO)的算法。(f)图示由5个自动计划算法自动生成的自动计划(LungBase，HeartBase，EsoBase，PTVbase，CordBase)完成的治疗计划浏览器的图形用户界面(GUI)。治疗计划浏览器允许医师相互调整DVH以及等剂量分布。
[0042] 图13是AutoPlan中为癌症病人计算TCP和NTCP值的参数的截屏。
[0043] 图14图示剂量师在来自专家系统的肺癌IMRT计划中所用的射束角度分布频率，按照肿瘤位置分类(左(A)，中(B)，和右(C))。
[0044] 图15a显示用于由临床剂量师设计的临床计划的平均肺部剂量(MLD)和扩展2厘米的PTV和全部肺之间的相对重叠体积之间的相关性。图15b是用PTV目标(虚线)和ITV目标(实线)设计的计划的DVH。
[0045] 图16是AutoPlan系统用5-19个射束(虚线)和临床计划(实线)为肺癌病例生成的计划的剂量体积直方图。
[0046] 图17显示AutoPlan系统用不同方案生成的计划的剂量体积直方图。a)：具有用同步的BAA和OFPA算法生成的5射束的自动计划；b)自动计划-CB：具有由医疗剂量师用OFPA优化选择的射束的自动计划；c)自动计划-DB：具有通过优化OFPA通过最佳比对这些病例与射束角度专家数据库中的病例中选择的射束的自动计划；d)自动计划-共面：自动计划-共面：具有无BAA和OFPA优化的目标函数参数优化的非共面角度的射束角度的自动计划。
[0047] 图18显示与临床计划相比用不同方案的AutoPlan系统生成的计划的等剂量分布：a)：用于治疗该病人的临床计划；b)具有用同步的BAA和OFPA算法生成的5射束的自动计划；c)具有由医疗剂量师通过OFPA优化选择的5射束的自动计划；d)具有通过优化的OFPA通过最佳比对这些病例和射束角度专家数据库中的病例中选择的5射束的自动计划；e)具有无BAA和OFPA优化的目标函数参数优化的非共面角度的5射束角度的自动计划；
f)同步BAA和OFPA算法生成的11射束自动计划。
f)同步BAA和OFPA算法生成的11射束自动计划。
[0048] 图19显示使用/不使用一些计划结构生成的计划的等剂量分布比较。使用(a)和不使用(b)FS-CordRing结构的计划的等剂量。FS-CordRing用粉红涂色显示。使用(c)和不使用(d)FS-ClungAvoid结构的计划的等剂量分布。
[0050] 图21显示临床计划(a)，8射束IMRT自动计划(b)，12射束IMRT自动计划(c)，16射束IMRT自动计划(d)，20射束IMRT自动计划(e)，24射束IMRT自动计划(f)，和VMAT自动计划的11例病人的直肠的受照剂量统计。每图分别与直肠中的30，40，50，60，和70Gy的百分体积以及平均受量相对应。自动计划通常显示比临床计划较低的剂量。当IMRT中射束数量低时，IMRT计划显示比VMAT计划更高的剂量；随着射束数量增加，IMRT显示产生比VMAT更低剂量的趋势。
[0051] 图22显示临床计划(a)，8射束IMRT自动计划(b)，12射束IMRT自动计划(c)，16射束IMRT自动计划(d)，20射束IMRT自动计划(e)，24射束IMRT自动计划(f)，和VMAT自动计划的11例病人的膀胱的受照剂量统计。每图分别与膀胱30，40，50，60，和70Gy的百分体积和平均受量相对应。自动计划通常显示比临床计划较低的剂量。当IMRT中射束数量低时，IMRT计划显示比VMAT计划更高的剂量；随着射束数量增加，IMRT显示产生比VMAT更低剂量的趋势。
[0052] 图23显示对于每一类型IMRT计划，从IMRT自动计划比从VMAT自动计划获得了更好直肠保护的病人的数量。在为超过VMAT计划所需IMRT计划的射束数量方面，病人显示很大差异。
[0053] 图24显示一例病人(病例1)的临床计划，8射束IMRT计划，12射束IMRT计划和VMAT计划的PTV，直肠，和膀胱的剂量-体积直方图。对于该例病人，12射束IMRT自动计划达到了与VMAT自动计划类似的直肠保护。
[0054] 图25一例病人(病例2)的临床计划，8射束IMRT计划，12射束IMRT计划，16射束IMRT计划，20射束IMRT计划，24射束IMRT计划，和VMAT计划的PTV，直肠，和膀胱的剂量-体积直方图。对于该例病人，24射束IMRT自动计划达到了与VMAT自动计划类似的直肠保护。
[0055] 图26显示病例2的临床计划，8和24射束IMRT自动计划，和VMAT自动计划的等剂量线代表的剂量分布。紫色：PTV；绿色：直肠；粉红色：股骨头。
[0056] 图27显示每一类型计划的11例病人的平均总MU。随着IMRT中使用的射束数量增加，总MU增加。VMAT计划用了分别比临床计划和8射束IMRT计划高30％的MU，但是与24射束IMRT计划类似的MU。
[0057] 图28显示临床和VMAT计划的DVH。绿色：直肠；褐色：膀胱；蓝色：PTV。VMAT自动计划显示比临床VMAT计划稍均匀的PTV覆盖和较好的直肠和膀胱保护。
[0058] 图29图示对于头颈部病人的临床计划和9和15射束自动计划的等剂量线代表的剂量分布。
[0059] 图30图示对于头颈部病人的临床计划和9和15射束自动计划的等剂量线代表的剂量分布。
[0060] 图31图示临床固定射束IMRT计划(a)和使用VMAT技术的自动计划(b)的等剂量线代表的剂量分布。(c)图示临床固定射束IMRT计划(实线)和使用VMAT技术的自动计划(c)之间的DVH比较。
[0061] 图32图示使用VMAT技术的SBRT自动计划(a)，临床SBRT计划(b)和有经验的医师设计的SBRT计划(c)的等剂量线代表的剂量分布。(d)和(e)图示SBRT自动计划(虚线)和临床SBRT计划(实线)(d)之间和SBRT自动计划(虚线)和有经验的医疗剂量师设计的SBRT计划之间的DVH比较。
[0062] 图33显示在两种不同情形中用于治疗计划的自动生成的轮廓(由线指示)和日常治疗期间医师勾画轮廓之间的比较：(a)在直肠没有气泡和(b)在直肠有气泡。
[0063] 图34显示根据日常CT的对于固定射束IMRT技术(a和b)以及VMAT技术(c和d)的使用AutoPlan的自适应计划(Adaptplan)和等位移计划(Rp-iso计划)之间等剂量分布之间的比较：(a)根据日常CT的Rp-iso IMRT计划，(b)根据日常CT的IMRT自适应计划，(c)根据日常CT的Rp-iso弧形计划和(d)根据日常CT的弧形自适应计划。该CT上的轮廓是由医师勾画的。
[0064] 图35显示固定射束IMRT技术(a和b)和AmartArc技术(c和d)的使用AutoPlan自适应计划设计的自适应计划(Adaptplan)和等位移计划(Rp-iso计划)的DVH比较。
[0065] 图36是前列腺IMRT和VMAT的OFPA算法的流程图，其中i是优化循环指数，其上限为6。根据经验，Dthreshold和fweight分别任意选择为76.4Gy和5。
[0066] 图37是具有不同PTV覆盖和直肠保护之间的平衡的一个AIP执行得到的三个计划的剂量-体积直方图。
[0067] 图38a-g是8射束临床IMRT计划(a)，8-(b)，12-(c)，16-(d)，20-(e)和24-射束(f)AIP生成的IMRT计划，和AIP生成的VMAT计划(g)的11例病人直肠的受照剂量统计。
[0068] 图39a-g是8射束临床IMRT计划(a)，8-(b)，12-(c)，16-(d)，20-(e)和24-射束(f)AIP生成的IMRT计划，和AIP生成的VMAT计划(g)的11例病人膀胱的受照剂量统计。
[0069] 图40是一例典型病人的具有不同数量射束的IMRT计划和AIP生成的VMAT计划的PTV，直肠和膀胱剂量-体积直方图。图注中括号内的数字是每个计划的控制点的总数量。
[0070] 图41是8射束临床和AIP生成的IMRT计划，24射束AIP生成的IMRT计划和AIP生成的VMAT计划的等剂量线代表的剂量分布。
[0071] 图42是两个具有不同MU的VMAT计划的DVH曲线。
[0072] 图43是一例典型病人的单弧和双弧VMAT计划的PTV，直肠，和膀胱的剂量-体积直方图。
[0073] 图44是VMAT计划输出的剂量和各种IMRT计划输出的剂量之间的差异的p值。
具体实施方式
[0074] I.定义
[0075] 这里用的“肿瘤位置”或“肿瘤部位”是指肿瘤所处的身体的区域。总的来说，肿瘤位置可以与器官区域有关。更具体地，可以由影像轮廓获得肿瘤位置。也可以通过肿瘤标记的等中心与计划靶区(PTV)或整合靶区(ITV)之间的相对坐标给出肿瘤位置。
[0076] 这里用的“射束角度”与肿瘤计划中设置的外束集中于肿瘤位置的角度相关。射束角度可以是共面的或非共面的。非共面射束角度包括射束的角度和病人所在的治疗床的角度。对于容积旋转调强疗法，射束角度是指弧形角度。
[0077] 这里用的“专家系统”是指包含以前治疗过的肿瘤的信息的数据库。例如，专家系统可以包含关于肿瘤位置、用于治疗所述肿瘤位置的射束角度和强度、病人信息、以及治疗疗效的信息。通过保存病人治疗数据到数据库中生成专家系统，从而创建病人治疗信息的大汇聚。专家系统可以由一名本领域技术人员评审，以便去除数据库中那些包含不一致的、冗余的或其他本领域技术人员认为对专家系统是不必要的类似信息的条目。在本发明的一个实施方式中，专家系统用于自动选择射束角度。在本发明的一个实施方式中，专家系统包含射束角度的一个条目，大于5个条目，大于10个条目，大于20个条目，大于50个条目，大于100个条目，大于150个条目，大于200个条目。专家系统可以包含对于一个肿瘤部位的射束角度，例如肺部肿瘤，或者可以包含多个肿瘤部位或类型的射束角度。
[0078] 这里用的“目标函数参数”是指放射治疗的设计目标通过选择目标函数参数(OFPs)限定和达到。这些OFPs可以包括剂量水平(D0)和体积高于/低于这些水平的百分比(最大DVH/最小DVH类型)；最大或最小剂量；最大或最小等效均匀剂量(EUD0)和说明EUDs的参数；以及说明各种目标的相对重要性的参数。例如，对于肺癌治疗，目标函数参数可以是EUD0＝10Gy，权重＝100，a＝1，目标参数类型最大EUD，可以用肺的EUD参数a＝1规定为最大EUD值，不超过EUD0(10Gy)，对于肺而言重要性权重＝100。
[0079] “目标函数值”是一个代表目标函数参数的数值或公式。例如，目标函数值可以由EUD、基于剂量和基于剂量体积计算而来。
[0080] “约束参数”是指不可以修正的目标函数参数。
[0081] “非约束参数”是指可以修正的目标函数参数。
[0082] “Eobj”指被AutoPlan系统用于控制目标函数参数优化算法收敛的用户可调目标函数值。Eobj＝0.2可以用于多数非约束目标。发现当目标函数值超过Eobj＝0.2时，可能会导致其他目标降级。在本发明的一些实施方式中，Eobj大约等于0.2。在本发明的一些实施方式中，Eobj介于0.1和0.3之间，或0.15和0.25之间。
[0083] 这里用的“放射剂量”是指传送给病人的放射的量。一个放射剂量可以给予多个目标区域，例如一个肿瘤的处方放射剂量，或者一个给予周围正常组织的最大放射剂量。
[0084] 这里用的“目标区域”是感兴趣的病人内的一个特定的区域。例如目标区域可以指肿瘤部位，或者目标区域可以指周围正常组织和器官。
[0085] 这里用的“射束强度”指从射束角度到调控剂量至病人的各种强度图。
[0086] 这里用的“AutoPlan”指这里描述的用于生成放射治疗计划的AutoPlan程序、系统和方法。AutoPlan可以包括射束角度选择和/或函数参数优化两者。
[0087] 这里用的“autoplan治疗计划”或“autoplan”是指用AutoPlan程序生成的放射治疗计划。
[0088] 这里用的EUD指等效均匀剂量。EUD被设计用于总结和报告非均匀剂量分布。如果两个剂量产生相同的放射效果，则不管剂量本身的实际结构如何，两个剂量被视为等效。
[0089] 这里用的“α”指用于限定EUD的参数中的一个。当α等于无穷是，EUD是组织区域的最大剂量，当α等于负无穷时，EUD是最小剂量，当α等于1时，EUD是数学平均剂量。
[0090] 这里用的“计划靶区”(PTV)指主要肿瘤体积或主要治疗体积，是由临床医生确定的包含要治疗的恶性肿瘤的体素的固定子集(fixed subset ofvoxels)。选择的子集用于解释治疗可能出现的可能的不确定性；包括内部器官位移，治疗过程中病人移动，以及检测中的不准确。PTV应当对包含用于完整治疗的肿瘤具有高度可靠性。
[0091] 这里用的“整合靶区”或“内部靶区”(ITV)是用于包围整个呼吸循环中移动的靶区的包膜。临床靶区(CTV)也可以用于这类指代。大体靶区(GTV)是包含最高密度的肿瘤细胞的像素子集，可以理解为肿瘤的主要部分。然而，由于这没有考虑到一些在高密度区域之外的恶性细胞，临床医生代表性地将误差范围加至GTV从而生成CTV，最大可能地包含所以需要治疗的恶性细胞。
[0092] 这里用的“竞争目标”指改进一个目标另一个目标仅降低。这两个目标被视为竞争目标。或者，这两个目标被视为非竞争目标。
[0093] “选择”在一些实施方式中包括计算，可以具有“确定”的特性。
[0094] 为了更确切地强调它们的执行独立性，本说明书中某些单元被标记为模块。一个模块是“【一个】独立自足并能与较大系统起交互作用的硬件或软件部件。”Alan Freeman，“The Computer Glossary”268(第8版，1998)。模块包含一个设备或设备可执行指令。例如，一个模块可以具体实现为包括客户VLSL电路或门阵列的硬件电路，例如逻辑芯片、晶体管或其他分立元件的现成半导体。一个模块也可以被具体实现为可编程硬件器件，例如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备或类似器件。
[0095] 模块也可以包括软件定义单元或指令，当被数据处理机或设备执行时，将保存在数据保存设备中的数据从第一状态转换为第二状态(from a first state to a second state)。例如，可执行代码的一个识别模块可以包括一个或多个计算机指令的实体或逻辑块，可以组织为一个目标、过程或功能。不过，一个识别模块的可执行文件没有必要在实体上处于一起，可以包括保存在不同位置的完全不同的指令，当逻辑上聚在一起时，包括所述模块，当被处理器执行时，完成状态数据转换(stated data transformation)。
[0096] 实际上，一个可执行代码的模块可以是一个单一指令，或者很多指令，甚至可以被分布在不同的程序中几个不同的代码段，跨越几个存储器。类似地，这里可以在模块中识别和说明操作数据，操作数据可以被具体表达在任意合适的形式和组织在数据结构的中任意类型。操作数据可以以单一数据集收集，或者可以分布在跨越不同的位置，包括跨越不同的存储器。
[0097] 在下文说明中，将提供许多具体细节，例如编程的例子、软件模块、用户选择、网络事务、数据库查询、数据库结构、硬件模块、硬件电路、硬件芯片，等，以提供对本发明的透彻理解。然而，本领域技术人员将认识到没有一个或多个具体细节可以实现本发明，或使用其他方法、元件、材料等诸如此类。在其他情况下，为避免模糊本发明，熟知的结构、材料或操作没有被详细显示或描述。
[0098] 图1图示了一个用于生成放射治疗计划的系统100的实施方式。系统100可以包括服务器102、数据存储设备104、网络108、和用户界面设备110。在另一实施方式中，系统100可以包括存储控制器106，或配置成处理数据存储设备104和服务器102之间的数据通信的存储服务器，或其他与网络108保持通信的元件。在另一实施方式中，存储控制器106被耦合至网络108。
[0099] 在一个实施方式中，用户界面设备110广泛地指并且意在包括合适的基于处理器的设备，例如台式计算机、笔记本计算机、掌上电脑(PDA)、移动通信设备或接入到网络108的配置设备。在另一实施方式中，用户界面设备110可以接入到网络以连接网络应用或通过服务器102连接到网络服务器，提供用户界面，用于使用户进入或接收信息。
[0100] 网络108可以促进服务器102和用户界面设备110之间的数据通信。网络108可以包括任意类型的通信网络，包括但不限于直接的PC至PC连接、局域网(LAN)、广域网(WAN)、调制解调器到调制解调器的连接、因特网、上述类型的组合，或者任意现在已知或网络领域将来发展出的允许两台或更多计算机彼此通信的其他通信网络。
[0101] 在一个实施方式中，将服务器102配置成为个体生成放射治疗计划，恢复肿瘤位置用于检查，并显示肿瘤位置的图示。所述服务器也可以从专家系统恢复数据。此外，所述服务器可以通过存储区域网(SAN)、LAN、数据总线或类似手段进入保存在数据存储设备104的数据。
[0102] 数据存储设备104可以包括硬盘，包括设置在独立磁盘冗余阵列(RAID)中的硬盘、包括磁盘数据存储设备、光存储器或类似设备的磁盘存储设备。在一个实施方式中，数据存储设备104可以存储病人信息，例如肿瘤部位、等值线图(contour maps)、剂量，也可以存储历史数据，例如已经接收了治疗的病人的数据，包括他们的肿瘤位置、治疗历史、剂量、用于治疗该病人的射束角度、用于治疗该病人的射束强度，以及治疗结果。数据可以排列在数据库中，通过结构化查询语言(SQL)，或其他数据库查询语言或操作可进入数据。
[0103] 图2图示配置用于存储和处理生成放射治疗计划的数据的数据处理系统200的一个实施方式。在一个实施方式中，系统200可以包括服务器102。服务器102可以耦合至数据总线202。在一个实施方式中，系统200也可以包括第二数据存储设备204、第二数据存储设备206和/或第三数据存储设备208。在另一实施方式中，系统200可以包括其他数据存储设备(未显示)。在这样的实施方式中，每个数据存储设备204-208可以承载一个单独的当前病人和以往病人的数据库。每个数据库中病人的信息可以指定为公用字段或标识，如个人姓名、社会安全号、医院标识、出生日，或者类似信息。或者，存储设备204-208可以设置在RAID配置中，用于存储数据冗余拷贝或通过同步或非同步冗余更新存储的数据。
[0104] 在一个实施方式中，服务器102可以向选择的数据存储设备204-206提交查询以收集与个人或个人群体相关的合并数据元素集。服务器102可以将合并数据集存储在合并数据存储设备210中。在这样的实施方式中，服务器102可以查阅合并数据存储设备210，以获得与特定的个体相关的一组数据元素。或者，服务器102可以单独查询每个数据存储设备204-208，或分布式查询，以获得与特定的个体相关的一组数据元素。在另一实施方式中，多个数据库可以存储在单个合并数据存储设备210中。
[0105] 在多个实施方式中，服务器102可通过数据总线202与数据存储设备204-210通信。数据总线202可以包括SAN、LAN或类似物。通信基础设施可以包括以太网、光纤通道仲裁环路(FC-AL)、小型机系统接口(SCSI)，和/或其他类似与数据存储和通信相关的数据通信方案。例如，服务器102可以直接与数据存储设备204-210通信；所述服务器首先与存储服务器或存储控制器106通信。
[0106] 服务器102可以承载配置用于生成放射治疗计划的软件应用。软件应用可以进一步包括用于与数据存储设备204-210接口的模块、与网络108接口的模块、与用户接口的模块，和其他类似的接口。在另一实施方式中，服务器102可以承载计算机执行器(engine)、应用插件，或应用程序接口(API)。在另一实施方式中，服务器102可以承载网络服务器或可访问网络的软件应用程序。
[0107] 图3图示适合服务器102和/或用户界面设备110的某些实施方式的计算机系统300。中央处理器(CPU)302耦合至系统总线304。CPU 302可以是通用CPU或微处理器。本发明不限于CPU 302的架构，只要CPU 302支持这里描述的模块和操作即可。CPU 302可以执行各种本发明的逻辑指令。例如，CPU 302可以根据下面参考图4和图5描述的示例操作执行机器指令。
[0108] 计算机系统300也可以包括随机存取存储器(RAM)308，其可以是SRAM、DRAM、SDRAM，或类似物。计算机系统300可以应用RAM308存储被配置生成放射治疗计划的软件应用程序应用的各种数据结构。计算机系统300也可以包括只读存储器(ROM)306，其可以是PROM、EPROM、EEPROM、光存储器，或类似的。ROM可以存储用于重启计算机系统300的配置信息。RAM 308和ROM306持有用户和系统100数据。
[0109] 计算机系统300也可以包括输入/输出(I/O)配接器310、通信适配器314、用户接口适配器316和显示适配器322。在一些实施方式中，为了输入病人识别、目标函数参数、剂量和类似的信息，I/O配接器310和/或用户接口适配器316可以使用户与计算机系统300交互。在另一实施方式中，显示适配器322可以显示与软件或基于网络应用相连的图形化用户界面。
[0110] I/O配接器310可以连接至一个或多个存储设备312，例如一个或多个硬盘驱动器、光盘驱动器、软盘驱动器、磁带驱动器连接至计算机系统300。通信适配器314可以适用于耦合计算机系统300至网络106，可以是一个或多个LAN和/或WAN，和/或因特网。用户接口适配器316耦合用户输入设备，例如键盘320和定位设备318，至计算机系统300。显示适配器322可以由CPU 302驱动以控制显示设备324上的显示。此外，I/O适配器310可以连接至管理治疗计划的放射治疗仪器。
[0111] 本发明不限于系统300的架构。计算机300只是作为一类可以执行服务器102和/或用户接口设备110的仪器的一个例子。例如，可以没有限制地应用任何适合基于处理器的设备，例如，个人数据助理(PDAs)、计算机游戏机、多处理器服务器。此外，本发明实施方式可以在特定用途集成电路(ASIC)或超大规模集成(VLSI)电路上实施。
[0112] 下面的示意性流程图一般地陈述为逻辑流程图。因此，所示顺序和标注的步骤表示所述方法的一个实施例。可以构思其他步骤和方法，其与所示方法的一个或更多步骤或者其部分在功能、逻辑或效果上是等效的。另外，所采用的格式和符号被提供来说明该方法的逻辑步骤且不应理解为限制了该方法的范围。尽管各种箭头类型和线的类型可以在流程图中采用，但是它们不应理解为限制了对应方法的范围。另外，特定方法发生的顺序可以或者可以不严格遵循所示的对应步骤的顺序。
[0113] II.外放射治疗(放疗)和治疗计划
[0114] 对于放射肿瘤科和神经外科，外放射治疗是众所周知的治疗选择，用于治疗和控制某些病灶，例如动静脉畸形、转移病灶、听神经瘤、垂体瘤、恶性胶质瘤、颅内肿瘤，以及身体各部位(例如，肺、乳房、前列腺、胰腺，等)的肿瘤。如同名称所示，过程包括使用伽玛单元(被称为伽玛刀)、直线加速器或者类似射线输送装置将外部放射线定向到病人的病灶。尽管用放射治疗病灶具有治愈相关疾病的可能性，但是病灶的临近正常结构和周围正常组织使得外放射治疗成为具有固有高危险性的过程，能够导致严重并发症。因此，外放射治疗的主要目标是精确输送所需的放射剂量至限定的病灶靶区，同时，最小化配送至周围正常组织和临界结构的放射剂量。
[0115] 因此，外放射治疗的基本策略是使用多放射线从多方向在靶区“交叉射击”。那样，暴露至正常组织的放射被保持在相对低的水平，同时，暴露到肿瘤细胞的剂量升高。因此，治疗计划过程的主要目标包含设计射束谱，例如，一批射束，输送致死剂量的放射量至肿瘤区，同时输送到临界结构和周围正常组织的聚集剂量被保持在已确立的可忍受水平。
[0116] 在外放射治疗的治疗计划设计中现存的一个方法是人工设计。该方法被称为正向设计，因为医师在给定的一组已知射束特性和射束输送参数的情况下解决确定合适剂量分布的直接问题。也就是说，标准人工设计包含一个有经验的医师进行的反复试验过程。医师意图创建一个在治疗输送过程中实施既不复杂也不困难的计划，同时使期望的剂量分布接近最大可能。例如，医师可以选择多少三维等中心和位置，光栅大小，和每个等中心的权重。治疗计划计算机可以由这个最初的计划计算剂量分布。通过查看等剂量线与断层解剖图重叠和/或使用例如累积剂量-体积直方图(DVH)评价前瞻性计划。
[0117] 标准人工计划有许多缺点。这种计划创建和评价的迭代法非常繁琐，耗时，并且远不够理想。因此，人工计划给病人和保险公司带来非常高的费用。医师或其他有经验的设计者在确定一个计划前只能评价一少部分计划。所以，标准计划设计在改进局部肿瘤控制或降低对正常组织和临界结构的并发症方面成就很小，因而大大限制了病人的生活质量。
[0118] 外放射治疗计划设计的另一种方法使用计算机系统在一系列预先选择的变量的基础上优化医师指定的剂量分布。这种方法在医疗领域被称为逆向设计，因为，给定一系列所需剂量、病人身体和靶区的解剖学数据、一系列预先选择的或固定的射束方向参数和射束特性，计算机系统计算最佳接近预定剂量的射束输送参数。为解决使可能变量的域生成最佳治疗计划这个复杂问题，所有现有逆向治疗计划方法固定一系列变量中的至少一个子集。例如，外放射治疗的一个特定模式可以包括下述可能变量的域：(1)射束数量，(2)射束配置，(3)射束强度，(4)初始机架角，(5)最终机架角，(6)初始治疗床角，(7)最终治疗床角，(8)处方剂量，(9)靶区和(10)成组靶点。
[0119] A.调强放射疗法(IMRT)
[0120] IMRT是一种使用放射疗法治疗癌症的方法，试图输送高剂量至肿瘤区域，同时对健康组织的照射最小化。IMRT将治疗分成多个角度的多个射束，在肿瘤位置交叉，而不是使用一个射束。这样，健康组织收到低剂量照射，而肿瘤位置从多角度接收到重叠照射。
[0121] IMRT曾经是使放射治疗更好更快和更经济的标志性成就。在2009，Liao等人(Liao，Cox等，2007)证实在免于局部区域进展和远处转移方面，用4D CT和IMRT的放射治疗与3D CRT一样有益。他们也从小细胞肺癌发现毒性显著下降以及总存活率显著提高。
[0122] IMRT使增加放射剂量的同时降低放射引起的毒性成为可能，然而IMRT治疗计划依然是一个复杂的过程，很大程度上依赖于操作者的经验。例如，在IMRT治疗计划中，设计者在以往经验和反复试验的基础上指定射束方向。接着，设计者使用单一剂量值、少数剂量-体积点或完全灵活的DVH指定剂量分布目标。目标可以按照重要性加权。设计系统将这些目标以价值函数代表，必须使用优化法则使其最大化或最小化。价值函数数字化地试图代表纳入临床判断的权衡。如果设计者希望改变结果，他或她改变这些目标并重新优化。很难将临床需要转化为价值函数，并“引导”优化朝向最佳结果。因而，IMRT计划是一个耗费时间并且令人沮丧的工作，就具有类似的靶处方剂量和正常组织约束条件而言治疗方案的质量在不同疗剂量师和机构之间将有所差异。
[0123] 在IMRT中，射束强度在治疗野中是不同的。病人接收许多很小的射束，每个射束可以配置不同的强度，而不是用单一的大的均匀射束治疗。强度模块使得在限制对临近健康组织的放射剂量的同时对肿瘤有更高强度的治疗。合适的数据变量，例如用户输入、约束条件(例如剂量测定、射束几何学，等)、临床目标等，被用于确定相应的治疗计划优化模块和优化运算，以及确定IMRT治疗计划的总的优化方案。本发明的一个实施方式是用AutoPlan创建IMRT治疗方案。
[0124] B.质子疗法(粒子疗法)
[0125] 质子疗法已成为了对多种疾病特别有效的治疗。在质子疗法中，带正电荷的质子亚原子粒子被加速，平行进入紧聚焦射束，被导向至病人内指定的靶区。在病人组织的影响下，质子比电磁辐射或低质量电子的带电粒子有较少的横向扩散，因此能够更精确靶向并延射束轴线输送。在病人组织的影响下，质子也有典型的电离吸收峰，加速质量动能的很大一部分沉积在病人相对较窄的穿透深度中。这是一个显著优势，降低了加速质子颗粒对位于靶区与质子治疗仪器输送管喷嘴之间的健康组织的传输能量，又称为位于指定靶区后面的“下靶区”组织。根据某个特定病人的指征和他们的状况，输送治疗质子射束可以优选从多个角度分多次治疗进行，以保持传输到靶区一个总的剂量，同时降低对居间期望的/健康组织的旁侧暴露。本发明的一个实施方式是使用AutoPlan创建质子疗法治疗计划。
[0126] C.容积旋转调强疗法或VMAT
[0127] VMAT与3D-CRT和IMRT类似，遵循了相同的计划，通过孔径(apertures)按照肿瘤的轮廓以射束方向观视输送各种强度射束至肿瘤，或者接近IMRT强度图的射束。然而，VMAT不同于这些方法，在于它以围绕病人身体的连续弧形输入剂量，而不是从不连续的角度。也就是说，尽管大多数输送方法简单地将设备(称为机架)安放在身体周围，选择一个位置，选中一个孔径(aperture)，激活放射剂量，VMAT在机架旋转的同时输送连续剂量。估计多于一般地调强质子放射疗法将采用VMAT技术输送。本发明地一个实施方式就是使用AutoPlan创建VMAT计划。
[0128] D.体部立体定向放射治疗或SBRT
[0129] SBRT是类似中枢神经系统(CNS)立体定位放射手术的治疗程序，不同的是它处理CNS外的肿瘤。立体定向放射治疗机体意味着使用特殊设计的坐标系精确定位肿瘤在机体内的位置，以便使用有限但高度精确的治疗野治疗肿瘤。SBRT包括输送单一高剂量放射治疗或少数分次放射治疗(通常分为5次治疗)。输送高效生物剂量的射束至肿瘤，以之前标准的传统放射治疗不能达到的方式提高肿瘤的治愈率。SBRT治疗能够使用调强光子束、粒子束或弧形束输送。类似地，由于这种放射的特殊形式包括使用多个射束角度，该项技术的专业放射肿瘤医师能够安全地输送高剂量照射，而在肿瘤外和周围正常组织剂量骤变。创建调强和容积旋转调强SBRT计划几乎与创建IMRT和VMAT计划相同。本发明的一个实施方式中，使用AutoPlan创建SBRT计划。
[0130] E.自适应放射疗法(ART)
[0131] ART主要被视为一项在治疗周期中反复检测病人几何结构并用于改善治疗以进行更加病人特异性的治疗的技术。当今，放射治疗是建立在进行CT扫描时的病人解剖学结构的基础上的。实际上，治疗过程中，病人的外部轮廓和内部器官的位置和形态都发生变化。这些几何学上的变化可由自适应放射治疗处理。该复杂的计划程序-需要大量反复试验-通常是RT治疗中非常耗费时间的部分。评价病人进展、放射肿瘤医师和剂量师之间协商、随后重新评估治疗计划典型地需要几个循环，这使得IMRT计划比较昂贵。ART或许甚至需要更多的重复治疗计划评价，使它们昂贵得惊人。本发明的一个实施方式是利用自动计划算法降低ART的成本。从而可以在日常临床实践中采用ART。本发明的一个实施方式是用AutoPlan创建ART治疗计划。
[0132] III.治疗计划
[0133] 图4图示用于创建体外放射疗法计划的本发明的一个实施方式的流程、体系结构、操作和/或功能性。在板块1，设置初始射束角度。可由专家系统设置射束角度。在板块2，配置计划结构和初始目标函数参数。可以从系统外部输入目标函数参数，也可以是系统内发现的缺省值。在板块3调节目标函数参数。在板块4，从治疗计划中删去多个具有最低权重的射束，在治疗计划中其余射束的基础上重新调节非约束目标函数参数。在板块5，删去另外的射束，并在其余射束的基础上重新调整非约束目标函数参数。一旦目标函数参数收敛，则可以将治疗计划输出至用户或治疗仪器。
[0134] 图5A图示用于创建外放射治疗计划的本发明的一个实施方式的流程、体系结构、操作和/或功能性。给定PTV重叠体积，估计接受治疗的特定器官的总肺平均肺剂量(MLD)，或等效平均剂量(MD)。如果平均剂量低于一个已经设定的值，使用PTV。如果平均剂量大于或等于已设定的值，使用ITV。之后将目标函数值调整以计算治疗体积。设定的值通常由进行治疗的机构设定。例如，MDACC设定MLD最大为22Gy。
[0135] 图5B图示用于创建外放射治疗计划的本发明的一个实施方式的流程、体系结构、操作和/或功能性。给予每个目标函数参数一个序列号，i。例如第一个目标函数参数i是1，第二个i＝2，如此直到最后一个目标函数值，i＝目标的数量(Nobj)。检查每个目标函数参数(i)，看其是约束的或是非约束的。如果目标函数参数是约束的，不用修正或调整该目标函数参数，接着评价下一个目标函数参数(i＝i+1)。如果目标函数参数是非约束的，比较该目标函数参数与Eobj。Eobj是用于确定最大次目标函数值的参数。如果Eobj大，则给予该目标更多权重。在本发明的一个实施方式中，对于所有目标函数参数，Eobj＝0.2。
如果目标函数参数值小于Eobj，调整目标函数参数。在本发明的一个实施方式中，通过修改目标函数参数值调整目标函数参数，或修改用于计算该目标函数参数值的一个变量，例如EUD、权重，和/或α。在本发明的一个特定实施方式中，修改是将目标函数参数的EUD变量除以2。如果目标函数参数被修改了，则重新计算目标值。一旦目标函数值大于或等于Eobj，优化射束强度，并重新计算所有函数参数值。继续该循环知道没有目标被调整。
如果目标函数参数值小于Eobj，调整目标函数参数。在本发明的一个实施方式中，通过修改目标函数参数值调整目标函数参数，或修改用于计算该目标函数参数值的一个变量，例如EUD、权重，和/或α。在本发明的一个特定实施方式中，修改是将目标函数参数的EUD变量除以2。如果目标函数参数被修改了，则重新计算目标值。一旦目标函数值大于或等于Eobj，优化射束强度，并重新计算所有函数参数值。继续该循环知道没有目标被调整。
[0136] 图6(a)和(b)图示用于创建外放射治疗计划的本发明的一个实施方式的流程、体系结构、操作和/或功能性。该算法只采用了非约束目标。该算法非常类似于图4、5(a)和5(b)描述的算法。由于该非约束算法可以在多准则优化方法中用于生成多个计划，图12描述了其中一个实施例，因而简要描述该方法。第一，该算法在医师勾画轮廓的基础上自动生成计划ROI结构；为提高计划质量和效率，新生成的结构包括对初始轮廓的修改。自动提取肿瘤大小和位置信息，并与专家系统中最接近的患者比较，在最佳匹配的基础上配置初始射束角度。将具有预先设定参数的逆向计划目标加入到计划系统中，录入Pinnacle3。现在设定逆向计划迭代次数(i)为初始值1，AutoPlan命令优化程序执行第一轮优化，之后，AutoPlan自动调整目标参数(在图6(b)中图示)，重新设定射束，并执行第二轮优化。接着，去除初始射束中多个具有最低权重的射束，例如8个射束；重新设定其余的射束，并最后一次佑护。逆向计划结束，这时得到的计划被保存为最终计划。
[0137] 图7A和7B显示了可以用于生成自动计划的目标函数参数优化的一个实施方式的流程图。在本发明的一个实施方式中，该方法用于生成用于前列腺治疗的计划。该算法的功能性非常类似于图4、图5A、图5B、图6A和6B描述的算法。第一，该算法在医师勾画轮廓的基础上自动生成计划ROI结构；为提高计划质量和效率，新生成的结构包括对最初轮廓的修改。自动配置具有预先选定角度的射束，将具有预先设定参数的逆向计划目标加到计划系统中，例如Pinnacle3计划系统。现在设定逆向计划迭代次数(i)为初始值1，AutoPlan命令优化程序执行。目标函数优化结束后，AutoPlan检查是否达到了最大迭代次数-如果是，停止计划程序，如果不是，检查PTV D95是否达到其低边界阈值(DT)。如果已经超过阈值，停止计划程序；如果不是，调整逆向计划目标参数，增加迭代次数(i)，并不用重新设定射束，继续下一轮优化。重复步骤3和4直到达到最大迭代次数，或PTV D95超过阈值。保存这时生成的计划；也保存步骤3后在迭代3和更高迭代的中间计划。在本发明的另一实施方式中，该方法用于VMAT技术。
[0138] 图7(b)图示了图7(a)中步骤4的工作流程。在最初加载的目标目录中，所有目标都是非约束类型的；因此，每个目标都被分配一个0和100之间的权重。在该图中，i代表当前目标，NTargetObj代表与PTV或PTV-Ring结构相应的目标的所有数量，列在目录的最上方。通过将其权重和一个预先设定的因子(F)相乘调整这些目标(在1和NTargetObj之间索引)；PTVRing目标的权重不超过50。经过该参数调整的目标作为下一轮优化的起始点。
[0139] 该算法仅包括非约束目标函数，并被彻底测试用于生成前列腺癌的自动计划。该算法的一个重要特征是目标函数参数调整后，不用重新设定射束，就继续下一轮优化。该算法也是用于生成所有类型癌症的，例如肺癌，VMAT技术的自动计划的主要算法。
[0140] A.癌症类型
[0141] 在本发明的一些实施方式中，AutoPlan用于生成位于全身的肿瘤的治疗计划。在本发明的特定实施方式中，AutoPlan为肺肿瘤、前列腺肿瘤、食道肿瘤、脑肿瘤、间皮瘤、头颈部肿瘤、中枢神经系统肿瘤、GU肿瘤、妇产科肿瘤和胃肠道肿瘤生成治疗计划。
[0142] B.目标函数参数
[0143] 以下是用于各种癌症的治疗的目标函数参数的举例。
[0144] 1.肺
[0145] 图8和图9显示了图5和图6各自描述的肺癌自动计划方法使用的计划结构(ROI)和目标函数参数。在图8和图9中，也显示了方法中随机顺序的目标函数值。这些计划结构和初始目标函数参数被用于所有肺癌患者。创建的计划结构如下：
[0146] FS-PlanPTV：医师勾画的PTV结构的副本
[0147] FS-NTAvoid：取PTV外扩1厘米的所有正常组织
[0148] FS-LungAvoid：医师勾画的取PTV外扩1厘米的肺结构
[0149] FS-CLungAvoid：FS-LungAvoid结构的对侧部分
[0150] FS-ILungAvoid：FS-LungAvoid结构的同侧部分
[0151] FS-HeartAvoid：医师勾画的取PTV外扩1厘米的心脏结构
[0152] FS-PrvCord：医师勾画的脊髓结构外扩0.5厘米
[0153] FS-PrvCordRing：向后和对侧方向的包围FS-PrvCord的3厘米宽局部环结构[0154] FS-PlanEsoph：医师勾画的食道结构的副本
[0155] 2.前列腺
[0156] 图10列出了图7描述的前列腺癌自动计划方法使用的计划结构(ROI)和目标函数参数。创建的计划结构如下：
[0157] plan-PTV：医师勾画的PTV结构副本
[0158] plan-PTVRing：包围PTV0.2厘米外扩的0.8厘米环结构
[0159] FS-Ring：外部机体内的3厘米环结构
[0160] FS-NormalTissue：取PTV外扩1厘米的所有正常组织
[0161] FS-BladderAvoid：医师勾画的取PTV外扩0.3厘米的膀胱结构
[0162] FS-RectumAvoid：医师勾画的取PTV外扩0.3厘米的直肠结构
[0163] FS-FHAvoid：医师勾画的取PTV外扩0.3厘米的股骨头结构
[0164] 3.头颈部
[0165] 图11列出了头颈部自动计划方法使用的计划结构(ROI)和目标函数参数。创建的计划结构如下：
[0166] FS-PTV62：医师勾画的处方剂量62Gy的PTV结构副本
[0167] FS-PTV60：医师勾画的处方剂量60Gy的取高剂量PTV外扩0.2厘米的PTV结构[0168] FS-PTV59：医师勾画的处方剂量59Gy的取高剂量PTV外扩0.2厘米的PTV结构[0169] FS-PTV56：医师勾画的处方剂量56Gy的取高剂量PTV外扩0.2厘米的PTV结构[0170] FS-NormalTissue：取PTV外扩1厘米的所有正常组织
[0171] FS-InsideRing：包围PTV外扩1厘米的1厘米环结构
[0172] FS-OutRing：取FS-InsideRing的FS-NormTissue
[0173] FS-cord expanded：医师勾画的取PTV外扩0.5厘米的脊髓外扩结构
[0174] FS-brainstem expanded：医师勾画的取PTV外扩0.5厘米的脑干结构
[0175] FS-LT Parotid：医师勾画的取PTV外扩0.5厘米的左腮腺结构
[0176] FS-RT Parotid：医师勾画的取PTV外扩0.5厘米的右腮腺结构
[0177] FS-larynx：医师勾画的取PTV外扩0.5厘米的喉结构
[0178] C.射束角度选择
[0179] 在IMRT治疗计划设计中，输送至患者体内治疗位点的放射线的角度，对于非共面射束通常称为机架角和床角(couch angles)，一般基于操作者的经验或教导预先选择的。接着，用逆向治疗计划方法在一个目标函数的控制下优化相应的射束强度谱。这些方法的一般信息可见S.Webb，″Optimizing the Planning of Intensity-Modulated Radiotherapy ″，Physics in Medicine and Biology，Vol.39，1994，pp.2229-2246；S.V.Spirou and C.S.Chui， ″ A Gradient Inverse Planning Algorithm with Dose-Volume Constraints″，Medical Physics，Vol.25，1998，pp.321-333；R.Mohan，et al.，″The Potential and Limitations of the Inverse Radiotherapy Techniques″，Radiotherapy & Oncology，Vol.32，1994，pp.232-248；L.Xing，et al.，″Fast Iterative Algorithms for 3D Inverse Treatment Planning″，Medical Physics，Vol.25，1998，pp.1845-1849；and L.Xing and G.T.Y.Chen， ″ Iterative Methods for Inverse Treatment Planning″，Physics in Medicine and Biology，Vol.41，1996，pp.2107-2123.[0180] D.专家系统
[0181] 可以用专家系统选择射束角度。从技术角度来看，自动化治疗计划程序是一个难题。建立自动化治疗计划必须克服的一个问题是选择最佳射束角度，目前是由有经验的设计者选择的。自从IMRT的最初，射束角度优化算法(BAOs)就已经成为放射治疗领域大量研究的主题(Stein，Mohan et al.1997；Pugachev and Xing 2002；Meedt，Alber et al.2003；Wang，Zhang et al.2004；Wang，Zhang et al.2005；Liu，Jauregui et al.2006；D′Souza，Zhang et al.2008；Potrebko，McCurdy et al.2008)。然而，BAO算法还没有被日常临床实践采用。一个原因是优化射束角度强烈依赖于用于获得角度的价值函数。而一个特定的患者的价值函数是不确知的。用作价值函数以达到最佳可能的治疗计划的权重和目标-也依赖于最初选择的光束角度-必须被优化。从专家系统中选择初始角度是一个新的方法。第一，初始角度已经利用了临床剂量师之前的经验，去除了一些通常在为一些几何位点的肿瘤设计计划时绝对不会选择的角度。第二，由于非共面角的搜索空间(search space)非常大，挑选非共面角度也是一个难题。如果肿瘤位于一些特别的位置，剂量师经常挑选和应用几个非共面角度。采用非共面角度实际上能够提高计划质量。该方法额外的优势是非共面射束自动避免机架碰撞问题，因为所有初始非共面射束在治疗患者前都已经被用过了。最重要的是，尽管用专家数据库辅助选择射束角度，但是不需要依赖数据库挑选最佳角度。在本发明的一个实施方式中，数据库挑选初始角度，将被进一步优化以选择最佳角度。该方法通常能生成比临床剂量师手工设计更好的计划。选择的射束比一些有经验的剂量师选择的更理想。
[0182] 专家系统或数据库可以包括肿瘤位置、射束角度(机架角、床角、机头角)，肿瘤大小和每个计划的治疗疗效。在本发明的一个实施方式中，专家数据库作为选择射束角度的基础。在另一实施方式中，从专家系统中选择射束角度后没有改变，但是射束数量减少。在本发明的另外的实施方式中，专家系统不包括实际的患者数据，而是由专家完成的患者数据的汇集。用于实施例中的前列腺射束角度如下：8，225，260，295，330，30，65，100，135。
[0183] E.光束强度优化和/或调整
[0184] 任意可用的软件可用在AutoPlan中优化射束强度。例如，HELIOS(Varian Associates，Palo Alto，CA)和Pinnacle(Philips，Milpitas，CA)都是可用的优化射束强度的软件包。下面将要描述一个IMRT射束强度优化的实施例，质子疗法计划也包括射束优化，这类优化可与本发明组合应用。任意下述IMRT射束强度优化都可以用于选择AutoPlan中的射束强度。
[0185] 1.优化IMRT射束强度
[0186] IMRT改善治疗疗效的潜能已经引起了对提高优化技术的持续兴趣。许多用于确定最佳强度谱的优化算法已被应用。这包括线性规划(Wu et al.，2000；Rosen et al，1991)，混合整数规划(Langer et al，1996；Lee at al，2000)，梯度算法(Bortfeld et al，
1990；Bortfeld，1999；Cho et al.，1998；Holmes et al.，1991；Hristov et al.，2002；
Starkschall et al.，2001；Wu and Mohan，2000)，模拟动力学(Wu and Mohan，2001；Hou et al.，2003)，以及随机逼近算法(Morrill et al.，2001；Rosen et al.，1995；Webb，1991；Wu et al.，2000)。每个方法都有优缺点。梯度算法通常速度快但可能会陷入局部最小，远不是好的方案。虽然随机逼近算法，例如模拟退火和遗传算法，具有避免陷入局部最小的优点，但是它们较慢，并且也可能陷入局部最小，如果，例如在模拟退火时热冷却过程(thermal cooling process)太快，或者在遗传算法时种群进化不现实。对于随机逼近和梯度算法，目标函数值(称为分数)用于推进优化过程至极值。通常用的目标函数有基于剂量的(Wu and Mohan，2000；Bortfeld et al.，1996)，基于剂量体积的(Wu and Mohan，2000；Bortfeld et al.，1996；.Langer et al.，1990)和基于生物学的(Wu et al.，2000；Langer et al.，
1990)。每个目标函数都由与个体解剖结构相应的次目标组成。次目标被分配以相对权重或罚分，反映目标的相对重要性。通常，主观挑选罚分参数，并通过反复试验确定。它们的值对于治疗设计者来说并不是直观明了的。
1990；Bortfeld，1999；Cho et al.，1998；Holmes et al.，1991；Hristov et al.，2002；
Starkschall et al.，2001；Wu and Mohan，2000)，模拟动力学(Wu and Mohan，2001；Hou et al.，2003)，以及随机逼近算法(Morrill et al.，2001；Rosen et al.，1995；Webb，1991；Wu et al.，2000)。每个方法都有优缺点。梯度算法通常速度快但可能会陷入局部最小，远不是好的方案。虽然随机逼近算法，例如模拟退火和遗传算法，具有避免陷入局部最小的优点，但是它们较慢，并且也可能陷入局部最小，如果，例如在模拟退火时热冷却过程(thermal cooling process)太快，或者在遗传算法时种群进化不现实。对于随机逼近和梯度算法，目标函数值(称为分数)用于推进优化过程至极值。通常用的目标函数有基于剂量的(Wu and Mohan，2000；Bortfeld et al.，1996)，基于剂量体积的(Wu and Mohan，2000；Bortfeld et al.，1996；.Langer et al.，1990)和基于生物学的(Wu et al.，2000；Langer et al.，
1990)。每个目标函数都由与个体解剖结构相应的次目标组成。次目标被分配以相对权重或罚分，反映目标的相对重要性。通常，主观挑选罚分参数，并通过反复试验确定。它们的值对于治疗设计者来说并不是直观明了的。
[0187] 另一方面，线性规划法，包括混合整数规划发，通常在肿瘤和危及器官(OARs)上使用硬性约束(但也能适应软约束)以执行优化，不需要使用人工限定的目标函数。线性规划法在放疗中的应用已经受到了运筹学科的关注(Holder，2000；Holder 2002)。然而，线性规划技术需要大量迭代，并且很慢。模拟动力学法最近由Hou等人(Hou et al.，2003)开发，组合了梯度算法的优点和IMRT治疗计划中的约束法。它在日常放射治疗计划中的大量应用还有待评价。
[0188] 由于梯度算法得到一个合理的解决方案时需要较少的迭代，因此它们是商用计划系统中最常用的执行算法，例如HELIOS(Varian Associates，Palo Alto，CA)和Pinnacle(Philips，Milpitas，CA)。Newton(Bortfeld et al.，1990；Wu and Mohan，2000)和共轭梯度(CG)(Spirou and Chui，1998)算法是最常用的梯度算法。Newton算法和最速下降法(SD)采用目标函数的梯度选择优化的方向。SD法在理论上没有效率，因为第一次和第二次迭代之间的优化方向不是直交的(orthogonal)。下一次迭代的优化结果有可能部分破坏前一次迭代达到的优化。CG算法组合目标函数的当前梯度和之前的优化方向，生成一系列的直交方向，从而避免了此类问题。理论上，CG算法更有效。然而，CG算法需要线最小化以在确定搜索方向后确定步长。线最小化过程非常缓慢，并且显著降低CG算法总的速度。已经设计了避免线最小化的智能方法。例如，Spirou和Chui(Spirou and Chui，1998)对二次价值函数的步长提出了一个精确值。然而，这个值是特定于简单剂量和剂量-体积价值函数的，不能被用于更常规的目标函数，例如基于生物学的目标函数。在IMRT和其他领域，避免CG算法的线最小化的需要成为兴趣所在。例如，Moller(Moller，1993)提出了一种CG算法的变化，称为“尺度共轭梯度”(CG)算法，避免了优化过程中确定步长的耗时的线搜索。该算法广泛应用于神经网络领域，并且能够与任意类型的目标函数使用。
[0189] 可以整合IMRT到Pinnacle治疗计划系统(Philips，Milpitas，CA)中。Pinnacle可以用于患者轮廓勾画、射束设置、剂量-体积或EUD参数输入、强度-调制野的剂量计算，以及优化的强度-调制剂量分布的一些分析。该优化系统的细节在其他地方有描述(Wu and Mohan，2000；Wu et al.，2002)。AutoPlan可以使用类似Pinnacle的治疗计划系统输入患者轮廓、参数输入、在剂量分布的基础上优化射束强度。AutoPlan将会在专家系统的基础上生成射束强度，并优化或选择新的目标函数参数，以进一步加强治疗计划。在AutoPlan方法或系统中，例如Pinnacle的程序可以用于调整和/或优化射束强度。用于IMRT的优化技术的其他描述可参见Zhang等(Med.Phys.31(5)，May 2004)，全部并入本文。
[0190] F.多准则优化(MCO)算法
[0191] AutoPlan多准则优化(MCO)方法生成几个不同的计划，每个计划在非约束AtuoPlan方法生成的初始输入计划的基础上有利于一个靶器官或危及器官(OAR)。MCO算法的目的是探索PTV覆盖和/或不同OAR保护的多种可能性。MCO算法在初始生成的自动计划的基础上运行，生成几个针对不同的PTV/OAV的计划，每个计划提供对PTV或OAR的最大可能的覆盖或保护，同时保证计划的整体质量是可接受的。作为例子，图12(a)图示对肺癌使用非约束目标的MCO算法的流程。第一，MCO算法检查OAR，确定提高计划质量的同时心脏和食道保护是否与肺保护冲突。接着，MCO在初始自动计划的基础上生成利于PTV的计划，在利于PTV的计划的基础上生成利于肺的计划。接下来，利于PTV的计划(如果肺保护与心脏保护冲突的话)或利于肺的计划(如果肺保护不与心脏保护冲突)被用作生成利于心脏的计划的基础。相似地，在利于PTV的计划(如果肺保护与食道保护冲突)或利于肺的计划(如果肺保护不与心脏保护冲突)的基础上生成利于食道的计划。接着组合由上述步骤得到的计划生成一个复合计划，医师可对其评价和调整。如果提出不同的权衡，医师能够滑动条栏容易地改变每个输入计划的权重，并立即得到调整后的计划。医师得到满意的计划后，MCO能够在医师调整的权重设置的基础上重新生成最终计划。这样，就生成了具有医师期望的权衡的计划。
[0192] 图12(b)-(e)图示图12(a)中步骤2-5的工作流程。在来自非约束AutoPlan方法的最终计划的基础上生成利于PTV的计划。第一，每个非-PTV目标的目标权重乘以例如小于1的换算系数(F)，之后不重新设定射束，优化计划。如果PTV的异质性(HI)没有收敛，重复这两个步骤。最后，检验脊髓的最大剂量；如果超过了阈值(DT)，降低脊髓目标的剂量值，并重新优化计划；重复这一程序直到满足标准，并保存最终计划作为利于PTV的计划。
[0193] 以类似的方式生成利于肺、心脏和食道的计划。主要的区别在于所基于的上述初始计划。例如，通过缩放目标权重，调整每个计划中相应OAR的总目标值至总目标值的2/3，接着执行优化。重复这个过程直到PTV HI降至低于一个给定的阈值。在脊髓最大剂量低于脊髓最大剂量标准后，保存最终计划作为利于OAR的计划。
[0194] 图12(e)图示在Philips Pinnacle系统中实施的GUI的截屏。当医师/设计者交互调整基础计划的相对权重的权重时，DVH和剂量分布能够自动被实时调整。在这个阶段可以决定选择最佳计划。
[0195] 决定后，可以在一部分中输送5个不同的计划，或者在一部分中输送一个。这里，在最终DVH的基础上用另一种方法仅生成一个计划。在计划探索过程中，使用固定光束IMRT技术生成所有的基础计划，然而，最终计划可以时IMRT计划也可以时VMAT计划。图12(g)中描述了在MCO计划的基础上生成一个计划的算法。
[0196] G.ART的自动化自适应计划(AAP)方法
[0197] 大的治疗次间解剖学变化可能出现在分次放疗过程中。当肿瘤仅显示平移时，适应性技术例如等中心重新定位是有效的。为充分利用图像引导技术，理想的适应计划方案是在日常CT的基础上重新计划。然而，鉴于手工重新勾画轮廓和反复试验重新计划过程，根据日常CT完全重新计划是不实际的。在本发明的一个实施方式中，自动化的自适应计划方(AAP)法，例如，自动化勾画轮廓和自动化计划优化，在不需要人工参与的情况下完成。
[0198] AAP方法包括两个关键步骤：自动化勾画轮廓，其将计划CT的轮廓绘制于日常CT的轮廓，以及自动化计划，其在扩展的(propagated)计划CT基础上不需要人工参与执行逆向固定射束IMRT和VMAT计划。每个日常CT的自动化勾画轮廓过程，采用在Insight Toolkit(ITK)中实现的Demons变形图像匹配算法(DIR)生成计划/模拟CT和日常CT之间的像素-像素对应。以变形矢量将模拟CT上的轮廓绘制在日常CT上。在本发明的一个实施方式中，如果直肠中没有大的气泡，这个方法运作良好。当在靶区和直肠区有大的气泡时，执行后轮廓适应程序，从靶区除去气泡，并将气泡作为直肠轮廓的一部分。在自动化计划设计过程中，不需要人的参与，使用图4-6描述的AtuoPlan生成自动计划。
[0199] H.自动计划的评估
[0200] 可以由医师或下述评估完成对自动计划的评估：等效均匀剂量(EUD)，肿瘤控制概率(TCP)，正常组织并发症概率(NTCP)，剂量体积数据，例如平均肺剂量，肺V5，V10，V20。异质性(HI)、适形度(CI)、无并发症肿瘤控制率(P+)。可以对照剂量师创建的计划评价自动计划的这些参数，以便确定自动计划的质量。
[0201] IV.实施例
[0202] 以下实施例用于阐明本发明的优选实施方案。本领域技术人员应了解，在下面的实施例中所公开的技术代表了本发明者发现在实现本发明中作用良好的技术，因此可被认为构成了实现本发明的优选模式。但是，本领域技术人员按照此处公开的内容应该知道，可对公开的特定实施方案作许多改变，并仍可得到相近或相似的结果，而不脱离本发明的精神和范围。
[0203] 实施例1
[0204] 用于生成肺癌肿瘤治疗计划的自动计划
[0205] A.治疗计划专家数据库
[0206] 专家数据库是由剂量师之前设计的150例肺癌患者创建的。在这个数据库中记录了每个计划的肿瘤位置、射束角度(机架角、床角、机头角)和肿瘤大小。专家数据库作为射束角度算法选择射束角度的基础。
[0207] B.基于专家经验选择射束角度
[0208] 图4的步骤1主要包括为每个计划选择共面和非共面射束角度。肿瘤位置被限定在肺的左侧、中部和右侧。图14显示由专家剂量师为治疗肺癌选择的共面射束角度的频率分布。用于肺部左侧肿瘤的角度分布与用于右侧肿瘤的角度分布不同。例如，如果肿瘤位于肺的左侧，专家剂量师从来没有选过机架角60，120。首先确定肿瘤位置(左，中，右)，使用图14中的分布从专家系统中取样14个共面射束，用以选择初始共面角度。选择非共面射束角度比较困难，需要大量治疗计划经验。这对计算机算法也是一个难题，因为机架和床组合数量比单独的机架的数量大很多。采用强力法选择所有可能的机架和床组合作为初始射束角度组，这对计算机速度和所用内存而言是一个难题。此外，一些机架和床射束角度组合会导致机架与患者或床架碰撞。因此，使用从专家数据库获得的启发式信息而不是强力法选择非共面射束角度。通过检测数据库发现：在专家系统中剂量师只用一个或两个非共面角度。非共面角度主要用于疑难临床计划中，并且剂量师使用的非共面角度是合适的，不会引起机架-治疗床碰撞。为选择非共面角度，首先确定肿瘤位置，根据肿瘤位置限定数据库中合适的先前的匹配患者。从这些匹配患者中取5个最常用的非共面角度。总地选择19个角度(14个共面和5个非共面)作为初始角度。
[0209] 此外，可以用基于新患者与专家数据库中患者的肿瘤位置的最佳匹配直接分配射束角度给新患者的方法选择初始射束角度。该方法设计计划比用从类似患者的频率分布中选择19个初始角度快。如果专家数据库全面并包含所有临床实践中可能遇到的情形，该方法将会更好。
[0210] C.初始目标函数
[0211] 图4中的步骤2确定了目标函数参数。图8和表1列出了优化所用的结构和它们的初始值。在本实施例中，那些结构和初始值用于所有肺癌患者。FS-PTV被限定为PTV。FS-LungAvoid，FS-CLungAvoid，FS-PrVCord，FSEsphogausAvoid，FS-HeartAvoid，FS-NTAvoid被限定为肺，对侧肺，脊髓，食道，心脏，机体减去FS-PTVexp1cm(PTV等向外扩
1厘米)。以危及器官肺为例，尽管目标是优化肺剂量，但是应用FS-LungAvoid达到目标。
对于大多数情况，肺将与PTV重叠，如果用肺进行优化将产生冲突目标。为避免冲突目标，在优化算法中使用FS-LungAvoid。在本实施例中，所有患者的初始目标相同。在一个实施方式中，可以用标准目标自动操作肺IMRT设计。采用基于等效均一剂量的目标函数进行优化。随着参数α接近正无穷和负无穷，最大剂量和最小剂量目标基本与EUD目标相对应。
在一个实施方式中，与基于剂量体积的目标函数相比，基于EUD的目标函数的一个优势是在目标函数参数自动操作(OFPA)循环中基本上只调整一个参数(靶EUD)，这使得OFPA有效率并且容易。基于EUD的目标函数是凸目标函数，这使得优化算法表现良好，并且优化一个EUD值的同时将优化剂量体积直方图的整个曲线。表1列出了用于优化的结构和它们的初始值，其用于所有肺癌患者。
1厘米)。以危及器官肺为例，尽管目标是优化肺剂量，但是应用FS-LungAvoid达到目标。
对于大多数情况，肺将与PTV重叠，如果用肺进行优化将产生冲突目标。为避免冲突目标，在优化算法中使用FS-LungAvoid。在本实施例中，所有患者的初始目标相同。在一个实施方式中，可以用标准目标自动操作肺IMRT设计。采用基于等效均一剂量的目标函数进行优化。随着参数α接近正无穷和负无穷，最大剂量和最小剂量目标基本与EUD目标相对应。
在一个实施方式中，与基于剂量体积的目标函数相比，基于EUD的目标函数的一个优势是在目标函数参数自动操作(OFPA)循环中基本上只调整一个参数(靶EUD)，这使得OFPA有效率并且容易。基于EUD的目标函数是凸目标函数，这使得优化算法表现良好，并且优化一个EUD值的同时将优化剂量体积直方图的整个曲线。表1列出了用于优化的结构和它们的初始值，其用于所有肺癌患者。
[0212] 表1
[0213]
[0214] 目标函数参数自动化
[0215] 在图4的步骤3，用图5显示的流程自动调整目标函数参数。该项工作是将平均肺剂量(MLD)约束至22Gy下进行的。如果一个计划不能够达到MLD小于或等于22Gy，牺牲PTV覆盖以迫使MLD＜22Gy。在步骤3，在选择用于优化的初始靶目标前预测MLD是否有可能超过22Gy。MLD估计是基于肺和PTV等向外扩2厘米之间的重叠体积(肺PTVexp2cm体积)的。图15a显示MLD作为临床医疗剂量师设计的100例患者肺PTVexp2cm体积的函数。图15b显示用PTV目标(虚线)和ITV目标(实线)设计的计划的DVH。确定了MLD和肺PTVexp2cm体积之间相关性的线性关系。对于一例新患者，首先计算肺-PTVexp2cm体积，在图15所示曲线的基础上预测MLD。如果预测MLD大于24Gy，最终计划的MLD将很可能超过22Gy。在这种情况下，选择ITV目标，其在处方剂量周围必须是均一的。接着，挑选的基于ITV的目标将自然生成具有高ITV/GTV覆盖的计划，同时舍弃PTV覆盖以满足MLD约束。这类计划基本上是同时加量计划，当前被用于治疗那些疑难患者。选择基于PTV的目标的计划通常产生具有高PTV覆盖的计划。
[0216] 图5(b)显示OFPO的主要工作流程。对于每一个目标函数参数i，有三个参数EUD0i，权重(wi)，ai参数和一个目标函数值fi。Pinnacle计划系统中可用的约束优化高度适用于本文用途。给予FS-PTV/ITV最大和最小剂量约束，以确保良好的靶覆盖和均一性。约束FS-NTAvoid以确保在靶以外没有热区。也给予脊髓硬约束。如果目标被约束，没有必要调整目标函数参数。FS-PTV的单一剂量目标也没有调整，因为该目标被给予了最大权重可能，并被作为约束的目标函数参数。对于所有其他目标，使用该方法的OFPO命令基于目标函数值调整目标值。限定一个阈值目标函数值Eobj。Eobj可视为用户可调节函数值，被AutoPlan用于控制OFPO算法的收敛。在一个实施方式中，Eobj＝0.2可以用于多数非约束目标。发现当目标函数值超过Eobj＝0.2时，可能会导致其他目标降级(degradation)。
如果一个次目标函数值fi小于Eobj，通过图2b中显示的二项搜索算法减小参数EUD0i或D0i使fi值大于Eobj。在本实施例中，设置f0_low和f0_high为Eobj-0.1和Eobj+0.1。
如果一个次目标函数值fi小于Eobj，通过图2b中显示的二项搜索算法减小参数EUD0i或D0i使fi值大于Eobj。在本实施例中，设置f0_low和f0_high为Eobj-0.1和Eobj+0.1。
[0217] D.射束角度自动化
[0218] 图4中的步骤4和5包含射束角度自动化(BAA)。该算法的基本原理是如果优化算法有效执行，具有更多射束的IMRT计划不应该次于具有较少射束的计划。如果较少的射束更好，优化算法将自动去掉多余的射束。然而，多数优化算法中完全去掉一个射束对于优化者来说是困难的。采用调整技术有可能可以解决这个问题，其通常应用于优化领域。在本实施例中，采用两种方法克服这个问题：1)初始射束，在专家数据库的基础上，已经去掉了许多射束方向；2)步骤4和5被用于删去具有低权重的射束并重新计算射束强度，以确定去掉低权重射束是否损害了计划质量。
[0219] E.患者选择和研究设计
[0220] 在本实施例中，AutoPlan作为在Pinnacle中实施的研究插件，由AutoPlan生成的计划都是可输送的计划，能够直接用于治疗患者。
[0221] 用AutoPlan重新设计了5例III期非小细胞肺癌(NSCLC)患者，与剂量师设计的计划进行比较，并用于治疗患者。5个病例者是之前用于比较被动分散质子计划(passive scattered proton plan)和IMRT计划的研究(Chang，Zhang et al.2006)中采用的相同病例。采用剂量体积数据和适形度(CI)比较自动计划和临床计划。限定CI为处方剂量线封闭的体积除以PTV体积。
[0222] 使用不同方案重新计划了一例III期小细胞肺癌(NSCLC)患者：1)使用AutoPlan系统的自动计划；2)使用有19个共面初始射束角度的参数优化方法的自动计划-cop；3)使用射束角度数据库中角度最佳匹配选择的射束角度的参数优化方法的自动计划-db；和4)使用有经验的剂量师选择的射束角度的参数优化方法的自动计划-cb。
[0223] 为证实BOA算法的合理性，还用19，18，17，16，...，5射束研究了用于上述患者的计划。对于用n(n＜19)射束优化的计划，删除用n+1射束优化的计划中最低权重的射束。用不同数量的射束计算了计划的目标函数的总得分，CI，HI，肺V5，P+。
[0224] F.射束角度的数量对计划质量的影响
[0225] 表2使用各种标准比较了使用不同数量射束角度的计划之间的计划质量。也列出了用于治疗该例患者的临床计划的相应值。临床计划使用了具有机架角(345，40，90，140，190)的5个非共面射束角度。用P+和热点区域总得分计算了总的计划质量。该例患者的处方剂量为每次200cGy至93％PTV平均剂量，分30次。一种情况下的标准处方剂量为
63Gy。然而，对于该例患者，平均肺剂量(MLD)达到了21.5Gy。已经禁止了用MLD＞22Gy治疗该例患者，只给予了60cGy的处方剂量。这一病例被视为非常有挑战性的病例，剂量师做了大量努力设计该临床计划。由于处方剂量为60cGy，因此用正常组织中接收剂量＞＝
50Gy的绝对体积描述对患者的非必要照射。就正常组织中总得分、P+和热点区域而言，与临床计划相比，所有射束配置为5至19射束的自动计划的总计划质量有显著提高。使用用于AutoPlan系统的目标函数限定总得分，用于临床计划的目标函数是不同的。自动计划中反映无并发症肿瘤控制率的P+比临床计划绝对提高了9.54％(7.4％-11.2％)。对正常组织区域的非必要照射也降低了332cc(270cc-376cc)。具有13射束的自动计划获得最低总得分，而有5射束和13射束的自动计划P+最低。靶覆盖反映在V处方剂量、CI、HI和TCP。
被处方剂量覆盖的体积为93.8％(92.5％-94.8％)，这比临床计划的94.8％低了1％。自动计划的CI、HI和TCP是1.08(1.07-1.09)、1.16(1.12-1.20)、78.0％(77.8％-78.3％)，临床计划的是1.34、1.13、77.1％。当射束数量大于12，HI指数有轻微提高。当射束数量低于8，PTV受量下降。肺保护反映在V5、MLD和NTCP。自动计划的V5、MLD和NTCP是
58.1％(56.2％-60.2％)、19.2Gy(19.0Gy-19.5Gy)和10.8％(9.7％-12.9％)，临床计划是63.4％、21.5Gy和22.6％。射束数量小于9的自动计划的MLD比射束数量大于8的自动计划的MLD大约高0.4Gy。心脏、脊髓、食道保护反映在NTCP值。自动计划中对于心脏、脊髓和食道的NTCP值为0、0和30.6％(27.1％-32.3％)，临床计划为0、0、31.3％。对于这例患者，食道与PTV重叠，这导致所有计划的食道NTCP值都较大。
63Gy。然而，对于该例患者，平均肺剂量(MLD)达到了21.5Gy。已经禁止了用MLD＞22Gy治疗该例患者，只给予了60cGy的处方剂量。这一病例被视为非常有挑战性的病例，剂量师做了大量努力设计该临床计划。由于处方剂量为60cGy，因此用正常组织中接收剂量＞＝
50Gy的绝对体积描述对患者的非必要照射。就正常组织中总得分、P+和热点区域而言，与临床计划相比，所有射束配置为5至19射束的自动计划的总计划质量有显著提高。使用用于AutoPlan系统的目标函数限定总得分，用于临床计划的目标函数是不同的。自动计划中反映无并发症肿瘤控制率的P+比临床计划绝对提高了9.54％(7.4％-11.2％)。对正常组织区域的非必要照射也降低了332cc(270cc-376cc)。具有13射束的自动计划获得最低总得分，而有5射束和13射束的自动计划P+最低。靶覆盖反映在V处方剂量、CI、HI和TCP。
被处方剂量覆盖的体积为93.8％(92.5％-94.8％)，这比临床计划的94.8％低了1％。自动计划的CI、HI和TCP是1.08(1.07-1.09)、1.16(1.12-1.20)、78.0％(77.8％-78.3％)，临床计划的是1.34、1.13、77.1％。当射束数量大于12，HI指数有轻微提高。当射束数量低于8，PTV受量下降。肺保护反映在V5、MLD和NTCP。自动计划的V5、MLD和NTCP是
58.1％(56.2％-60.2％)、19.2Gy(19.0Gy-19.5Gy)和10.8％(9.7％-12.9％)，临床计划是63.4％、21.5Gy和22.6％。射束数量小于9的自动计划的MLD比射束数量大于8的自动计划的MLD大约高0.4Gy。心脏、脊髓、食道保护反映在NTCP值。自动计划中对于心脏、脊髓和食道的NTCP值为0、0和30.6％(27.1％-32.3％)，临床计划为0、0、31.3％。对于这例患者，食道与PTV重叠，这导致所有计划的食道NTCP值都较大。
[0226] 表2：
[0227]
[0228]
[0229] 表2：用于比较使用不同数量射束角度的自动计划的质量的各种标准。也列出了用于临床计划的相应的值。P+：总的无并发症肿瘤控制几率。V处方：处方剂量线封闭的相对体积；CI：适形度；HI：异质性；TCP：肿瘤控制几率；MLD：平均肺剂量；V5：接收剂量大于5Gy的相对体积。NTCP：正常组织并发症几率；NTCP-L：肺的NTCP；NTCP-H：心脏的NTCP；NTCP-C：脊髓的NTCP和NTCP-Eso：食道的NTCP。
[0230] 图16显示了与临床计划相比，自动计划的剂量体积直方图。与表1的结果一起，看出不同数量射束的自动计划间的计划质量相差较小。然而，不管使用多少射束，自动计划一贯比临床计划好。发现采用11射束的计划不比高于11的计划差。
[0231] 尽管表1和图16显示的结果来自一例患者，在其他患者做了类似研究，发现不同患者间的结果非常类似。
[0232] G.自动计划算法生成比其他方案好的计划
[0233] 表3使用了各种标准比较使用不同策略设计的计划之间的计划质量。自动化方法基本上包含射束角度选择自动化(BAA)和目标函数参数选择自动化(OFPA)。OFPA-CB代表专家数据库中存在这例患者的最佳匹配的情形。OFPA-DB代表不存在最佳匹配但存在相近匹配的情形。肺V5在OFPA-CB中较低，但MLD类似。有趣的是，OFPA-DB计划的NTCP低于OFPA-CB。这两个计划之间的靶覆盖和临界结构保护不存在显著差异。在进行该项研究的机构中，V5被当作肺保护的最重要标准。OFPA-CB是强烈首选和考虑的较好计划。自动计划-5B与自动计划-共面之间的差异在于前者的初始角度包含共面和非共面角度，而后者的初始角度只包含19个等分割共面角度。自动计划-5B的MLD比自动计划-共面低大约1Gy。这对肺计划质量来说是非常显著的。当比较自动计划-5B和自动计划-11B时(表
3)，在靶覆盖和肺保护方面(自动计划-11B的MLD是0.4Gy，低于自动计划-5B)，自动计划-11B总体好于自动计划-5B。尽管差异较小，但是医师更看重计划质量而不是输送效率，尤其对于那些很难达到计划约束的计划。在这一AutoPlan方法实施中，使用从11射束到
5射束的不同数量的射束生成计划，由医师决定选择治疗患者的计划。
3)，在靶覆盖和肺保护方面(自动计划-11B的MLD是0.4Gy，低于自动计划-5B)，自动计划-11B总体好于自动计划-5B。尽管差异较小，但是医师更看重计划质量而不是输送效率，尤其对于那些很难达到计划约束的计划。在这一AutoPlan方法实施中，使用从11射束到
5射束的不同数量的射束生成计划，由医师决定选择治疗患者的计划。
[0234] 表3：
[0235]
[0236] 表3：用于比较不同计划策略设计的自动计划间的质量的各种标准。图11的注释给出了不同的方案。也列出了临床计划使用的相应的值。
[0237] 图17显示使用不同策略优化的计划的剂量体积直方图(DVH)。也绘出了临床计划的DVH以显示每个方案的提高程度。AutoPlan优化的计划的PTV有比临床计划更有异质性的趋势。在AutoPlan优化的计划中临界结构持续得到了更好的保护。由于自动计划-CB、自动计划-DB和自动计划-共面都只使用了共面射束，可以通过比较这些计划与自动计划-5B的DVH来观察非共面射束的优势。发现当使用非共面射束时，通过增加脊髓的低剂量区和降低肺的低剂量区能够更好地保护肺。由于考虑了脊髓的最大受量，强烈期望使用非共面射束的更好的剂量成形能力。
[0238] 图18显示采用不同策略优化的计划的等剂量分布。显示临床计划、自动计划-CB和自动计划-DB中更大部分的对侧肺的低剂量(5Gy)暴露，而自动计划-共面、自动计划-5B和自动计划-11B显示更好地对侧肺低剂量(5Gy)保护。使用非共面射束，自动计划-5B和自动计划-11B也显示更好的20Gy剂量保护。在这些计划中，自动计划-11B是最理想的。与临床计划相比，所有自动计划的适形度都有很大提高。
[0239] H.谨慎选择计划结构提高计划质量
[0240] 图19显示谨慎选择地计划结构如何提高了计划质量。图19a)和b)比较了具有/不具有FS-ClungAvoid结构的计划的等剂量分布。Fs-CordRingAvoid被限定为PrvCord充分并横向扩真3cm的环结构(在对侧肺方向)。脊髓的最大值不允许超过45Gy并且两个计划都牺牲了这一要求。然而如果可能常常希望Fs-CordRingAvoid区中的剂量不超过45Gy。如果计划容易满足所有其他约束那么这一要求常常是更期望的。计划结构Fs-CordRingAvoid可产生如图19b)中所示的非常期望的剂量分布。
[0241] 图19c)和d)对比了具有/不具有FS-ClungAvoid结构的计划的等剂量分布。FS-ClungAvoid被定义为对侧肺减去PTV获得的结构。图19c)和d)显示两个重要发现：1)射束角度的选择强烈依赖于计划目标和2)在日常临床中，临床目标被模糊限定。图13c)和d)显示的计划的MLD分别为18.9Gy和18.0Gy。然而，临床医师更倾向图19c)显示的计划，因为能更好地保护对侧肺。对于图19d)显示的计划，射束方向280得到强烈支持并给予了更大权重，以达到更好的靶适形度和总平均肺受量下降。然而，更倾向于更好保护对侧肺的计划。如图19d)显示，自动加入FS-ClungAvoid目标，删去了射束方向280，得到了具有更好保护对侧肺的计划。优选那些更好地保护对侧肺具有类似的或甚至差一点的MLD的计划，具有更好FS-CordRingAvoid的计划并没有被写进任何方案，却被医师们不言自明地采用了。这些不言自明的规则是为什么设计IMRT计划依旧是门艺术的原因。AutoPlan方法开始将这些规则加入到该方法中，这是真正自动化IMRT计划设计的非常重要的一步。
[0242] I.mdaccAutoPlan算法生成比临床计划更好的计划
[0243] 表4比较了自动计划和临床计划之间5例患者的平均剂量体积数据。在之前的一项研究中发现PSPT计划比用于治疗患者的临床IMRT计划显著提高肺保护。随着AutoPlan系统可用于肺癌患者，发现IMRT计划基本上能达到与PSPT在一项随机化光子和质子治疗III期肺癌患者的临床研究中所达到的肺保护。用AutoPlan重新设计了这5例患者，并比较了自动计划与临床计划。发现自动计划的MLD比临床计划低大约2Gy，与PSPT计划大体相同。除了肺保护以外，自动计划的脊髓、心脏、食道保护也比临床计划更好。自动计划的适形度(CI＝0.8)也比临床计划(CI＝0.7)更好，只是异质性稍高(自动计划HI＝1.2对比临床计划＝1.1)。医师检查了所有5例患者的自动计划，认为不需要进一步检查，可以用于治疗该5例患者。
[0244] 表4：
[0245]总肺 V5 V10 V20 V30 平均(Gy)
光子 58.5 45.3 34.5 29.1 20.1
质子 43.1 37.0 30.8 25.6 17.5
自动计划 51.9 38.3 28.8 24.6 17.4
光子 58.5 45.3 34.5 29.1 20.1
质子 43.1 37.0 30.8 25.6 17.5
自动计划 51.9 38.3 28.8 24.6 17.4
[0246]
[0247] 表4：由AutoPlan和有经验的临床医师生成的5例患者的计划的平均剂量
[0248] 体积数据，该5例患者也被用于参考文献Chang and Zhang 2006。
[0249] 上述工作描述了用于比较质子治疗的临床益处的用于III期肺癌患者随机化光子和质子治疗的临床研究中采用了AutoPlan系统。对于那项研究，最初，所有光子IMRT计划由AutoPlan系统和有经验的临床剂量师设计。AutoPlan系统设计的计划一贯比临床剂量师设计的计划更好或者不差。由于认识到AutoPlan系统一贯生成的IMRT计划很难通过人工参与得到提高，因此修改了方案，所以通过AutoPlan系统最初设计了所有质子临床计划。由初始的自动计划决定患者的随机化。如果计划对于质子IMRT治疗是随机的，那么如果必要的话，临床剂量师将在放射肿瘤医师的倾向上调整自动计划。就目前所知，AutoPlan系统是第一个基本上敲一键就能执行IMRT设计的系统，并且开始被真正的临床实践所采用。
[0250] 而且，自动计划比用于治疗患者的临床IMRT计划显著提高肺保护。也注意到如果医疗剂量师知道AutoPlan系统也在同时设计相同的计划时，他们人工设计的肺癌计划质量也提高了。
[0251] 一旦射束角度选择自动化，下一步重要的优化过程是目标函数定义和目标函数参数自动化。明智地选择计划结构以便用这些计划结构优化每一例肺癌病例。用相同的初始计划结构(目标函数参数)在100多例肺癌病例中测试了AutoPlan方法。显示这些计划结构也包括放射肿瘤医师在专家系统中使用的不言自明的对计划质量的判断。一旦谨慎选择了初始射束角度和初始目标函数参数，目标函数参数自动化惊人得有效。在实践中，如果确定了射束角度只需要2-3个OFPA循环就能获得最终计划。由于放射肿瘤医师经常喜欢用11射束的计划，系统能够在大约20分钟内自动生成具有11射束的复杂III期肺癌患者的自动计划。随着可用更强有力的计算机和平行记录计算法则，期望这20分钟可以容易地降低到1分钟内，这使得不需要人工参与的实时计划成为可能。
[0252] 在OFPA过程中，总肺目标被设定为(FS-LungAvoid)一个不可能达到的值，其由优化计划的非常高的目标值反映。生成的计划基本上与肺优化计划对应。发现这一肺优化计划是放射肿瘤医师最倾向的计划，尤其是对于复杂的III期肺癌病例。也证实通过生成这些肺优化计划，也满足了靶目标和其他临界结构目标，甚至比临床剂量师人工设计的计划更好。基于这项工作，用多准则法设计了一个系统，该方法同时生成几个优化计划和最终计划，可以通过治疗计划探测者(treatment plan explorer)进行评价和确定。该方法已经实施。
[0253] 实施例2
[0254] 生成用于前列腺癌肿瘤治疗计划的自动计划
[0255] 研究了随机选择的11例前列腺癌患者，每例处方剂量为76Gy 38次。每例患者都有一个临床计划，由剂量师使用在治疗机构使用的标准射束角度的8射束IMRT生成。用自动计划算法为每例患者生成了一个使用双弧(360度向后和向前)的VMAT计划。也为每例患者用自动计划算法生成了基于不同数量射束角度的一系列IMRT计划。对于每一例患者，IMRT计划始自具有已选择射束角度的8射束自动计划并且射束数量升高到12，16等等直到IMRT计划达到与VMAT计划相类似的质量。所有基于自动计划的IMRT计划使用了将会产生更好危及器官(OAR)保护的射束角度。在前列腺癌常见的三个OAR中，股骨头和膀胱通常比经常与PTV重叠的直肠容易保护；降低直肠受量一直是一个难题。因此，在本实施例中，射束角度选择主要集中在更好的直肠受量保护上。为了在公平基础上比较，所有基于自动计划的计划都被优化至与临床批准的每例患者的计划相类似的PTV覆盖。通过适形度(CI)和异质性(HI)评估PTV覆盖，适形度(CI)被限定为
[0256]
[0257]
[0258] TV＝靶区
[0259]
[0260] 异质性(HI)被限定为
[0261]
[0262] D1＝包含1％靶区的剂量
[0263] D95＝包含95％靶区的剂量
[0264] 计算和比较了每类计划的30-60Gy等剂量线内平均OAR体积和直肠和膀胱平均受量。为了评估剂量输送时间，也比较了平均每次总MU。
[0265] 如图20-22所显示，通过使用自动计划算法，在适形度和异质性方面，本实施例中生成的所有IMRT和VMAT计划都达到了与临床计划类似的PTV覆盖。在具有类似PTV覆盖的情况下，发现所有基于自动计划的计划产生了至少一个可与临床计划类似的正常组织保护。图21和22显示了11例患者中30-60Gy的平均百分比等剂量体积和直肠和膀胱的平均受量。对于两个OAR，自动计划通常具有比临床计划更低的受量，尤其是对于直肠。当使用较少射束时，VMAT计划与IMRT计划相比产生了显著的剂量下降；然而，当射束数量增加，IMRT显示出甚至比VMAT更低剂量的趋势。
[0266] 在超过VMAT计划质量IMRT所需射束数量方面，也观察到不同的患者显示出很大差异：一些患者需要较少的射束，一些需要更多。在本实施例的11例患者中，所需最小和最大射束数量分别为12和24。图23显示了从基于自动计划的每一类型IMRT计划比从基于自动计划的VMAT计划接受了更好计划质量的患者数量。
[0267] 图24和25比较了两例在IMRT中需要不同数量射束以达到与VMAT类似质量的患者的每一类型计划的剂量体积直方图(DVH)。对于两例患者，与临床计划和基于自动计划的8射束IMRT计划相比，VMAT计划显示出显著的直肠受量下降。然而，随着IMRT计划中使用的射束数量增加，直肠受量急剧下降并接近VMAT计划的受量水平，同时保持了类似的PTV覆盖水平。对于患者1和患者2，12射束IMRT计划和24射束IMRT计划都分别生成了比VMAT计划低的直肠受量。
[0268] 图26显示了患者2的临床计划、8射束和24射束基于自动计划的IMRT计划和基于自动计划的VMAT计划的等剂量分布。基于自动计划的计划，尤其是VMAT计划，不仅提高了直肠和膀胱的受量保护，还显著降低了接近体表面的热点区域的量，并降低了扩散至正常组织的剂量。虽然基于自动计划的计划在股骨头区域显示比临床计划有更高的剂量，但是它们都满足了股骨头标准剂量准则。
[0269] 比较每一类型计划的总MU时，随着IMRT中使用的射束数量增加，总MU显著增加；如图27所示，VMAT计划产生比临床计划和8射束基于自动计划的IMRT计划分别高大约
30％的MU，但是只稍高于24射束IMRT计划。
30％的MU，但是只稍高于24射束IMRT计划。
[0270] 在本实施例中，所有基于自动计划的IMRT计划都使用了重新选择的射束角度，而不是机构的标准的8射束模版。角度选择的原则是选择更多的与前列腺和直肠之间的交叉的切线方向平行的射束，以使它们能够在连接点生成最佳剂量陡降。在基于AIP的IMRT计划中，剂量分布的显著提高和直肠受量保护可能部分来自于射束角度的合适选择。然而，也观察到，随着射束数量增加，射束角度选择逐渐失去了对计划质量的影响。
[0271] 如上所示，基于自动计划的VMAT计划比临床IMRT计划具有明显的优势，这不仅展示了VMAT的巨大潜能，也显示自动计划算法在治疗计划设计中的有效性。由于剂量师设计的临床VMAT计划数量有限，没有包括临床计划和基于自动计划的VMAT计划之间的比较。然而，对于仅有的两例有可用的临床VMAT计划的前列腺患者，基于自动计划的VMAT计划至少产生了与临床VMAT计划类似的计划质量。图28显示了了其中一例患者的DVH。
[0272] 这表明，VMAT技术与自动计划算法组合生成比临床计划更好的用于前列腺癌治疗的计划。然而，如果计划中使用的射束足够高，采用自动计划算法的固定射束IMRT能够超过VMAT的表现。随着射束数量增加，IMRT计划质量持续提高，直到某个点，IMRT超过VMAT，这个转折点在不同患者中差异很大，其在本实施例中包括的患者组中从12射束跨越到24射束。期望当在IMRT中使用更大数量的射束时能生成更好的计划，然而，剂量输送时间和总的治疗时间也更长，经济费用也更高。考虑到VMAT的更好的输送效率和目前VMAT在DVH和剂量分布适形度方面的计划质量都很好地超过了临床计划，VMAT可能依旧是治疗前列腺癌的首选。
[0273] 实施例3
[0274] 用于生成头颈部肿瘤的治疗计划的自动计划
[0275] 用于头颈部癌症的AutoPlan算法遵循与前列腺癌症类似的方法。第一，算法在医师勾画的轮廓的基础上自动生成计划ROI结构；为提高计划质量和效率，新生成的结构包括对最初轮廓的修改和添加。自动配置具有预先选定角度的放射射束，将具有预先设定参数的逆向计划目标加到Pinnacle3计划系统中。执行第一轮目标优化，并评价PTV目标函数。如果所有PTV目标都满足了，增加OAR目标权重或降低OAR目标受量，继续优化而不重设射束；重复这一过程直到一个或多个PTV目标没有满足。在最后步骤中，去掉正常组织/PTV中的热/冷点-热/冷点ROI由等剂量结构生成，用于限制热/冷点ROI中剂量水平的目标被添加到目标单中。接着，重新优化计划而不重设射束。热/冷点去除的过程重复几个迭代，生成最终计划。
[0276] 图29和30显示用于头颈部患者的临床和自动计划剂量分布。
[0277] 实施例4
[0278] 用于生成肺肿瘤的VMAT治疗计划的自动计划
[0279] 图31(a)和(b)显示用于肺肿瘤患者的固定射束IMRT临床计划和基于自动计划的VMAT计划剂量分布。图31(c)显示固定射束IMRT临床计划(实线)和基于自动计划的VMAT计划(虚线)之间的DVH比较。由于基于自动计划的VMAT计划基本上达到了类似固定射束IMRT计划的计划质量，本实施例证实自动计划算法现在可以用于VMAT放疗。
[0280] 实施例5
[0281] 用于生成肺肿瘤的VMAT SBRT计划的自动计划
[0282] 图32(a)和(b)显示用于I期肺癌患者的基于自动计划的VMAT SBRT计划、固定射束SBRT临床计划和剂量分布。图32(c)是固定射束临床SBRT计划(实线)和基于自动计划的VMAT SBRT计划(虚线)之间的DVH比较。由于基于自动计划的VMAT SBRT计划基本上达到了比固定射束SBRT计划更好的计划质量，本实施例证实AutoPlan可以用于SBRT。
[0283] 实施例6
[0284] 用于生成前列腺肿瘤的ART计划的自动计划
[0286] 等中心重新定位法，即当前的自适应图像引导放疗，被用于比较AutoPlanAAP方法的益处。对于等中心重新定位法，自前列腺和精囊(SV)外扩5mm生成计划靶区(PTV)。通过研究Pinnacle(8.1y)中的AutoPlan设计具有标准8射束的IMRT和Smart-Arc计划，以达到对PTV 95％(如76Gy)处方剂量覆盖，并最小化直肠、膀胱和股骨头的受量。对于每个日常CT，使用计划CT和日常CT之间的粗略图像匹配确定的新的等中心重新计算计划。
由等中心位移重新计算的计划称为Rp-iso计划。
由等中心位移重新计算的计划称为Rp-iso计划。
[0287] 对于AAP法，日常CT的PTV被限定为扩展的前列腺和SV外扩3mm。通过AutoPlan使用新的PTV和直肠、膀胱和股骨头的扩展轮廓生成新的逆向IMRT计划和新的SmartArc计划。AutoPlan生成的ART计划称为Adaptplan。
[0288] 在医师勾画的模拟CT和日常CT轮廓的基础上进行最终的治疗计划评价。通过在医师勾画的日常CT轮廓的基础上平均DVH获得靶和正常组织的累积剂量体积直方图(DVH)，并与通过等中心位移重新计算的初始计划进行比较。
[0289] 图33显示了在两种不同情形中用于治疗计划的自动生成的轮廓(用线表示)和医师勾画的日常治疗中解剖学变化的轮廓(彩色填充)之间的比较：(a)没有气泡和(b)在直肠中有气泡。对于情形(a)和(b)，分别用Demons变形图像匹配(DIR)算法和DIR加后轮廓自适应生成轮廓，与医师勾画的轮廓紧密匹配。也应该注意到自动生成的轮廓并不完美。然而，在两种情形中，通过将扩展的前列腺和SV外扩3mm生成的重新计划PTV包绕了医师勾画的前列腺和SV。最大错误是自动生成的直肠和膀胱在靶区外。
[0290] 图34和35显示，与等中心重新定位法比较，AAP法带来的提高程度。图34显示基于日常CT采用AAP法的自适应计划(Adaptplan)和等位移计划(Rp-iso计划)对固定射束IMRT技术(a和b)和VMAT技术(c和d)的等剂量分布的比较。可以看出，在对靶分次治疗过程中(在图34(a)和(c)中显示)，AAP法校正了剂量不足。图35图示了基于日常CT采用AAP法的自适应计划(Adaptplan)和等位移计划(Rp-iso计划)对固定射束IMRT技术(a和b)和VMAT技术(c和d)的DVH的比较。显示的每个DVH是在8例日常CT的医师勾画轮廓基础上计算的8个DVH的平均值。自适应IMRT计划(IMRTAdaptplan)和等位移IMRT计划(a，b)之间的累积DVH比较以及自适应Arc计划(Arc Adaptplan)和Rp-iso Arc计划(c，d)之间的累积DVH比较。由虚线指示的DVH清晰显示了通常使用的等位移方法引起的前列腺和SV的剂量不足和直肠的过剂量。使用AAP法，靶区剂量不足和直肠过剂量的缺陷得以克服。Arc Plan的Rp-iso计划中的膀胱保护好于Adaptplan。原因是日常治疗中，大的解剖学变化(膀胱充盈)导致SV靠近直肠而远离膀胱。这样，等位移法保护了更多膀胱，以SV剂量不足为代价。
[0291] 特别地，IMRT中，前列腺和SV被处方剂量覆盖的体积百分比是98.8％和96.7％，对于VMAT是97.2％和95.5％，与等位移法相比，IMRT分别绝对提高了10.8％和15.3％，VAMT计划是5.4％和10.9％。对于IMRT，直肠V70和平均受量是10.7％和40.5Gy，VMAT是10.3％和33.3Gy，与等位移法相比，IMRT分别绝对提高了10.3％和8.5Gy，VAMT计划是10.8％和6.8Gy。
[0292] 实施例7
[0293] 用于生成前列腺肿瘤ARC计划的自动计划
[0294] 为本实施例随机选择了以前治疗过的11例患前列腺癌症的患者。对每一例患者，检测了VMAT计划和一系列使用逐渐增加的射束数量(8，12，16，20和24射束)的IMRT计划。使用内部开发的自动化逆向计划(AIP)算法生成所有计划。一个用于治疗患者的现有的8射束临床IMRT计划作为参考计划。对于每一例患者，优化了所有AIP生成的计划以达到与参考计划相同的计划靶区(PTV)覆盖水平。通过测定每一类型计划中危及器官，尤其是直肠，的平均受量和剂量体积统计评价计划质量。
[0295] 对于相同的PTV覆盖，就直肠保护而言，AIP生成的VMAT计划的质量显著好于8射束临床计划和AIP生成的IMRT计划(p＜0.0001)。然而，IMRT和VMAT计划之间的所有剂量测定指标的差异随着IMRT中所用射束数量的增加而减小。当IMRT中所用射束数量增加到某个数量时，在研究的这组患者中从12跨越到24，IMRT计划质量类似或好于VMAT。好的VMAT计划质量源于比8射束IMRT计划多接近30％的监测单元，但是输送时间依旧小于3分钟。
[0296] 鉴于与IMRT相比，VMAT的较好的计划质量和输送效率，VMAT可能是治疗前列腺的首选疗法。
[0297] 实施例8
[0298] 患者
[0299] 随机选择了2009至2010之间接受IMRT治疗的11例前列腺癌症患者的计算机断层成像数据组用于伦理委员会批准的本项研究。计划靶区(PTV)限定为前列腺和临近精囊(n＝8)，或者是前列腺和整个精囊(n＝3)，具有在后部5mm和其他方向7mm的边界。对于所有患者，处方剂量为76Gy 38次。直肠耐受量为70Gy覆盖少于25％的体积，90％的等剂量线落入直肠的半宽度，50％的等剂量线落入直肠的全宽。对于膀胱，65Gy和40Gy要分别覆盖少于25％和50％的体积。限制股骨头少于10％的体积接受50Gy(24)。
[0300] 自动逆向计划(AIP)算法
[0301] 用在Pinnacle3v9.0治疗计划系统中实现的AIP算法(Philips NuclearMedicine，Fitchburg，WI)(25，26)为每例患者生成VMAT和IMRT计划。AIP算法利用Pinnacle的脚本语言。通过执行下列步骤，有效且自动地生成IMRT或VMAT计划。
[0302] 1.计划结构生成。为便于逆向计划设计，在医师勾画的PTV、OAV和正常组织的基础上生成一组计划结构。表5中列出了对每个结构地简要描述。除了基本结构外，AIP创建两个环结构，FS-PTVRing和FS-Ring，帮助形成等剂量分布，并在相应区域降低热点的出现。
[0303] 表5
[0304]
[0305] 2.初始目标函数设定。在之前的前列腺治疗计划设计经验的基础上确定一组用于所有前列腺IMRT/VMAT患者的目标函数并作为AIP中优化的起始点。如表6显示的目标函数初始组，给予OAR和正常组织紧密的剂量约束，但是给予PTV较松的约束，这样，初始优化会得到最佳OAR保护。
[0306] 表6
[0307]ROI 类型 约束 靶cGy 体积(％) 权重 a
FS-PTV 均一剂量 N 7900 0.01
FS-PTV 最大剂量 N 7900 0.01
FS-PTV 最小剂量 N 7900 0.01
FS-PTVRing 最大剂量 N 7000 0.005
FS-Ring 最大DVH N 4000 0 0.002
FS-NormalTissue 最大DVH N 4000 0 0.01
FS-BladderAvoid 最大EUD N 1600 0.01 2
FS-RectumAvoid 最大EUD N 1600 0.01 5
FS-FHAvoid 最大EUD N 3500 0.01 50
FS-PTV 均一剂量 N 7900 0.01
FS-PTV 最大剂量 N 7900 0.01
FS-PTV 最小剂量 N 7900 0.01
FS-PTVRing 最大剂量 N 7000 0.005
FS-Ring 最大DVH N 4000 0 0.002
FS-NormalTissue 最大DVH N 4000 0 0.01
FS-BladderAvoid 最大EUD N 1600 0.01 2
FS-RectumAvoid 最大EUD N 1600 0.01 5
FS-FHAvoid 最大EUD N 3500 0.01 50
[0308] 3.目标函数参数优化(OFPO)。图36显示了OFPO程序的流程图。对每例患者实施3至6轮优化，这依赖于每轮优化得到的PTV覆盖。一旦PTV D95超过了一个预先设定的阈值(Dthreshold)，OFPO终止。初始优化后的每一轮优化中，增加PTV目标的权重，并继续优化。这样，生成一个提高了PTV覆盖从而降低了OAR保护的计划。3轮优化后，保存每个生成的计划，最终，生成1至4个计划，每个具有不同的PTV/OAR权衡。图37显示了一个例子。医师可以为他们选择更优越的方案。
[0309] 需要注意的是AIP程序不是一个治疗计划系统，而是内嵌联合于Pinnacle3治疗3
计划系统中的逆向计划技术。AIP程序利用Pinnacle 的内置功能，其包括剂量计算和优化
3
插件程序。在本实施例中，所有AIP生成的VMAT计划都使用Pinnacle 中的SmartArc模块优化，其使用Bzdusek等人(27)描述的优化算法。本实施例中所有AIP生成的IMRT计划都使用直接机械参数优化(DMPO)模块(28)优化，其直接优化MLC叶位和分段权重，因此没有必要进行影响转换(fluence conversion)，在输送过程中计划质量也不会下降。当使用相同的射束配置时，AIP算法能够一直生成好于有经验的剂量师人工生成的或者与之类似的计划(25，26)。
计划系统中的逆向计划技术。AIP程序利用Pinnacle 的内置功能，其包括剂量计算和优化
3
插件程序。在本实施例中，所有AIP生成的VMAT计划都使用Pinnacle 中的SmartArc模块优化，其使用Bzdusek等人(27)描述的优化算法。本实施例中所有AIP生成的IMRT计划都使用直接机械参数优化(DMPO)模块(28)优化，其直接优化MLC叶位和分段权重，因此没有必要进行影响转换(fluence conversion)，在输送过程中计划质量也不会下降。当使用相同的射束配置时，AIP算法能够一直生成好于有经验的剂量师人工生成的或者与之类似的计划(25，26)。
[0310] 计划研究设计
[0311] 对于每例患者，在本实施例之前有经验的剂量师生成的临床使用的IMRT计划作为参考计划。这些计划使用8射束配置，是前列腺癌症治疗的标准。
[0312] 在本实施例中，用AIP算法为每例患者生成一个VMAT计划。AIP生成的VMAT计划使用2个360°弧(一个顺时针旋转，另一个逆时针旋转)，比使用一个360°弧产生更好的计划质量。在讨论部分对使用单弧和双弧进行了比较。延每个弧4°间距创建了91个对照点，这是Pinnacle的缺省值并表现出良好的剂量计算精确性(29)。发现2°的密集间距是没有必要的，因为它对计划质量几乎没有提高，却大大延长了优化时间。用可变剂量率和可变机架旋转速度生成所有VMAT计划。
[0313] 也采用AIP算法使用8，12，16，20和24射束角度为每例患者生成了一系列IMRT计划。8射束配置用于MDACC的标准模板中。对于12-，16-，20-和24-射束IMRT配置，更密集选择接近延直肠和PTV交叉点切向的射束角度而较少选择另一方向的角度。这样的射束角度分布在直肠产生锐利的剂量陡降。选择的射束角度在患者之间是不同的，但是大多数射束角度是相同的。然而，对于24射束IMRT计划，发现单一分布的射束角度生成比用上述提到的方法选择射束角度更好的计划质量。因此，单一射束角度分布用于24射束IMRT计划。在本实施例中，没有从与其他计划相同的目标简单计算AIP生成的具有高数量射束的计划，也没有建立在具有较低数量射束计划的基础上。相反，为每个射束配置单独执行了AIP算法，其结果是不同组的目标参数。每一AIP执行后，不同PTV/OAR生成的IMRT计划折中，选择与临床IMRT计划具有相同PTV覆盖水平的IMRT计划以直接比较计划之间的OAR保护。
[0314] 表6列出了对于IMRT和VMAT逆向计划参数设置的更多细节。IMRT的最大分段数量和VMAT的最大秒输送时间都设置为100，因为进一步增加限制对提高计划质量没有帮助。本实施例中的所有IMRT计划采用了静态调强技术，所有计划输送6-MV光子。
[0315] 表7：
[0316]最小分段区域(cm2) 2
最小分段 1
最小双叶数量 2
最小叶末端分离(cm) 1.5
最大迭代次数 25
卷积剂量迭代 5
最大分段数量(IMRT) 100
最大输送时间(秒)(VMAT) 100
剂量计算 CC卷积
最小分段 1
最小双叶数量 2
最小叶末端分离(cm) 1.5
最大迭代次数 25
卷积剂量迭代 5
最大分段数量(IMRT) 100
最大输送时间(秒)(VMAT) 100
剂量计算 CC卷积
[0317] 使用适行度(CI)和异质性(HI)评价了PTV覆盖，按照如下计算(30)：
[0318]
[0319] 其中TVDp是被处方剂量覆盖的靶区，TV是靶区，VDp是被处方等剂量表面包围的体积，
[0320]
[0321] 其中D1和D95分别是包围1％和95％靶区的剂量。
[0322] 用剂量体积直方图(DVH)评价了IMRT和VMAT计划。为定量检测每个计划的OAR保护，计算了30-，40-，50-，60-和70-Gy等剂量线内的平均OAR体积以及直肠和膀胱的平均受量。也比较了每次的总MU以评价每个计划的输送时间。用双向成对t-检测进行统计学分析，限定p值＜＝0.05为统计学显著。
[0323] 实施例9
[0324] 所有AIP生成的IMRT和VMAT计划都由放射肿瘤医师进行评审，并认为可接受用于患者治疗。本实施例中所有AIP生成的计划都达到了与之前由有经验的剂量师生成的8射束临床IMRT计划类似的PTV覆盖水平。如图20所示，对于每个类型的计划，11例患者的平均CI和HI值类似。
[0325] 总结了那些每一类型的IMRT计划比他们的VMAT计划达到更好的直肠保护的患者的数量。如图23所示，没有患者从8射束临床计划或AIP生成的IMRT计划得到了比从VMAT计划更好的直肠保护。对一例患者，12射束IMRT计划比VMAT计划达到了更好的直肠保护(平均直肠受量低14％，受到0-30Gy剂量时体积少15％，受到40-70Gy剂量时体积只高1％)。患者的数量随IMRT计划中射束数量增加而增加。所有患者都从24射束IMRT计划中得到了比VMAT计划中更好的直肠保护。
[0326] 图38和39图示了具有类似PTV覆盖水平的IMRT和VMAT计划中直肠和膀胱的定量剂量体积测定。总体上，8射束AIP生成的IMRT计划与8射束临床IMRT计划具有类似的直肠和膀胱保护，但是好于AIP生成的VMAT计划。随着IMRT计划中使用的射束数量增加，这些计划达到的直肠保护水平也随着提高，最终达到与VMAT计划类似的水平。图44显示VMAT计划输送的剂量和各种IMRT计划输送的剂量之间差异的p值。对于所有直肠剂量测定指标，VMAT计划具有显著高于8射束临床计划和AIP生成的IMRT计划的优势(p＜0.0001)。然而，随着IMRT计划中包括的射束数量增加，VMAT计划的剂量测定优势显著性减小，因为IMRT计划质量提高了。对于所有膀胱剂量测定指标，VMAT计划和AIP生成的8射束IMRT计划平均好于或至少不差于8射束临床计划。在本实施例生成的所有计划中，虽然在单个患者中的趋势不如在直肠中清晰，但是膀胱受量水平很好地落在标准受量约束(24)范围内。
[0327] 图40显示一例典型患者的DVH。每一类型的计划中PTV受到了类似水平的覆盖。直肠从VMAT计划接受到了比从8射束IMRT计划少很多的剂量。然而，随着IMRT计划中射束数量增加，IMRT计划中直肠受量下降。在20射束AIP生成的IMRT计划中，中剂量区域直肠DVH只稍高于VMAT计划，在低剂量和高剂量区域，则好于VMAT计划。24射束AIP生成的IMRT计划几乎与20射束AIP生成的IMRT计划相同。
[0328] 对于图40中显示的患者，注意每一计划中控制点的总数量的变化。对于16射束AIP生成的IMRT计划，控制点总数量是210(每个射束方向9-19个控制点)，比VMAT计划高15％(182)，但是该IMRT计划中直肠保护没有达到与VMAT计划相同的水平。对于20射束AIP生成的IMRT计划，控制点总数量位238(每个射束方向7-19个控制点)，这补偿了缺失的射束角度，得到了与VMAT计划相同水平的直肠保护。
[0329] 图41显示一例典型患者的不同类型计划的等剂量分布，该患者的IMRT计划需要24射束才能达到与VMAT计划类似的直肠保护。尽管24射束IMRT计划和VMAT计划比8射束临床计划输送了更高剂量到股骨头，但是它们都在股骨头标准剂量约束内(V50小于
10％(24))。
10％(24))。
[0330] 每一计划所用总MU的比较显示使用的平均总UM随着IMRT计划中射束数量增加而显著增加。AIP生成的VMAT计划用了比8射束临床计划和AIP生成的IMRT计划多30％的总UM，但是只比24射束AIP生成的IMRT计划高4％(图9)。一个典型的VMAT计划的输送时间是2.6分钟，8-、12-、16-、20-和24-射束IMRT计划的输送时间分别是4.7、7、9.3、11.7和14分钟，这包括射束工作时间和每个射束的加载时间。
[0331] 在本实施例中，比较了VMAT计划和一系列使用数量逐渐增加的射束的IMRT计划的质量。显示AIP生成的VMAT计划得到了显著好于目前使用的8射束配置的IMRT计划的直肠保护。当IMRT计划中加入更多机架角时，VMAT计划的质量依旧一直好于IMRT计划，直到IMRT计划的射束数量达到12-16。IMRT计划质量开始变得与VMAT计划类似或稍好于VMAT计划的这一点在检测的不同的患者之间有差异。超过这一点，即使使用更多射束，IMRT计划质量也没有显著地进一步提高。这表明对于前列腺癌症，VMAT的计划质量是IMRT计划质量随着使用的射束数量增加而收敛于一个极限。
[0332] 从另一角度，这些结果证实了VMAT计划和IMRT计划质量之间的差异是由于射束角度的数量和两种疗法中每个角度的调制水平的差异。这些结果显示具有更多数量的射束角度但每个角度有较少的调制(控制点)好于(就计划质量而言)每个角度具有许多调制但射束角度数量少。然而，当IMRT中的射束数量足够大时，在IMRT中许多射束角度的大数量调制可能会补偿射束数量不足，并生成类似于VMAT计划质量的计划。
[0333] 由于开发了内部AIP算法以生成具有最佳计划质量的治疗计划，本实施例中所有AIP生成的计划都具有能够达到的最佳质量，这使得我们可以对两种疗法进行公平的比较。评价本实施例中的计划质量时，使用了最近Moore等人(31)发表的质量控制(QC)法。发现从AIP生成的计划检测到的直肠受量一直接近于该文章中提到的QC模式预测的“最佳器官保护”。从AIP生成的8野IMRT计划得到的相对模式超出，其给出检测剂量和预测剂量之间的标准化差异，为从-0.2到0.22Gy，这在应用QC程序后期望的范围内(-0.8至0.22Gy)。
临床质量IMRT计划也具有类似范围的结果。这个结果显示临床和AIP生成的IMRT计划都达到了与良好质量控制的计划类似水平的直肠保护。该算法用与对期望为这种射束配置生成相同高水平的计划质量的8野IMRT计划所做的相同的方式优化了大数量射束IMRT计划。
临床质量IMRT计划也具有类似范围的结果。这个结果显示临床和AIP生成的IMRT计划都达到了与良好质量控制的计划类似水平的直肠保护。该算法用与对期望为这种射束配置生成相同高水平的计划质量的8野IMRT计划所做的相同的方式优化了大数量射束IMRT计划。
[0334] 本实施例中的AIP生成的VMAT计划的MU使用显著高于8射束IMRT计划，这与其他研究组得到的结果是一致的，其他研究组发现VMAT计划通常会比IMRT计划减少MU使用(3、10、12、13、16、17)。对于在Varian计划系统(3、16)中进行的研究，VMAT中MU使用的显著降低可能来自于VMAT和IMRT优化算法的不同。与Pinnacle中进行的研究(12，13)相比，差异可能是由于AIP算法的关注点在于提高计划质量，尤其是通过降低直肠受量，因此生成可以达到的最佳计划，而不是具有更高输送效率或的MU使用的计划。从这些计划得到的高MU使用可能是高度适形的剂量分布和优越的OAR保护的结果。为了证实这一点，使用了比AIP算法宽松的直肠和膀胱受量约束的一组目标为一例患者人工设计一个VMAT计划。该人工计划与相应的AIP生成的VMAT计划(1038MU)相比得到了显著降低的MU使用(363MU)，但是也得到了较差的OAR保护(图10)。就输送时间而言，1038-MU的计划只比363-MU计划长10％。不可否认，较高MU有其缺陷，诸如由于散射和MLC渗漏而引起的潜在总机体受量增加(32)。
[0335] 本实施例中生成的所有VMAT计划使用了2个360°弧，而不是1个360°弧，因为发现在计划质量和输送效率的权衡方面，双弧好于单弧。图43显示了单弧和双弧VMAT计划的典型DVH图。双弧产生了比单弧好的直肠和膀胱保护。实际上，双弧VMAT计划通常比单弧VMAT计划少使用15％多的总MU。因此，在本实施例中，双弧VMAT计划用于与IMRT比较。
[0336] Pirzkall等人之前已经用与我们完全不同的方法研究了射束数量对计划质量的影响，他们发现少于9射束可能增加远离靶区的区域的受量。在他们的研究中，“用相同的剂量体积约束”生成了所有IMRT计划。相反，本实施例中每个计划的生成都独立于其他计划。特别是，对每个射束角度配置都优化了每个计划的目标函数参数，保证每一计划的高计划质量。
[0337] 这表明了AIP算法对前列腺质量计划设计的有效性。对于可获得的仅有几例人工设计的临床VMAT计划，AIP生成的VMAT计划产生了至少是可相比的计划质量。对于所有检测的患者，AIP算法也始终生成了与剂量师人工设计的具有相同射束角度配置的IMRT计划可相比的(如果不是好于的话)IMRT计划。
[0338] 有人可能质疑，因为其低输送效率，高数量射束(＞8)IMRT不能用于临床时间。在本实施例中，高数量射束IMRT被用于更好地了解IMRT的能效和IMRT和VMAT计划之间的差异。并且，使固定射束IMRT更有输送效率的新技术，如TrueBeam系统(Varian Medical Systems，Palo Alto，California)中使用的，以及IMRT输送技术的持续提高将使更有效率地输送高数量射束IMRT计划在不远的将来成为可能，使持续扩展对该疗法的了解成为可能。
[0339] 这显示VMAT技术组合内部AIP算法生成的计划显著好于治疗前列腺癌症的8射束临床IMRT计划。为提高IMRT计划质量以使其与优化的VMAT可比拟，需要使用足够数量的射束。然而，这将导致甚至更长的剂量输送、增加的治疗时间(导致次间运动增加)和高经济费用。考虑到VMAT的优越的输送效率和优化的VMAT计划质量在DVH和剂量分布适形度方面都超过了临床IMRT计划的事实，VMAT可能是治疗前列腺癌症的首选疗法。
[0340] 参考文献
[0341] 所有下列文献作为参考在这里被全文引用。
[0342] Xiaodong Zhang et al.Phys.Med.Biol.56(2011)3873-3893.
[0343] Allen，A.M.and E.H.Baldini(2007).″In regards to Allen et al.(Int J radiat oncol biol phys 2006；65：640-645)-Repl y. ″ International Journal of Radiation Oncology Biology Physics 68(1)：316-316.
[0344] Allen，A.M.，M.Czerminska，et al.(2006).″Fatal pneumonitis associated with intensitymodulated radiation therapy for mesothelioma. ″ International Journal of Radiation Oncology Biology Physics 65(3)：640-645.
[0345] Allen，A.M.，D.Schofield，et al.(2007). ″ Restricted field imrt dramatically enhances IMRT planning for mesothelioma.″International Journal of Radiation Oncology Biology Physics 69(5)：1587-1592.
[0346] Chang，J.Y.，X.D.Zhang，et al.(2006).″Significant reduction of normal tissue dose by proton radiotherapy compared with three-dimensional conformal or intensity-modulated radiation therapy in Stage I or Stage III non-small-cell lung cancer. ″ InternationalJournal of Radiation Oncology Biology Physics65(4)：1087-1096.
[0347] Chung，H.T.，B.Lee，et al.(2008). ″ Can all centers planintensity-modulated radiotherapy(IMRT)effectively ？ An external audit of dosimetric comparisons between threedimensional conformal radiotherapy and IMRT for adjuvant chemoradiation for gastric cancer.″International Journal of Radiation Oncology Biology Physics 71(4)：1167-1174.
[0348] D′Souza，W.D.，H.H.Zhang，et al.(2008).″A nested partitions framework for beam angle optimization in intensity-modulated radiation therapy.″Physics in Medicine and Biology 53(12)：3293-3307.
[0349] Forster，K.M.，W.R.Smythe，et al.(2003). ″ Intensity-modulated radiotherapy folloWing extrapleural pneumonectomy for the treatment of malignant mesothelioma：Clinical implementation. ″ International Journal of Radiation Oncology Biology Physics 55(3)：606-616.
[0350] Komaki，R.，Z.X.Liao，et al.(2006).″Fatal pneumonitis associated with intensity-modulated radiation therapy for mesothelioma：In regard to Allen et al.(Int J Radiat Oncol Biol Phys 2006；65：640-645).″International Journal of Radiation Oncology Biology Physics 66(5)：1595-1596.
[0351] Liao，Z.X.，J.D.Cox，et al.(2007).″Assessing the impact of technological advancement on outcome for patients with unresectable locally advanced non-small celllung cancer(NSCLC)receiving concomitant chemoradiotherapy.″International Journal of Radiation Oncology Biology Physics 69(3)：S160-S161.[0352] Liu，H.H.，M.Jauregui，et al.(2006). ″ Beam angle optimization and reduction for intensitymodulated radiation therapy of non-small-cell.lung cancers.″International Journal of Radiation Oncology Biology Physics 65(2)：561-572.
[0353] Meedt，G.，M.Alber，et al.(2003). ″ Non-coplanar beam direction optimization for intensitymodulated radiotherapy.″ Physics in Medicine and Biology 48(18)：2999-3019.
[0354] Potrebko，P.S.，B.M.C.McCurdy，et al.(2008). ″ Improvingintensity-modulated radiation therapy using the anatomic beam orientation optimization algorithm.″Medical Physics 35(5)：2170-2179.
[0355] Pugachev，A.and L.Xing(2002).″Incorporating prior knowledge into beam orientaton optimization in IMRT.″International Journal of Radiation Oncology Biology Physics 54(5)：1565-1574.
[0356] Rodrigues，G.B.and W.H.Roa(2007). ″ In regard to Allen et al.：Fatal pneumonitis associated with intensity-modulated radiation therapy for mesothelioma (Int J Radiat Oncol Biol Phys 2006；65：640-645).″International Journal of Radiation Oncology Biology Physics 68(3)：959-959.
[0357] Stein，J.，R.Mohan，et al.(1997).″Number and orientations of beams in intensity-modulated radiation treatments. ″ Medical Physics 24(2)：149-160.Veldeman，L.，I.Madani，et al.(2008).″Evidence behind use of intensity-modulated radiotherapy：a systematic review of comparative clinical studies. ″ Lancet Oncology 9(4)：367-375.
[0358] Wang，X.C.，X.D.Zhang，et al.(2005).″Effectiveness of noncoplanar IMRT planning using a parallelized multiresolution beam angle optimization method for paranasal sinus carcinoma.″International Journal of Radiation Oncology Biology Physics 63(2)：594-601.
[0359] Wang，X.C.，X.D.Zhang，et al.(2004). ″ Development of methods for beam angle optimization for IMRT using an accelerated exhaustive search strategy.″International Journal of Radiation Oncology Biology Physics 60(4)：1325-1337.
[0360] X.G.Wu，Y.P.Zhu，and L.M.Luo，“Linear programming based on neural networks for radiotherapy treatment planning，”Phys.Med.Biol.45，719-728(2000).[0361] I.I.Rosen et al.，“Treatment plan optimization usinglinearprogramming，”Med.Phys.18，141-152(1991).
[0362] M.Langer et al.，“Comparison of mixed integer programming and fast simulated annealing for optimizing beam weights in radiation therapy，”Med.Phys.23，957-964(1996).
[0363] E.K.Lee，T.Fox，and I.Crocker，“Optimization of radiosurgery treatment planning via mixed integer programming，”Med.Phys.27，995-1004(2000).
[0364] T.Bortfeld et al.，“Methods of image-reconstruction from projections applied to conformation radiotherapy，”Phys.Med.Biol.35，1423-1434(1990).[0365] T.Bortfeld，“Optimized planning using physical objectives and constraints，”Semin Radiat.Oncol.9，20(1999).
[0366] P.S.Cho et al.，“Optimization of intensity modulated beams with volume constraints using two methods：Cost function minimization and projections onto convex sets，”Med.Phys.25，435-443(1998).
[0367] T.Holmes et al.，“A unified approach to the optimization ofbrachytherapy and external beam dosimetry，”Int.J.Radiat.Oncol.，Biol.，Phys.20，
859-873(1991).
859-873(1991).
[0368] D.Hristov et al.，“On the implementation of dose-volume objectives in gradient algorithms for inverse treatment planning，”Med.Phys.29，848-856(2002).[0369] G.Starkschall，A.Pollack，and C.W.Stevens，“Treatment planning using a dose-volume feasibility search algorithm，”Int.J.Radiat.Oncol.，Biol.，Phys.49，1419-1427(2001).
[0370] Q.W.Wu and R.Mohan，“Algorithms and functionality of an intensity modulated radiotherapy optimization system，”Med.Phys.27，701-711(2000).[0371] Q.Hou and Y.G.Wang，“Molecular dynamics used in radiationtherapy，”Phys.Rev.Lett.8716，168101(2001).
[0372] Q.Hou et al.，“An optimization algorithm for intensity modulated radiotherapy-The simulated dynamics with dose-volume constraints，”Med.Phys.30，61-68(2003).
[0373] S.M.Morrill et al.，“Treatment planning optimization using constrained simulated annealing，”Phys.Med.Biol.36，1341-1361(1991).
[0374] I.I.Rosen et al.，“Comparison of simulated annealing algorithms for conformal therapy treatment planning，”Int.J.Radiat.Oncol.，Biol.，Phys.33，1091-1099(1995).
[0375] S.Webb，“Optimization of conformal radiotherapy dose distributions by simulated annealing.Inclusion of scatter in the 2d technique，”Phys.Med.Biol.36，1227-1237(1991).
[0376] X.G.Wu et al.，“Selection and determination of beam weights based on genetic algorithms for conformalradiotherapy treatment planning，”Phys.Med.Biol.45，2547-2558(2000).
[0377] T.Bortfeld et al.，“Physical vs biological objectives for treatment plan optimization，”Radiother.Oncol.40，185-185(1996).
[0378] M.Langer et al.，“Large-scale optimization of beam weights under dosevolume restrictions，”Int.J.Radiat.Oncol.，Biol.，Phys.18，887-893(1990).[0379] Q.W.Wu et al.，“Optimization of intensity-modulated radiotherapy plans based on the equivalent uniform dose，”Int.J.Radiat.Oncol.，Biol.，Phys.52，224-235(2002).
[0380] A.Holder，“Designing radiotherapy plans with elastic constraints and interior point methods，”Mathematics Technical Report，Trinity Uni v.，San Antonio，TX(2000).
[0381] A.Holder，“Radiotherapy treatment design and linearprogramming，”Trinity University，San Antonio(2002).
[0382] S.V.Spirou and C.S.Chui，“A gradient inverse planning algorithm with dose-volume constraints，”Med.Phys.25，321-333(1998).
[0383] M.F.Moller，“A scaled conjugate-gradient algorithm for fast supervised learning，”Neural Networks 6，525-533(1993).
[0384] J.O.Deasy，“Multiple local minima in radiotherapy optimization problems with dose-volume constraints，”Med.Phys.24，1157-1161(1997).
[0385] Q.W.Wu and R.Mohan，“Multiple local minima in IMRT optimization based on dose-volume criteria，”Med.Phys.29，1514-1527(2002).
[0386] J.Llacer et al.，“Absence of multiple local minima effects in intensity modulated optimization with dose-volume constraints，”Phys.Med.Biol.48，183-210(2003).
[0387] C.G.Rowbottom and S.Webb，“Configuration space analysis of common cost functions in radiotherapy beam-weight optimization algorithms，”Phys.Med.Biol.47，65-77(2002).
[0388] M.Alber et al.，“On the degeneracy of the IMRT optimizationproblem，”Med.Phys.29，2584-2589(2002).
[0389] R.Jeraj，C.A.Wu，and T.R.Mackie，“Optimizer convergence and local minima errors and their clinical importance，”Phys.Med.Biol.48，2809-2827(2003).[0390] C.Wu，R.Jeraj，and T.R.Mackie，“The method of intercepts in param-eter，space for the analysis of local minima caused by dose-volume constraints，”Phys.Med.Biol.48，N149-N157(2003).
[0391] A.Niemierko，“Reporting and analyzing dose distributions：A concept of equivalent uniform dose，”Med.Phys.24，103-110(1997).
[0392] W.H.Press，W.T.Vetterling，and B.P.Flannery，Numerical Recipes in C：The Art of Scientific Computing，2nd ed.(Cambridge University Press，Cambridge，
1992).
1992).
[0393] Q.W.Wu et al.，“A fast dose calculation method based on table lookup for IMRT optimization，”Phys.Med.Biol.48，N159-N166(2003).
[0394] Edward C.Halperin，Carlos A.Perez，Luther W.Brady.Perez and Brady’s Principles and Practice of Radiation Oncology，Lippincott Williams & Wilkins，2008.
[0395] Eric K.Hansen，Mack Roach.Handbook of evidence-based radiation oncology，Springer，2006.
[0396] S.Soderstrom，et al.，″Which is the Most Suitable Number of Photon Beam Portals in Coplanar Radiation Therapy″，International Journal of Radiation Oncology，Biology，Physics，Vol.33，1995，pp.151-159.
[0397] G.A.Ezzell，″Genetic and Geometric Optimization of Three-Dimensional Radiation Therapy Treatment Planning″，Medical Physics，Vol.23，1996，pp.293-305.[0398] P.Gokhale，et al.，″Determination of Beam Orientations in Radiotherapy Planning″，Medical Physics，Vol.21，1994，pp.393-400.
[0399] M.E.Hosseini-Ashrafi，et al.， ″ Pre-optimization of Radiotherapy Treatment Planning：An Artificial Neural Network Classification AidedTechnique″Physics in Medicine and Biology，Vol.44，1999，pp.1513-1528.[0400] C.G.Rowbottom，et al.， ″ Beam Orientation Customization using an Artificial Neural Network ″，Pnysics in Medicine and Biology，Vol.44，1999，pp.2251-2262.
[0401] B.C.J.Cho，et al.，The Development of Target-Eye-View Maps for Selection of Coplanar or Noncoplanar Beams in Conformal Radiotherapy Treatment Planning″，Medical Physics，Vol.26，1999，pp.2367-2372.
[0402] S.K.Das，et al.，″Selection of Coplanar or Noncoplanar Beams using Three-dimensional Optimization Based on Maximum Beam Separation and Minimized Non-Target Irradiation″，International Journal of Radiation Oncology，Biology，Physics，Vol.38，1997，pp.643-655.
[0403] D.L.McShan，et al.， ″ Advanced Interactive Planning Techniques for Conformal Therapy：High Level Beam Description and Volumetric Mapping Techniques ″，International Journal of Radiation Oncology，Biology，Physics，Vol.33，1995，pp.1061-1072.
[0404] C.G.Rowbottom，et al.，″Constrained Customization of Noncoplanar Beam Orientations in Radiotherapy of Brain Tumors″，Physics in Medicine and Biology，Vol.44，1999，pp.383-399.
[0405] S.L.Sailer，et al.，″The Tetrad and Hexad：Maximum Beam Separation as a Starting Point for Noncoplanar 3D Treatment Planning：Prostate Cancer as a Test Case″，International Journal of Radiation Oncology，Biology，Physics，Vol.30，1994，pp.439-446.
[0406] G.T.Y.Chen，et al.，″The use of Beam′s Eye View Volumetrics in the Selection of Noncoplanar Radiation Portals″，International Journal of Radiation Oncology，Biology，Physics，Vol.23，1992，pp.153-163.
[0407] H.-M.Lu，et al.，″Optimized Beam Planning for Linear Accelerator-Based Stereotactic Radiosurgery ″，International Journal of Radiation Oncology，Biology，Physics，Vol.39，1997，pp.1183-1189.
[0408] M.Goitein，et al.，″Multi-dimensional Treatment Planning：II.Beam′s Eye-View，Back Projection，and Projection through CT Sections″，International Journal of Radiation Oncology，Biology，Physics，Vol.9，1983，pp.789-797.[0409] and Carl Graham，et al.，″Improvements in Prostate Radiotherapy from the Customization ofBeam Directions″，Medical Physics，Vol.25，1998，pp.1171-1179.[0410] Beam orientation selection in IMRT is discussed in the following references：J.Stein，et al.， ″ Number and Orientations of Beams inIntensity-Modulated Radiation Treatments ″，Medical Physics，Vol.24，1997，pp.149-160.
[0411] M Asell，et al.，″Optimal Electron and Combined Electron and Photon Therapy in the Phase Space of Complication-Free Cure″，Physics in Medicine and Biology，Vol.44，1999，pp.235-252.
[0412] T.Bortfield and W.Schlegel，″ Optimization of Beam Orientations in Radiation Therapy：Some Theoretical Considerations″，Physics in Medicine and Biology，Vol.38，1993，pp.291-304.
[0413] A.Pugachev，et al.，″Beam Orientations in IMRT：To Optimize or not to Optimize？″，The Use of Computers in Radiation Therapy，XIII ICCR，2000，pp.37-39.
[0414] S.Soderstrom and A.Brahme，″Selection of Suitable Beam Orientations in Radiation Therapy using Entropy and Fourier Transform Measures″，Physics in Medicine and Biology，Vol.37，1992，pp.911-924.
[0415] A.Pugachev，A.Boyer，L.Xing， ″ Beam Orientation Optimization in Intensity-Modulated Radiation Treatment Planning ″，Medical Physics，Vol.27，2000，pp.1238-1245.
[0416] M.Braunstein，et al.， ″ Optimum Beam Configurations in Tomographic Intensity Modulated Radiation Therapy ″，Physics in Medicine and Biology，Vol.45，2000，pp.305-328.
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 肿瘤放射治疗靶区和危及器官智能化、自动化勾画方法 | 2020-06-07 | 362 |
| 带分配装置的半导体靶材用铸锭的制备工艺 | 2020-05-25 | 397 |
| 分象限放射治疗装置及由此治疗肿瘤靶区分象限放射方法 | 2020-06-03 | 480 |
| 基于联立方程模型的塔式太阳能热电系统运行优化方法 | 2020-06-27 | 71 |
| 基于血液-组织表面的放射外科肾脏治疗设计 | 2020-05-30 | 186 |
| 用于放射疗法的自动化治疗计划 | 2020-05-16 | 898 |
| 一种建立基于测量数据的医用直线加速器简便照射源模型的方法 | 2020-06-24 | 424 |
| SDF-1结合核酸及其用途 | 2020-06-26 | 506 |
| 一种仿脑计算虚拟化的方法和系统 | 2020-06-21 | 222 |
| 基于优化分布式云放疗计划系统及使用方法、存储介质 | 2020-06-02 | 897 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈