发明名称 一种伽玛刀放射治疗逆向计划设计方法
摘要 本发明公开一种伽玛刀放射治疗逆向计划设计方法,首先,进行重建靶区和危及器官感兴趣区域三维模型;建立优化模型;确定优化参数与遗传算法参数;整个过程应用图形处理器(GPU)并行计算进行加速,随后根据改进的遗传算法进行求解,包括:基因编码初始化族群;计算评估个体适应度选择繁殖个体;个体繁殖变异更新族群;调整权重,最终得到可行的治疗计划。本发明的优点为:优化模型具有较好的适应性,可以通过调整目标函数中的权重适应不同的病症;针对伽玛刀治疗计划设计的特点,改进了遗传算法的基因编码,种群初始化,繁殖和变异规则,并根据优化模型提出了一种灵活有效的个体适应度评价函数。
申请公布号 CN103949015A 申请公布日期 2014.07.30
申请号 CN201410171580.0 申请日期 2014.04.25
申请人 北京航空航天大学 发明人 梁斌;周付根;刘博;郭斌;许轩昂
分类号 A61N5/10(2006.01)I 主分类号 A61N5/10(2006.01)I
代理机构 北京永创新实专利事务所 11121 代理人 周长琪
主权项 一种伽玛刀放射治疗逆向计划设计方法,其特征在于:具体通过下述步骤完成:步骤1:重建感兴趣区域的三维模型,并对靶区部分进行膨胀处理生成靶区边缘轮廓;步骤2:建立优化模型;优化目标为:1、保证靶区剂量的覆盖度;2、提高靶区剂量的适形度;3、降低危及器官承受的剂量;步骤3:确定步骤2建立的优化模型参数;步骤4:确定遗传算法参数;步骤5:基因编码及初始化族群;步骤6:对每个靶点序列进行剂量计算;步骤7:评价族群中各个个体,并通过计算适应度函数得到一个适应度数值;步骤8:选择繁殖个体;将族群中的个体按适应度数值由高到底排序,选取前m个个体两两任意配对,作为父代和母代个体繁殖下一代;m为族群中个体数与繁殖概率的乘积;步骤9:父代和母代个体繁殖;A、确定父代和母代个体的重心,得到重心位移方向向量d;父代和母代个体的重心位置H为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>H</mi><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>&phi;</mi><mi>i</mi></msub><mo>&times;</mo><msub><mi>S</mi><mi>i</mi></msub><mo>&times;</mo><msub><mi>P</mi><mi>i</mi></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000496810780000011.GIF" wi="1031" he="136" /></maths>其中,φ<sub>i</sub>为靶点序列中第i个靶点对应的靶点准直器的半径;S<sub>i</sub>为靶点序列中第i个靶点对应的靶点的使能状态;P<sub>i</sub>为靶点序列中第i个靶点的位置坐标;n为靶点序列中靶点数量;B、以d为方向向量,随机的取正向或者反向,整体移动父代和母代中所有靶点,得到子代个体。步骤10:子代个体变异;令子代个体中的靶点i变异的平移方向向量Im<sub>i</sub>,则:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>Im</mi><mi>i</mi></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mfrac><mn>1</mn><mrow><mo>(</mo><msub><mi>P</mi><mi>i</mi></msub><mo>-</mo><msub><mi>P</mi><mi>j</mi></msub><mo>)</mo></mrow></mfrac><mo>&times;</mo><msub><mi>S</mi><mi>j</mi></msub><mo>&times;</mo><msub><mi>&phi;</mi><mi>j</mi></msub><mo>&times;</mo><msub><mi>R</mi><mi>j</mi></msub><mo>,</mo><mi>j</mi><mo>&NotEqual;</mo><mi>i</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000496810780000021.GIF" wi="1151" he="148" /></maths>其中,R随机取±1,j为子代个体中靶点i外的其余靶点;步骤11:将族群中进行繁殖的父代母代个体由其繁殖的子代个体代替,而未进行繁殖的个体保持不变;步骤12:重复步骤5~11进行迭代运算,直至满足终止条件后,进行步骤9;步骤13:调整权重对更新后的族群中最优个体的每个靶点,增加权重,随后计算个体的适应度;若适应度减小,继续增加该靶点权重直至适应度值不再减小;若适应度增大,则需减小该靶点的权重以提高个体适应度;因此将靶点权重重置,并减小权重,直至适应度不再减小。
地址 100191 北京市海淀区学院路37号