申请/专利权人：上海联影医疗科技有限公司

申请日：2016-12-20

公开（公告）日：2020-03-31

公开（公告）号：CN106682409B

主分类号：G16H20/40(20180101)

分类号：G16H20/40(20180101);G16H50/20(20180101);A61N5/10(20060101)

优先权：

专利状态码：有效-授权

法律状态：2020.03.31#授权;2017.06.09#实质审查的生效;2017.05.17#公开

摘要：本发明涉及放射治疗领域，提出一种放射治疗计划优化中对图像的采样方法，包括：获取待采样图像，所述待采样图像包含至少一个感兴趣区域，获取采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量，根据所述采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量将所述感兴趣区域分成多个子区域，利用聚类分析算法对各子区域进行降采样，得到所述感兴趣区域的采样点。本发明提出的采样方法在降低采样点数量的同时可以保留各器官或靶区的形状特性，有助于提高放射治疗计划的有效性以及剂量分布计算的准确性。

主权项：1.一种放射治疗计划优化中对图像的采样方法，包括：获取待采样图像，所述待采样图像包含至少一个感兴趣区域，获取采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量，根据所述采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量将所述感兴趣区域分成多个子区域，利用聚类分析算法对各子区域进行降采样，得到所述感兴趣区域的采样点；其中，根据所述采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量将所述感兴趣区域分成多个子区域包括：按照预设规则将所述感兴趣区域分成多个子区域，并计算各子区域包含的采样点数量之和，将所述各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较，如果各子区域包含的采样点数量之和大于所述采样点总数量的上限，则扩大所述多个子区域，并计算扩大后的各子区域包含的采样点数量之和，将所述扩大后的各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较直至扩大后的各子区域包含的采样点数量之和小于所述采样点总数量的上限，上一次循环中的子区域即为最终的子区域，如果各子区域包含的采样点数量之和小于所述采样点总数量的上限，则缩小所述多个子区域并计算缩小后的各子区域包含的采样点数量之和，将所述缩小后的各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较直至缩小后的各子区域包含的采样点数量之和大于或等于所述采样点总数量的上限，当前循环中的各子区域即为最终的子区域，如果各子区域包含的采样点数量之和等于所述采样点总数量的上限，则当前各子区域即为最终的子区域。

全文数据：采样方法及放射治疗计划优化方法、剂量计算方法技术领域[0001]本发明涉及放射治疗领域，尤其涉及一种在放射治疗计划中基于聚类的采样方法。背景技术[0002]放射治疗是利用放射线如放射性同位素产生的α、β、γ射线和各类X射线治疗机或加速器产生的X射线、电子线、质子束及其它粒子束等治疗恶性肿瘤的一种方法。[0003]由于射束能量高，在肿瘤细胞被杀死的同时正常细胞也会受到影响。为了尽可能地减少对正常组织的伤害，需要制定放射治疗计划。放射治疗计划中，医生需要给出处方和治疗方案，物理师根据医生处方，勾画器官和肿瘤位置，以及总的肿瘤体积GrossTumorVolume，GTV、临床目标体积（ClinicalTargetvolume，CTV和计划治疗体积PlanningTargetVolume，PTV等祀区，制定放射治疗计划并进行优化。[0004]为了判断放射治疗计划的好坏，通常使用剂量计算算法例如蒙特卡罗算法、卷计算法、笔形束算法等根据放射治疗计划模拟人体各部位接收的剂量的分布情况。[0005]不管是放射治疗计划的优化还是剂量计算都需要建立在图像的基础上，例如基于CT图像进行放射治疗计划的优化以及剂量计算。CT图像通常具有较高的分辨率，像素点数量较多，如果全部的像素点参与放射治疗计划的优化以及剂量计算，导致计算时间太长并且占用内存空间太大。[0006]为了解决这些问题，可以对CT图像进行降采样，用采样点代表全部的像素点参与放射治疗计划的优化以及剂量分布的计算，因此采样点的选取直接影响计算结果。发明内容[0007]为克服现有技术的不足，本发明提供了一种放射治疗计划优化中对图像的采样方法，包括:获取待采样图像，所述待采样图像包含至少一个感兴趣区域，获取采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量，根据所述采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量将所述感兴趣区域分成多个子区域，利用聚类分析算法对各子区域进行降采样，得到所述感兴趣区域的采样点。[0008]可选的，根据所述采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量将所述感兴趣区域分成多个子区域包括:按照预设规则将所述感兴趣区域分成多个子区域，并计算各子区域包含的采样点数量之和，将所述各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较，如果各子区域包含的采样点数量之和大于所述采样点总数量的上限，则扩大所述多个子区域，并计算扩大后的各子区域包含的采样点数量之和，将所述扩大后的各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较直至扩大后的各子区域包含的采样点数量之和小于所述采样点总数量的上限，上一次循环中的子区域即为最终的子区域，如果各子区域包含的采样点数量之和小于所述采样点总数量的上限，则缩小所述多个子区域并计算缩小后的各子区域包含的采样点数量之和，将所述缩小后的各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较直至缩小后的各子区域包含的采样点数量之和大于或等于所述采样点总数量的上限，当前循环中的各子区域即为最终的子区域，如果各子区域包含的采样点数量之和等于所述采样点总数量的上限，则当前各子区域即为最终的子区域。[0009]可选的，所述子区域包含的采样点数量与所述感兴趣区域的类型、权重、所述感兴趣区域与靶区的距离中的至少一个因素有关。[0010]可选的，利用聚类分析算法对各子区域进行降采样包括:根据所述感兴趣区域内各子区域包含的采样点数量对各子区域进行采样得到初始采样点，在各子区域内计算各像素点至所述初始采样点的欧拉距离，并将各像素点归到欧拉距离最小的初始采样点对应的簇，在各子区域内迭代地执行以下步骤直至完成对各子区域的降采样:计算每个簇的中心作为新采样点，计算新采样点与上一次的采样点之间的欧拉距离并与阈值进行比较，如果不超过所述阈值则新采样点作为该子区域的采样点，如果超过所述阈值则计算各像素点至所述新采样点的欧拉距离，并将各像素点归到欧拉距离最小的新采样点对应的簇。[0011]可选的，利用聚类分析算法对各子区域进行降采样之前判断子区域内属于对应感兴趣区域的像素点数量是否超过对应的采样点数量，如果不超过，则将该子区域内的所有属于对应感兴趣区域的像素点作为采样点，如果超过，则利用聚类分析算法对子区域内属于对应感兴趣区域的像素点进行降采样。[0012]可选的，利用聚类分析算法对各子区域进行降采样之前判断该子区域内是否包含不属于对应感兴趣区域的像素点，如果包含，则利用聚类分析算法对该子区域内属于对应感兴趣区域的像素点进行降采样，如果不包含，则根据采样点数量将该子区域均匀划分成网格，将网格的中心点作为采样点。[0013]根据另一实施例，本发明还提供了一种放射治疗计划优化中对图像的采样方法，包括:获取待采样的图像，所述待采样图像包含感兴趣区域，获取采样点总数量的上限并确定各感兴趣区域的采样点数量，利用聚类分析算法对感兴趣区域进行降采样，得到所述感兴趣区域的采样点。[0014]根据另一实施例，本发明还提供了一种放射治疗计划优化方法，包括:获取患者图像并对感兴趣区域进行勾画，获取各感兴趣区域的剂量目标，利用上述任一项所述的采样方法对各感兴趣区域进行采样，建立优化模型并进行优化，使得采样点的剂量满足所述剂量目标。[0015]根据另一实施例，本发明还提供了一种放射治疗计划优化系统，包括:获取单元，用于获取患者图像，勾画单元，用于对感兴趣区域进行勾画，输入单元，用于设置各感兴趣区域的剂量目标，采样单元，用于利用上述任一项所述的采样方法对各感兴趣区域进行采样，优化单元，用于建立优化模型并进行优化，使得采样点的剂量满足所述剂量目标。[0016]根据另一实施例，本发明还提供了一种剂量计算方法，包括:获取患者图像并对感兴趣区域进行勾画，利用上述任一项所述的采样方法对各感兴趣区域进行采样，基于采样点对各感兴趣区域的剂量分布进行计算。[0017]相对于现有技术，本发明提供的放射治疗计划优化中对图像的采样方法基于像素的特性将像素进行聚类，从各类中选取一个像素点作为采样点，从而在降低采样点数量的同时可以保留各器官或靶区的形状特性，有助于提高放射治疗计划的有效性以及剂量分布计算的准确性；[0018]通过将感兴趣区域分成多个子区域，在每个子区域内基于像素的特性将像素进行聚类，从而减少计算量，提高计算速度。[0019]将本发明的采样方法应用于放射治疗计划的优化中，有助于提高放射治疗计划优化的速度以及有效性，且使得剂量分布计算结果更符合实际剂量分布。附图说明[0020]为了更清楚地说明本发明的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。[0021]图1是本发明实施例提供的放射治疗计划优化中对图像的采样方法流程图一；[0022]图2是本发明实施例提供的放射治疗计划优化中对图像的采样方法流程图二；[0023]图3是本发明实施例提供的放射治疗计划优化方法的流程图；[0024]图4是本发明实施例提供的剂量计算方法的流程图。具体实施方式[0025]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作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。[0026]在放射治疗中，要求高剂量的辐射尽可能地被输送至肿瘤靶区，尽量减少对各器官的伤害。因此需要进行放射治疗计划的优化并计算放射治疗计划对应的患者体内的剂量分布。不管是放射治疗计划的优化还是剂量分布都基于采样点进行计算，因此受采样点分布的影响。为了更好地控制各器官或靶区内的剂量分布，本发明实施例提出了一种新的采样方法。[0027]图1是本发明实施例提供的放射治疗计划优化中对图像的采样方法流程图一。参考图1所示，本发明提供的采样方法100包括：[0028]步骤S101，获取待采样图像。[0029]获取待采样图像，所述待采样图像包含至少一个感兴趣区域，所述感兴趣区域包括医生感兴趣的器官以及肿瘤靶区。[0030]患者图像可以为CT图像、PET图像、MR图像或者融合图像等，在此不作限定。[0031]步骤S102,获取采样点总数量的上限并确定各感兴趣区域的采样点数量。[0032]采样点总数量的上限N限制了至少一个感兴趣区域采样点总数量的总和，可以事先进行设定。[0033]各感兴趣区域的采样点数量与该感兴趣区域的类型、权重、大小有关，例如感兴趣区域可能为肿瘤靶区、也可能为器官，靶区的权重不小于器官的权重，危及器官的权重大于一般器官的权重;在权重保持不变的情况下，感兴趣区域越大，则采样点数量越多，因此，根据各感兴趣区域的类型、权重、大小确定各器官和靶区的采样点数量，且满足各感兴趣区域的采样点数量之和不超过所述采样点总数量的上限N。[0034]步骤S103,利用聚类分析算法对感兴趣区域进行降采样，得到所述感兴趣区域的米样点。[0035]根据上述步骤中确定的各感兴趣区域的采样点数量对各器官和靶区进行采样。记第i个器官或靶区的采样点数量为化，利用采样算法对各器官和靶区进行采样，采样算法在此不做限制。为了简单说明本实施例中的利用聚类分析算法对感兴趣区域进行降采样的过程，在此以随机采样算法为例进行介绍，但并不以此限定本发明的保护范围。[0036]假设从第i个器官内的所有像素点中随机选择化个采样点，对于每个像素点，计算其到每个采样点的欧拉距离，将每个像素点归到欧拉距离最小的采样点对应的簇，从而形成化个簇，重新计算每个簇的中心为新的采样点，将新采样点与上一次的采样点进行比较判断是否满足收敛条件。[0037]可以利用k_均值算法计算簇的中心，例如，对于某个簇内各像素点的坐标分别为xi，yi，（X2，y2，…，（xn，yn，n为该簇内的像素点的数量，则该簇的中心坐标为.也可以利用k-中心算法计算簇的中心，例如对于某个簇内计算每个像素点至其它像素点的欧拉距离的总和，将欧拉距离总和最小的点作为该簇的中心，在其它实施例中，可以利用其它聚类分析算法选择新采样点。[0038]判断新采样点和上一次确定的采样点之间的欧拉距离是否不超过阈值，如不超过，则循环结束，新采样点作为感兴趣区域的采样点，如不满足，则继续循环直至新采样点与上一次的采样点之间的欧拉距离不超过所述阈值。此处阈值可以事先根据经验进行设置。[0039]本实施例中将聚类分析算法应用于图像的采样，基于距离将像素进行聚类，距离越近则像素在表现感兴趣区域的形状方面越相似，可以从每个类中选择一个像素点作为采样点，使得在降低采样点数量的同时可以保留感兴趣区域的形状特性。[0040]图2是本发明实施例提供的放射治疗计划优化中对图像的采样方法流程图二。参考图2所示，本发明提供的采样方法200包括：[0041]S201，获取待采样图像。[0042]获取待采样图像，所述待采样图像包含至少一个感兴趣区域，所述感兴趣区域包括医生感兴趣的器官以及肿瘤靶区。[0043]患者图像可以为CT图像、PET图像、MR图像或者融合图像等，在此不作限定。[0044]在本实施例中只对属于感兴趣区域内的像素点进行采样，因此可以用矩阵对感兴趣区域进行表示。在感兴趣区域内的像素点用"Γ表示，在感兴趣区域外的像素用"〇"表示，因此每个感兴趣区域均可以用矩阵进行表示。后续的处理可以只对"Γ覆盖的区域进行处理。[0045]步骤S202,获取采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量。[0046]采样点总数量的上限N限制了感兴趣区域采样点总数量的总和，可以由医生进行设定。[0047]感兴趣区域内各子区域的采样点数量决定了该感兴趣区域内的采样点数量，可以由医生进行设定。不同的器官或靶区内，子区域内的采样点数量可以不同，与感兴趣区域的类型、权重、所述感兴趣区域与靶区的距离中的至少一个因素有关，例如感兴趣区域的类型包括器官和靶区，则靶区内子区域的采样点数量不小于器官内子区域的采样点数量;靶区的权重不小于器官的权重，危及器官的权重高于一般器官的权重，则靶区内子区域的采样点数量不小于危及器官内子区域的采样点数量，危及器官内子区域的采样点数量大于一般器官内子区域的采样点数量;距离靶区越近，则该感兴趣区域内子区域的采样点数量应越多。考虑如上至少一个因素，可以设置靶区内各子区域的采样点数量为2~4,例如4,危及器官内子区域的采样点数量为2~3,例如2,其它器官内子区域的采样点数量为1。[0048]步骤S203,根据所述采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量将所述感兴趣区域分成多个子区域。[0049]按照预设规则将感兴趣的各器官和靶区分别分成多个子区域。为了使得计算方便，可以采用相同规则对所有器官和靶区分成多个子区域，例如利用等距离网格对各器官和靶区进行划分，网格的边长为像素间距的倍数。例如利用10倍像素间距将各器官和靶区分成等距离网格。预设规则可以事先进行设定，规则的内容在此不作限定。[0050]根据步骤S202中获取的每个子区域包含的采样点数量计算各子区域包含的采样点数量之和。例如靶区的每个子区域包含4个采样点，危及器官的每个子区域包含2个采样点，其它器官的每个子区域包含1个采样点，将所有子区域包含的采样点数量进行相加得到采样点数量之和。[0051]将计算得到的采样点数量之和与所述采样点总数量的上限进行比较，根据比较结果判断是否需要调整子区域的大小。[0052]如果各子区域包含的采样点数量之和大于所述采样点总数量的上限，则扩大所述多个子区域，并计算扩大后的各子区域包含的采样点数量之和，将所述扩大后的各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较直至扩大后的各子区域包含的采样点数量之和小于所述采样点总数量的上限，上一次循环中的子区域即为最终的子区域。可以按照预定步长扩大子区域，例如每次将网格边长增加一个像素间距的长度。[0053]如果各子区域包含的采样点数量之和小于所述采样点总数量的上限，则缩小所述多个子区域并计算缩小后的各子区域包含的采样点数量之和，将所述缩小后的各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较直至缩小后的各子区域包含的采样点数量之和大于或等于所述采样点总数量的上限，当前循环中的各子区域即为最终的子区域。可以按照预定步长缩小子区域，例如每次将网格边长减小一个像素间距的长度。[0054]如果各子区域包含的采样点数量之和等于所述采样点总数量的上限，则当前各子区域即为最终的子区域。[0055]通过如上的迭代循环过程可以将至少一个感兴趣区域进行划分。但本发明不限于此，采用其它方式根据所述采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量对所述感兴趣区域进行划分都在本发明的保护范围之内。[0056]在本实施例中，可以对待采样的图像统一进行划分，也可以对各器官和靶区单独进行划分，在此不作限定。[0057]步骤S204,利用聚类分析算法对各子区域进行降采样，得到所述感兴趣区域的采样点。[0058]以某一子区域为例，根据对应的采样点数量对该子区域进行采样得到初始采样点。采样算法在此不做限制。为了简单说明本实施例中的利用聚类分析算法对感兴趣区域进行降采样的过程，在此以随机采样算法为例进行介绍，但并不以此限定本发明的保护范围。[0059]计算该子区域内的每个像素点至所述初始采样点的欧拉距离，并将各像素点归到欧拉距离最小的初始采样点对应的簇，重新计算每个簇的中心并作为新采样点，计算新采样点与上一次的采样点之间的欧拉距离并与阈值进行比较判断是否满足收敛条件。[0060]可以利用k_均值算法计算簇的中心，例如，对于某个簇内各像素点的坐标分别为xi，yi，（X2，y2，…，（xn，yn，n为该簇内的像素点的数量，则该簇的中心坐标为也可以利用k-中心算法计算簇的中心，例如对于某个簇内计算每个像素点至其它像素点的欧拉距离的总和，将欧拉距离总和最小的点作为该簇的中心，在其它实施例中，可以利用其它聚类分析算法选择新采样点。[0061]判断新采样点和上一次确定的采样点之间的欧拉距离是否不超过阈值，如果不超过所述阈值则新采样点作为该子区域的采样点，如果超过所述阈值则计算该子区域内的像素点至所述新采样点的欧拉距离，并将各像素点归到欧拉距离最小的新采样点对应的簇，再计算每个簇的中心点并作为新采样点并与原采样点进行比较直至新采样点与上一次循环中的采样点之间的欧拉距离小于阈值，则新采样点作为该子区域的采样点。本实施例中的阈值可以事先根据经验进行设定。[0062]在各子区域内迭代地执行以上步骤，从而完成各器官和靶区的采样。[0063]本实施例中将每个器官或靶区分成多个子区域，在子区域内利用聚类分析算法进行降采样，不仅可以得到保留感兴趣区域形状特性的采样点，还可以减少计算量，提高计算速度。[0064]在将感兴趣区域分成多个子区域后，子区域内包含的像素点数量有限。在上述实施例中，在利用聚类分析算法对子区域进行降采样之前，可以先判断该子区域内属于该感兴趣区域的像素点数量是否超过对应的采样点数量，如果不超过，则将该子区域内的所有属于该感兴趣的像素点均作为采样点，如果超过，则利用聚类分析算法对该子区域内属于该感兴趣区域的像素点进行降采样。[0065]在将感兴趣区域分成多个子区域后，在感兴趣区域的边缘附近，子区域中可能包含不属于该器官的像素点（"〇"代表的像素点）。在上述实施例中，在利用聚类分析算法对子区域进行降采样之前，可以先判断该子区域内是否包含不属于该感兴趣区域的像素点，如果包含，则采用聚类分析算法对子区域内属于该感兴趣区域的像素点进行降采样，如果不包含，则可以根据采样点数量将该子区域均匀划分成对应数量的网格，将网格的中心点作为采样点，从而进一步减少计算量，提高计算速度，节省时间，当然也可以采用其它的采样算法对该子区域直接进行采样。[0066]在上述实施例中，在利用聚类分析算法对子区域进行降采样之前，可以先判断该子区域内是否包含不属于该感兴趣区域的像素点，如果包含，则判断该子区域内的属于该感兴趣区域的像素点数量是否超过对应的采样点数量，如果不超过，则将该区域内所有属于该感兴趣区域的像素点均作为采样点，如果超过，则利用聚类分析算法对子区域内属于该感兴趣区域的像素点进行降采样，如果不包含，则可以根据采样点数量将该子区域均匀划分成对应数量的网格，将网格的中心点作为采样点，从而进一步减少计算量，提高计算速度，节省时间，当然也可以采用其它的采样算法对该子区域直接进行采样。[0067]上述实施例提供的基于聚类分析算法对感兴趣区域进行采样的方法可以应用于放射治疗计划优化方法。图3是本发明实施例提供的放射治疗计划优化方法的流程图。参考图3所示，该放射治疗计划优化方法300包括：[0068]S301，获取患者图像并对感兴趣区域进行勾画。[0069]加载患者的图像并对图像内的感兴趣区域进行勾画。在本实施例中，可以将患者图像加载至放射治疗计划系统，在放射治疗计划系统的界面上对感兴趣区域进行勾画，感兴趣区域包括医生感兴趣的器官以及肿瘤靶区。勾画可以由医生手动勾画也可以为自动勾画，或者由手动勾画和自动勾画进行结合。[0070]患者图像可以为CT图像、PET图像、MR图像或者融合图像等，在此不作限定。[0071]S302，获取各感兴趣区域的剂量目标。[0072]各感兴趣区域的剂量目标可以由医生进行设置。在放射治疗计划之前，医生会为各感兴趣区域设置处方剂量，例如危及器官的剂量上限以及肿瘤靶区的剂量下限和剂量上限。在制定放射治疗计划时，放射治疗计划系统接收该处方剂量作为剂量目标。[0073]S303,对各感兴趣区域进行降采样。[0074]可以采用上述实施例图1或图2中的方法，基于聚类分析算法对各感兴趣区域进行降采样。[0075]S304，建立优化模型并进行优化，使得采样点的剂量满足所述剂量目标。[0076]在本发明实施例中，基于采样点的放射治疗计划优化的目标函数fd可以如下述公式所示：[0078]其中，dv为采样点V的当前剂量，Uv为采样点V的剂量上限，IV为采样点V的剂量下限。[0079]利用优化算法例如模拟退火算法、梯度算法、蚁群算法等对上述目标函数进行优化，使得各采样点的剂量满足剂量约束并得到优化后的辐射通量图。[0080]对应的，本发明的实施例还提供了一种放射治疗计划优化系统，包括：[0081]获取单元，用于获取患者图像，[0082]勾画单元，用于对感兴趣区域进行勾画，[0083]输入单元，用于设置各感兴趣区域的剂量目标，[0084]采样单元，用于利用上述实施例图1或图2中的方法对各感兴趣区域进行采样，[0085]优化单元，用于建立优化模型并进行优化，使得采样点的剂量满足所述剂量目标。[0086]本实施例中的放射治疗计划优化方法和系统基于的采样点保留各器官和靶区的形状特性，因此得到的放射治疗计划的有效性较高。[0087]上述实施例提供的基于聚类分析算法对感兴趣区域进行采样的方法可以应用于剂量计算。图4是本发明实施例提供的剂量计算方法的流程图。参考图4所示，该剂量计算方法400,包括：[0088]S401，获取患者图像并对感兴趣区域进行勾画。[0089]加载患者的图像并对图像内的感兴趣区域进行勾画，感兴趣区域包括医生感兴趣的器官以及肿瘤靶区。勾画可以由医生手动勾画也可以为自动勾画，或者由手动勾画和自动勾画进行结合。[0090]图像可以为CT图像、PET图像、MR图像或者融合图像等，在此不作限定。[0091]S402,对各感兴趣区域进行降采样。[0092]可以采用上述实施例图1或图2中的方法，基于聚类分析算法对各感兴趣区域进行降米样。[0093]S403,基于采样点对各感兴趣区域的剂量分布进行计算。[0094]基于采样点对各器官和靶区内的剂量分布进行计算，从而得到放射治疗计划对应的患者体内的剂量分布，该剂量分布可以被提供给医生用于判断该放射治疗计划的好坏。剂量计算的算法很多，例如蒙特卡罗算法、卷计算法、笔形束算法等，在此不作限定。[0095]由于基于聚类分析算法得到的采样点保留了器官和靶区的特性，因此基于采样点计算得到的剂量分布与实际的剂量分布更加吻合，从而提高剂量分布计算的准确性。[0096]以上所揭露的仅为本发明的几种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

权利要求：1.一种放射治疗计划优化中对图像的采样方法，包括：获取待采样图像，所述待采样图像包含至少一个感兴趣区域，获取采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量，根据所述采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量将所述感兴趣区域分成多个子区域，利用聚类分析算法对各子区域进行降采样，得到所述感兴趣区域的采样点。2.如权利要求1所述的放射治疗计划优化中对图像的采样方法，其特征在于，根据所述采样点总数量的上限以及所述感兴趣区域内各子区域包含的采样点数量将所述感兴趣区域分成多个子区域包括：按照预设规则将所述感兴趣区域分成多个子区域，并计算各子区域包含的采样点数量之和，将所述各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较，如果各子区域包含的采样点数量之和大于所述采样点总数量的上限，则扩大所述多个子区域，并计算扩大后的各子区域包含的采样点数量之和，将所述扩大后的各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较直至扩大后的各子区域包含的采样点数量之和小于所述采样点总数量的上限，上一次循环中的子区域即为最终的子区域，如果各子区域包含的采样点数量之和小于所述采样点总数量的上限，则缩小所述多个子区域并计算缩小后的各子区域包含的采样点数量之和，将所述缩小后的各子区域包含的采样点数量之和与所述采样点总数量的上限进行比较直至缩小后的各子区域包含的采样点数量之和大于或等于所述采样点总数量的上限，当前循环中的各子区域即为最终的子区域，如果各子区域包含的采样点数量之和等于所述采样点总数量的上限，则当前各子区域即为最终的子区域。3.如权利要求1所述的放射治疗计划优化中对图像的采样方法，其特征在于，所述子区域包含的采样点数量与所述感兴趣区域的类型、权重、所述感兴趣区域与靶区的距离中的至少一个因素有关。4.如权利要求1所述的放射治疗计划优化中对图像的采样方法，其特征在于，利用聚类分析算法对各子区域进行降采样包括：根据所述感兴趣区域内各子区域包含的采样点数量对各子区域进行采样得到初始采样点，在各子区域内计算各像素点至所述初始采样点的欧拉距离，并将各像素点归到欧拉距离最小的初始采样点对应的簇，在各子区域内迭代地执行以下步骤直至完成对各子区域的降采样:计算每个簇的中心作为新采样点，计算新采样点与上一次的采样点之间的欧拉距离并与阈值进行比较，如果不超过所述阈值则新采样点作为该子区域的采样点，如果超过所述阈值则计算各像素点至所述新采样点的欧拉距离，并将各像素点归到欧拉距离最小的新采样点对应的簇。5.如权利要求1所述的放射治疗计划优化中对图像的采样方法，其特征在于，利用聚类分析算法对各子区域进行降采样之前判断子区域内属于对应感兴趣区域的像素点数量是否超过对应的采样点数量，如果不超过，则将该子区域内的所有属于对应感兴趣区域的像素点作为采样点，如果超过，则利用聚类分析算法对子区域内属于对应感兴趣区域的像素点进行降采样。6.如权利要求1所述的放射治疗计划优化中对图像的采样方法，其特征在于，利用聚类分析算法对各子区域进行降采样之前判断该子区域内是否包含不属于对应感兴趣区域的像素点，如果包含，则利用聚类分析算法对该子区域内属于对应感兴趣区域的像素点进行降采样，如果不包含，则根据采样点数量将该子区域均匀划分成网格，将网格的中心点作为采样点。7.-种放射治疗计划优化中对图像的采样方法，包括：获取待采样的图像，所述待采样图像包含感兴趣区域，获取采样点总数量的上限并确定各感兴趣区域的采样点数量，利用聚类分析算法对感兴趣区域进行降采样，得到所述感兴趣区域的采样点。8.-种放射治疗计划优化方法，包括：获取患者图像并对感兴趣区域进行勾画，获取各感兴趣区域的剂量目标，利用权利要求1-7任一项所述的采样方法对各感兴趣区域进行采样，建立优化模型并进行优化，使得采样点的剂量满足所述剂量目标。9.一种放射治疗计划优化系统，包括：获取单元，用于获取患者图像，勾画单元，用于对感兴趣区域进行勾画，输入单元，用于设置各感兴趣区域的剂量目标，采样单元，用于利用权利要求1-7任一项所述的采样方法对各感兴趣区域进行采样，优化单元，用于建立优化模型并进行优化，使得采样点的剂量满足所述剂量目标。10.-种剂量计算方法，包括：获取患者图像并对感兴趣区域进行勾画，利用权利要求1-7任一项所述的采样方法对各感兴趣区域进行采样，基于采样点对各感兴趣区域的剂量分布进行计算。

百度查询： 上海联影医疗科技有限公司 采样方法及放射治疗计划优化方法、剂量计算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD