CN102264435A - 治疗计划的顺序优化 - Google Patents

Abstract

描述了一种辐射治疗计划的方法和装置。该方法包括接收多个辐射治疗计划参数，并且顺序地优化该多个辐射治疗计划参数。

Description

治疗计划的顺序优化

相关申请

本申请要求于2008年10月23日提交的第61/107,997号美国临时申请的权益。

技术领域

本发明的实施例总体涉及辐射治疗计划，更具体地，涉及顺序地优化辐射治疗计划。

背景技术

传统的辐射外科系统在辐射治疗(例如，辐射外科或辐射疗法)期间使用正向治疗计划或逆向治疗计划来处理病理解剖(例如，肿瘤、病灶、血管畸形、神经紊乱等)。在正向治疗期间，医学物理师确定如何设置辐射源(束)来将期望的辐射剂量施加到肿瘤，然后计算临界结构(即，重要器官)和其它健康组织将吸收多少辐射。在逆向治疗计划中，与正向计划形成对比，医学物理师单独指定辐射到肿瘤的最小剂量和最大剂量以及辐射到其它健康组织的最大剂量，然后治疗计划系统选择方向、尺寸、总数，并且有时选择辐射源的射束能量，从而实现指定的剂量条件。传统的治疗计划系统设计成从诊断成像源，例如计算机化X射线断层摄影技术(CT)扫描，输入3-D图像。CT扫描提供从收集的CT切片生成的目标体积(例如，头颅或身体其它荷瘤部分)的准确的三维模型，并且需要治疗的体积藉此在三维可视化。所述VOI通常以体素(体积元素)表示，类似于二维图像中的像素。

在逆向计划期间，一旦软件包输出了CT扫描，医学物理师手动描绘该CT中目标体积(VOI)的大小，来关于受控的辐射剂量描绘将要针对的或避免的结构。那就是，辐射源射束按照一个顺序定位，计算该顺序来将辐射剂量定位在尽可能接近需要治疗的靶VOI中，而避免照射附近的健康组织。一旦限定了靶(例如，肿瘤)VOI，并且指定了临界组织和软组织，负责的辐射肿瘤师或医学物理师指定到靶VOI的最小辐射剂量和最大辐射剂量，以及正常组织和重要健康组织的最大剂量。然后所述软件生成一个逆向治疗计划，依赖于所述辐射治疗系统的定位性能，来尽可能接近所述治疗计划的最小/最大剂量约束。

图1为治疗计划系统显示CT图像切片的图形输出的概念图。CT图像的图解包括针对治疗的病理解剖，以及位于该病理解剖附近的临界区。传统地，用户在显示器上描绘点(例如，在图1的轮廓线上的一些圆点)，治疗计划系统用这些点来生成围绕临界区的轮廓和围绕所述病理解剖的靶区的轮廓。基于到靶区的指定的最小剂量和最大剂量以及到临界区的最大剂量，治疗计划系统为所述靶区生成剂量等量线(例如，连接等剂量点的线，以绝对单位表达，例如，40Gy，50Gy等，或者最大剂量的百分比或用户定义的剂量的百分比，例如，60％，70％，80％等)。理论上，传送到靶的期望剂量的等值线应当完美地匹配靶区的轮廓。在有些病例中，治疗计划系统生成的剂量等值线不是最优的，并且可能包括部分临界区，如图1所示。

辐射治疗系统的两个主要要求是剂量适形性，和其次，均匀性。均匀性是辐射剂量在靶(例如，例如肿瘤、病灶、血管畸形等病理解剖)体积上的均一性，并且能够以剂量体积直方图(DVH)为特征。病理解剖的理想DVH经常考虑为如图2所示的矩形函数，其中剂量是在病理解剖的整个体积上的处方的剂量的100％。临界区期望的DVH具有图3图示的曲线，其中临界解剖结构的体积尽可能少地接收处方剂量。

为了最小化对邻近临界结构的损害，适形性是辐射剂量分布的期望剂量等值线匹配(符合)靶(例如，肿瘤)的形状和大小的程度。更具体地，适形性是处方(Rx)剂量数(使用的剂量数)在靶VOI内的剂量。适形性可使用适形性系数(CI)＝(总体积中＞＝Rx的剂量)/(靶体积中＞＝Rx的剂量)来剂量。完美的适形性结果为CI＝1。

通常治疗计划过程需要用户使用治疗计划软件程序来完成很多治疗计划目标，如靶会聚、剂量分布的适形性和均匀性、治疗时间等。为了优化治疗计划，传统的治疗计划软件程序将多个治疗计划目标集合在单个数学成本函数中，并且优化整个成本函数。通过优化单个成本函数，所述治疗计划软件程序同时地且共同地一起优化多个治疗计划目标。

在一个使一个治疗计划目标优先于另一个的治疗计划目标的传统的方法中，用户为每个治疗计划目标指定权重因子。然而，因为是同时地且共同地优化目标，对多个治疗计划目标之间的结果折衷方案控制时有限的。此外，因为是同时地且共同地优化目标，用户可能不得不运行这个共同优化过程很多次，在每个优化迭代之后评估治疗计划，并且手动修改参数，例如权重因子或剂量约束，试图改善优化。这种手动的和重复的优化过程需要时间和用户经验来改变治疗计划参数以改善优化过程。此外，因为治疗计划因患者到患者的变化而变化，以及因治疗区到治疗区(例如，颅内到肺脏)的变化而变化，所述治疗计划系统需要用户在整个治疗计划过程中为每个不同的治疗计划手动输入参数。这种手动过程需要时间，可能导致次于最优治疗计划，并且有导致用户输入错误的可能。

附图简述

本发明在附图的图形中是以示例方式图示，而非以限制方式图示。

图1为治疗计划系统显示CT图像的切片的图形输出。

图2为病理解剖的理想DVH。

图3为临界区的期望DVH。

图4A为辐射治疗输送系统的一个实施例的立体图。

图4B为生成治疗前列腺肿瘤的脚本的方法的一个实施例的流程图。

图4C为顺序地优化多个辐射治疗参数的方法的一个实施例的流程图。

图4D为生成单独优化步骤的具有有序序列的脚本的方法的另一个实施例的流程图。

图5A图示了允许用户定义绝对监视器单元(MU)约束的用户界面的一个实施例。

图5B图示了允许用户在优化中定义每个VOI的最大剂量和采样参数的用户界面的一个实施例。

图5C图示了允许用户定义目标体积和对称或非对称扩张边缘的用户界面的一个实施例，其中需要壳结构。

图6图示了允许用户定义优化步骤的有序序列的一个实施例。

图7A图示了允许用户加载存储的具有单独优化步骤的序列的脚本的一个实施例。

图7B图示了允许用户将加载的脚本中VOI的名称与治疗计划中出现的VOI名称匹配。

图8为根据一个实施例的示范优化步骤的表格。

图9为根据一个实施例的示范目标和DVH如何优化每个目标的表格。

图10图示了采样设置为每个射束三个体素的重要性的一个实施例。

图11图示了可能用于执行辐射治疗的系统的一个实施例，本发明的特征将在其中实施。

图12图示了治疗传输系统的另一个实施例。

发明详述

图4A图示了辐射治疗传输系统400，其包括安装在机械臂406上的线性加速器(LINAC)405(辐射源)，安装在第二机械臂(未示出)上的治疗床410，图像探测器415A和415B，以及成像源416A和416B。加利福尼亚州森尼维耳市的Accuray公司制造并销售如图4A所示的系统。优选地，辐射治疗传输系统400用于实行辐射治疗(例如，辐射外科或辐射疗法)，即，治疗或破坏患者身上的病灶(例如，肿瘤)。

优选地，成像源416和探测器415作为成像制导系统，本领域技术人员会认识到，来提供治疗床410(患者在其上)的位置和来自LINAC 405的辐射射束向患者身上的靶VOI命中目标的控制。优选地，机械臂406具有多(例如，六)自由度，在它的操作包络面中具有能够以几乎无限的可能性定位LINAC 405，其中该操作包络面描绘成围绕患者的近似球体。为了解决各种治疗计划和碰撞问题，优选地，该机械臂406将LINAC 405定位至有限数量的空间结点，其中所述LINAC405从该空间结点可向所述靶VOI发射辐射射束，并且来创建指定特定的路径(已知的安全路径)，机械臂406必须遵从在所述空间结点之间来避免碰撞。空间结点和使这些空间结点互连的相关安全路径的集合称为“工作区”或“节点集”。图4A图示了一个近似球体的工作区413，包括许多空间结点414，每个以“+”号(只标出一对)代表。本领域技术人员会认识到，工作区的任何数目的形状将被用到。尽管在本描述中使用了具有安装在机械臂上的LINAC的系统，本领域技术人员会认识到此处公开的本发明应用于其它类型的辐射外科和辐射治疗设备，例如但不限于龙门式LINAC，例如瓦里安医疗系统(Varian Medical Systems)制造和销售的龙门式LINAC。

为了使用辐射治疗传输系统，例如刚刚所描述的，该系统需要传输辐射线到靶VOI的治疗计划。本发明涉及一种顺序地优化生成辐射治疗计划的辐射治疗计划参数的方法和治疗计划系统。辐射治疗计划参数是辐射治疗计划的属性，如以下所述。参数，就本描述的目的，分为两类，不可优化参数(例如，CT图像，节点位置，靶，临界结构或壳结构)，和可优化参数(例如，到临界结构的平均剂量，适形性，或到临界结构的最大剂量)。在以下描述中，阐述了许多具体细节，例如特别的系统、元件、方法等的例子。但是要理解，即使没有这些具体细节也可实施这些实施例。在其它情况下，没有详细论述公知的元件、规范和协议，以免影响对本发明的理解。

与以上所述的传统的优化过程不同，其中多个治疗计划目标组合在一起并且在单个成本函数中优化，此处描述的实施例将多个治疗计划目标顺序地优化成有序序列的单独的优化步骤。为实现本描述的目的，治疗计划目标包括三件事情：(i)可优化的参数(以下更详细地描述)；(ii)优化说明(优化指导)；以及(iii)目标值(以下更详细地描述)。在一个实施例中，通过适用于单个可优化参数的线性编程算法的方式优化每个治疗计划目标。所述优化过程包括以有序序列优化每个治疗计划目标，而服从涉及其它计划参数值(这些约束可用于整个优化过程，或可能涉及通过先前的优化步骤获得的其它参数值)的约束。所述线性编程优化包括，例如而不是限制，执行顺序地优化的单纯形算法，或，本领域技术人员公认的，各种各样可能用来执行所述顺序地优化的算法。例如，附加的优化目标或步骤，它们可能没有使用线性编程算法来有效优化，可使用跟其它类型的优化算法。

示范的治疗计划目标包括，不是限制，最大化由定义的剂量水平会聚的靶体积，试图减小传输到临界结构(例如，健康组织、器官、骨结构)的最大剂量或平均剂量，试图将传输的总MU减小到目标值，试图将靶体积剂量适形性增加到目标值，以及试图将围绕靶体积的剂量分布均匀性增加到目标值。每个这些治疗计划目标都有一个相关的可优化计划参数(例如，到膀胱的最大剂量)，一个优化指导(例如，最小化)和一个目标值(例如，5Gy)。或者，其它类型的治疗计划目标可使用顺序地优化步骤来完成。在此方式中，分开地并且依序优化每个可优化参数。

所述有序序列的优化步骤，此处还指一个脚本，可通过用户优先治疗计划目标来定义，而不是在传统的单个成本函数中为每个目标手动定义权重因子。使用此处描述的确定的实施例，用户的临床经验可直接应用于治疗计划问题，例如，通过顺序地优化在用户创建的优先顺序中的治疗计划目标。或者，用户可使用在先保存的已经具有特别治疗的期望的有序序列脚本，例如，治疗前列腺的脚本，所述脚本可能还包括任何或所有的治疗计划目标和约束。在这样一个实施例中，为了用户化特别门诊的脚本，给与用户修改该目标和约束的能力。

在一个实施例中，治疗计划系统(TPS)在顺序地优化期间将每个优化步骤的结果作为附加约束应用到下一个优化步骤，如以下进一步所解释的。在这个方式中，每一步优化的治疗计划参数不能降级为后续优化的步骤的结果；尽管，本发明实施例确实允许后续优化步骤最多通过预设量改变在先的优化治疗计划参数。

此外，与以上所述的传统的优化过程不同，其中用户在整个治疗计划过程中为每个不同的治疗计划手动输入参数，本发明的实施例从记忆体中提取脚本，具有通过执行脚本自动生成优化治疗计划的能力。用户可能具有修改脚本参数的能力，为特别门诊而使它用户化。脚本是有序序列的优化步骤或目标，或包括一个或更大能被所述TPS以有序序列存储、加载、和/或提取、和执行/优化的参数的数据结构。该脚本可能还包括其它不可优化参数和/或其它用户输入，例如如下所述在每个顺序地优化过程期间必须被遵循的绝对约束。在一个实施例中，所述TPS输入存储的脚本并且自动执行生成优化治疗计划的脚本。在另一个实施例中，所述TPS输入存储的脚本，并且如果需要的话允许用户检查并编辑存储的脚本。本领域普通的一个技术人员会认识到，修改的脚本也可以存储于TPS的记忆体，或者外部存储设备。

如所述的，所述TPS还可包括用户可访问的预先创建的脚本。例如，用户可以加载不可优化参数(例如，CT图像，CT图像中的轮廓VOI)和加载存储的脚本来执行或顺序地优化来生成具有最小用户输入的优化治疗计划。存储的脚本可自动执行，并且在执行前可被用户修改。不论是否对存储的脚本进行了修改，使用存储的脚本建立治疗计划比传统的方法花费更少时间，并且比用户输入错误的可能性更小。例如，存储的脚本可作为经验不足的用户的示例，或者作为任何经验水平的用户的模板。在一个实施例中，存储的脚本可结合工作流程管理系统的模板使用，例如普遍拥有的专利申请，于2005年9月30日公开号为2007/0078306A1的美国专利申请描述的精灵般的工作流程管理系统，为了所有的目的，它全部并入本文中。所述模板提供一个或更大预定义的参数和可用于解剖的治疗的目标区域的设置(例如，基于过去成功用于特别的身体部位的治疗的参数和设置)，然而，存储的脚本提供有序序列的优化步骤和目标，它们可被执行来提供使用来自模板的所述预定义的参数和设置的优化的治疗计划。在一个实施例中，将一个或更大脚本存储为所述TPS的一个或更大模板的部分。在用户选择特定的目标区域的特定模板的基础之上，所述TPS可自动加载该区域预定义的治疗计划参数和设置，以及对应的脚本。所述TPS可自动执行脚本来创建一个优化治疗计划，或者允许用户手动修改所述脚本和/或预定义的治疗计划参数来为特别门诊用户化所述脚本。使用精灵用户界面和模板，包括存储的脚本，可提供减少需要用来完成治疗计划过程的时间、减少用户错误的优势，并且还可提供一种简化所述治疗计划工作流程中涉及的各种任务的方法，如共同所有的专利申请所述。

图4B-7B和相应的描述提供了一个优化前列腺肿瘤病例的治疗计划的例子，使用的是图象制导的机械化辐射治疗系统，例如如上所述的由加利福尼亚州的Accuray公司开发的

系统是一个例子。本领域技术人员会了解到，此处描述的实施例可用于优化其它靶结构/病灶的治疗计划，并且可用于其它类型的辐射治疗系统，例如，龙门式(等中心)强度调制辐射(IMRT)系统。

为创建一个优化的前列腺肿瘤的辐射治疗计划，所述TPS可从诊断成像系统输入一个或更大三维图象，并且可选择地从不同的成像形式一个个地结合两个或更多图象，以使需要治疗的体积三维可视化。在治疗期间，可使用所述的TPS来为需要瞄准或避免的一个或更大VOI生成轮廓，例如计划靶体积(PTV)，所述前列腺、膀胱、直肠、阴茎球和PVT壳结构。壳结构可用于治疗计划的一部分来影响剂量分布。例如，但不限于，基于对称或非对称扩张的靶体积自动生成围绕所述靶体积的壳结构。壳结构为生成来抑制传输到所述靶体积周围的正常组织的调节结构，并且和最大剂量约束一起可用于控制所述靶体积周围的剂量分布的均匀性。例如，施加于靠近靶体积(边界余量为1到5mm)附近生成的壳结构的最大剂量约束可控制处方等剂量的适形性，并且施加于远离靶体积(边界余量为10到30mm或更大)生成的壳结构的最大剂量约束将控制围绕靶体积的低剂量的延伸。可将所述壳结构的靶体积和边界余量保存为后续优化的脚本。在一个实施例中，当加载包括壳结构的脚本，所述壳结构自动生成。或者，所述壳结构可手动生成。当用户或者TPS生成一个或更大VOI的轮廓后，上所述TPS执行逆向计划来优化所述辐射治疗计划，如以下的实施例所述。

辐射治疗计划包括很多不同的属性，包括但不限于：指向解剖区域(例如，患者的前列腺区域)的一组辐射射束；每个辐射射束的射束参数；如，例如，射束位置(例如，节点)，射束方向，射束强度，射束持续时间或等价地许多监视器单元(MU)，视野尺寸；不可优化参数，如VOI，CT图像等；和可优化参数，如适形性，均匀性，临界结构的最大剂量等。

辐射治疗计划参数为代表物理的和有形的物体的特征的数据。例如但不限于，通过辐射射束施加于解剖区域的辐射。有些治疗计划参数是可优化的，例如，一个可优化参数是所有辐射射束的MU的总数，另一个可优化参数是不在所述辐射射束照射解剖区域中的目标区域(例如，前列腺，直肠，或膀胱)所接收的辐射的最大剂量或最小剂量。当在TPS上操作时，将原始数据变换为所述辐射射束的射束参数的值，照射到患者的解剖区域的辐射射束成为有形的和物理的物体。例如，所述TPS将原始数据变换为许多个辐射射束、射束位置、射束方向、射束强度、射束持续时间和每个辐射射束的视野尺寸的量。这些变换的值代表一组一个或多个照射到辐射治疗的患者的解剖区域的辐射射束(此处指优化的治疗计划)的配置。

图4B为生成治疗前列腺肿瘤的脚本的方法420的一个示范实施例的流程图，所述方法420由处理逻辑执行，该处理逻辑包括硬件(电路、专用逻辑等)、软件(如运行在通用计算机系统或专用机器上的)、固件(如嵌入软件)，或它们的组合。为了便利但不限于，处理逻辑以下指所述TPS。在一个实施例中，所述方法420由治疗计划系统的处理设备(例如图11的处理装置3010)执行。

一般地，在前列腺病例中，初始治疗计划目标是优化所述PTV(例如，与前列腺有关的靶体积)的剂量适形性。值得注意的是，所述治疗计划目标或多或少包括此处所述的优化步骤：例如，在前列腺病例中，受益于本公开的本领域技术人员会认识到需要最小化平均剂量或约束副体积的剂量。使用一系列优化步骤顺序地优化治疗计划参数(例如，照射到靶结构或临界结构的最大剂量或最小剂量)来实现每个治疗计划目标每个治疗计划目标。在每个优化步骤中，用户可以为治疗计划参数建立可接受的优化值，例如目标值(以下进一步讨论)，或者空出，表示所述TPS需要尝试实现治疗计划参数的优化值(以下进一步讨论)。为了使所述治疗计划目标优先，所述TPS在本实施例中基于用户输入生成脚本，该脚本中的每个优化步骤对应于一个优化治疗目标。响应于用户输入，所述TPS以用户定义的或所述TPS生成的较佳的顺序序列生成(块422-430)并执行(块432)一系列优化步骤来实现所述治疗计划目标：第一优化步骤(优化最小剂量(OMI)，块422)，将极可能低于或等于的第一目标值(例如，38Gy)的最小剂量传递到所述PTV；第二优化步骤(适形性(优化适形性OHI)，块424)，将极可能低于或等于的第二目标值的平均剂量传递到所述PTV，藉此最大化适形性；第三优化步骤(优化平均剂量(OME)，块426)，尝试将辐射到直肠的平均剂量减小的第三目标值；第四优化步骤(优化最大剂量(OME)，块428)，尝试将辐射到膀胱的平均剂量减小的第四目标值；以及第五优化步骤(优化监视器(OMU)，块430)，最小化传递的MU的总数。在另一个实施例中，另一个优化步骤尝试将辐射到尿道的最大剂量或最小剂量减小到指定的目标值。一旦生成了脚本的优化步骤，所述TPS单独地并且有序地执行所述脚本的每个优化步骤来生成优化治疗计划。可以认识到的是，在所述优化步骤期间使用的所述治疗计划参数可由用户提供、从存储器获取或者通过两者获取，所述TPS可优化更多或更少如关于本实施例所图示和描述的治疗计划参数，如图4C所示。

图4C图示了所述TPS如何优化治疗计划的另一个实施例。所述TPS开始将会从存储器或者用户(例如：辐射到靶体积的期望的最小剂量值、辐射到临界结构(例如，膀胱或直肠)的平均剂量，辐射到临界结构(例如，膀胱或直肠)的最大剂量，和总MU)接收治疗计划(块452)的多个辐射治疗计划目标；所述TPS还可从用户接收有序序列的优化步骤；并且在块454中所述TPS为每个治疗计划目标顺序执行所述优化步骤来优化多治疗计划参数并生成治疗计划。或者，所述TPS将从存储器重新获得具有预定顺序的有序优化步骤的脚本，并且用户提供其它的治疗计划参数。此处描述其它类型的辐射治疗计划参数的示例，并且这些以示例方式使用但不限于。所述优化步骤可包括，例如，优化最小剂量(OMI)，优化剂量范围(OCO)，优化适形性(OCI)，并且优化监视器单元(OMU)。或者，可以实施其它优化步骤。

如上所述，所述TPS执行第一优化步骤来优化第一治疗计划参数，例如，辐射到靶体积(OMI)的最小剂量值。在此实施例中，一个优化步骤的结果(例如，到所述PTV的最小剂量)作为顺序地优化步骤(例如，优化到所述直肠的平均剂量)的附加约束(以下更完整地描述)，因此所述顺序地优化步骤不能将在先优化的治疗计划参数(例如，到所述PTV的最小剂量)降级。或者，例如在前列腺中，优化辐射到膀胱的最大剂量不能将在先优化的最小化辐射到直肠的平均剂量降级。尽管，如以下更完整地描述，允许优化的参数在由松弛值指定的给定量上降级，来帮助所述TPS为后续步骤达到可接受的优化。

例如，但不限于，所述优化过程将由优化约束来界定，如，每个治疗计划的最大MU，每个节点的最大MU，每个射束的最大MU，一个或更大靶结构的最大剂量，一个或更大临界结构的最大剂量，一个或更大派生结构(例如，PTV)的最大剂量。在一个实施例中，所述优化约束为多约束成本函数的约束。在另一个实施例中，所述优化约束为一个或更大优化步骤的优化的参数来实现一个或更大治疗计划目标(例如，OMI、OCO、OHI、OMA、OME、OIC、OMU等)。为了优化可优化参数，也可使用其它的用户输入，如，例如，优化步骤的目标值(例如，VOI最大剂量和MU限制)，壳扩张(例如，派生结构的)；松弛值；收敛准则等。所述目标值为用户定义的或由可优化参数的优化生成的TPS定义的期望优化的值。如果所述TPS达到目标值，优化步骤就完成。然而，所述TPS可达到的最佳值为所述可优化参数的最优值，它可能不同于所述目标值，但是可能相同。因此，所述TPS的通过达到所述目标值来完成优化步骤，或通过达到最优值，即，最可能靠近所述目标值，如果不能达到所述目标值。所述松弛值为所述TPS使在先优化的治疗计划参数在后续优化步骤中降级的量。所述松弛值可来自用户输入，或者来自在先保存的脚本。所述松弛值便于所述TPS达到后续优化步骤的目标值，或者以其它方式完成后续优化步骤。不像传统的同时地且共同地优化所有目标的方法，本发明的实施例允许所述TPS单独地有序优化治疗计划目标，并且在有些实施例中，从在先优化步骤而不再是定义的松弛值松弛所述优化来允许更好地优化后续优化步骤。如果没有在先步骤的松弛，后续步骤的目标将无法达到或显著改善。

并非所有的辐射治疗计划的参数都可以优化，但是对于建立治疗计划来说可能仍然需要优化。例如，但不限于，治疗计划的不可优化参数包括CT图像、靶VOI、VOI参数、临界结构(也指存在风险的器官(OAR))、节点组、密度模型参数、等值曲线参数。此外，其它的用户输入可用于建立所述治疗计划，如，例如但不限于，一个或更大优化步骤的目标值，松弛值，收敛准则，绝对约束，壳结构扩张。

所述TPS也可以使用用户定义的或TPS定义的收敛准则来便于完成优化步骤。如果所述TPS很难达到所述目标值，例如当定义值(收敛准则)经过一定数量的时间或一定数量的迭代没有改变正在优化的参数时，它可以使用收敛准则来表示‘它足够好了’。例如，当所述优化步骤的当前值以小于连续迭代的指定数的万分之一改变，没有到达指定的目标值或生成个别治疗计划参数的真实的最优输出，例如，照射到靶区的最小剂量，所述TPS可指定收敛准则来表示所述优化步骤已经完成。所述收敛准则可通过减小迭代数和/或时间值有效地影响所述优化步骤达到优化值的速度，来达到个别目标值。收敛准则的其它示例对本领域技术人员是显而易见的。在一个实施例中，如果所述TPS基于所述收敛准则(意味着既没有达到目标值也没有达到最优值)终止优化步骤的执行，那个参数的目标值将为后续优化步骤仍然保持相同，并且保持所述松弛值的受到变化，或另外所述目标值可能改变为实际达到的值。在一个实施例中，可通过允许能够单独地改变每个优化步骤的收敛准则的用户界面在每个优化步骤基础上开启或者关闭所述收敛准则，并且对每个优化步骤可能不同。例如，用户可开启所述OHI步骤的收敛准则(用户可能不会为了适形性小小的增加而花费大量时间的收敛准则)，但是可能为特定的存在风险的器官的步骤关闭所述收敛准则，例如临界结构。不像传统的同时地且共同地优化所有目标的方法，这些实施例允许用户为每个优化步骤单独地改变所述收敛准则。另外，所述收敛准则可设置开启或关闭并且可共同地为脚本中的所有优化步骤设置成相同的。

所述TPS还可从存储器或者从其它的用户输入(例如，目标值，松弛值，收敛准则，还指硬约束，壳结构扩张)接收。所述绝对约束，也指硬约束，是最高约束，它在顺序地优化期间不能被违背，并且可限制顺序地优化的求解空间。所述绝对约束可以是，例如但不限于，治疗计划的总最大MU(例如，最大MU为95000)，每个射束的最大MU(例如，500)，每个节点的最大MU(例如，1000)，一个或更大靶VOI的最大剂量(例如，7600cGy)，一个或更大临界结构的最大剂量(例如，膀胱中的最大剂量是4180cGy)，一个或更大壳结构的最大剂量(例如，3800cGy)，总最大剂量，射束几何形状约束，和射束用途的约束。以下参考图5A和图5B描述一些这种绝对约束。以上对所述壳结构进行了更完整的描述。

治疗计划的其它方面还包括各种优化治疗计划参数来自执行有序序列的优化步骤的。这些可包括，例如但不限于，多个辐射射束，每个射束的节点和方向，每个射束的MU，每个射束的视野尺寸，或有关射束几何或射束使用的其它参数。在有些实施例中，辐射射束的特征可以像治疗计划参数一样优化，例如但不限于，所述TPS可最小化非零MU的射束的数目，或最小化总的MU。在其它实施例中，代替最小化非零射束的数目，用户可设置射束MU临界值，然后再次从头开始运行顺序地优化，射束的MU值处于这个临界值之下。减小非零MU的射束的数目的优点在于，减少了机器传输时间和因此的总传输时间。

在一个实施例中，所述TPS通过用户界面接收来自用户治疗计划参数。不可优化参数，如在先所述的，可包括(但不限于)CT图像，收敛准则，其它物理疗法的图像，绝对约束，VOI，节点组，准直仪直径，或采样参数。所述VOI可以是，例如但不限于，靶，例如病理解剖，临界结构，或壳结构(如此处所述的)。可优化参数，如在先所述的，可抱愧哦(但不限于)中MU和派生结构(例如，PTV)，和一个或更大靶或临界结构的最大剂量。

在另一个实施例中，所述TPS从存储器，例如来自相同患者或不同患者的获取的治疗计划、或来自在先存储的脚本，接收可优化参数、不可优化参数、和/或其它的用户输入(例如，一个或更大优化步骤的总目标值、松弛值、收敛准则、绝对约束、壳结构扩张等)。所述TPS可加载存储的输入并且可允许用户修改存储的输入。在一个实施例中，所述可优化和/或不可优化参数和/或用户输入由用户预定义，或者另外由执行此处描述的操作的所述TPS的制造商预定义。另外，所述参数和用户输入可以由本领域技术人员会认识到的其它方式定义，如，例如，通过基于相同解剖的目标区域的在先治疗计划的学习过程，或者来自精灵般的工作流程管理器(以上描述更完整)。

在接收必要的信息来定义优化步骤、目标值、一个或更大绝对约束、可优化和不可优化参数之后，所述TPS执行第一优化步骤来将第一治疗参数优化到第一目标值。例如，所述第一目标值可代表传输到靶的最可能的最小剂量，该最小剂量在所述最大剂量约束(最大化到靶的最小剂量)之下或等于该最大剂量约束。所述第一优化步骤使传输到所述靶的最小剂量最小化，而不违反任何一个或更大绝对约束。所述第一优化步骤的结果(也指一个优化多治疗计划参数)作为后续优化步骤的附加约束。接下来，所述TPS执行一个第二优化步骤来将一个第二治疗计划参数优化到一个第二目标值，而不违反任何绝对约束或来自所述第一优化步骤的附加约束。例如，但不限于，所述第二目标值可代表所述PTV中在最大剂量约束(最大化适形性)之下或等于最大剂量约束的可能性最高的平均剂量，接收大于处方剂量(优化平均剂量)的确定百分比(例如，75％)的可能性最低的临界结构(例如，直肠，膀胱等)的体积，或可能性最低的MU(优化MU)。所述TPS，在有些实施例中，通过在第二优化步骤执行期间允许执行所述第二优化步骤最多以松弛值来改变所述附加约束，可松弛所述第一优化步骤的结果。在所述第一优化步骤的结果保留为附加约束的实施例中，所述第二优化步骤将所述第二优化约束优化到一个第二目标值，而不违反任何一个或更大绝对约束，并且在所述第二优化步骤执行期间以不大于所述松弛值改变来自所述第一优化步骤的所述附加约束。值得注意的是，如果没有松弛值施加于在先优化步骤的结果(即，结果为固定约束)，所述后续步骤进一步优化的空间非常小。另一方面，将一个合理的松弛值施加到所述在先优化步骤的结果(即，结果为柔性约束)便于顺利完成后续优化步骤，而对在先优化治疗计划参数只有很小的影响。本领域技术人员会认识到，基于由在先优化步骤规定的约束和/或不论该约束是固定的还是柔性的来执行一个优化步骤会更难或更简单。因此，所述优化步骤执行的顺序可能是确定多治疗计划目标之间的折衷方案的关键因素。

如上所述，脚本是在执行优化步骤期间来顺序地优化的，以及存储该优化步骤供以后使用的有序序列的优化步骤。图4D图示了生成脚本的方法的一个实施例。图4D为生成具有有序序列的单独优化步骤的脚本的方法460的一个实施例。与方法420相似，所述方法460由处理逻辑(为了方便，称之为TPS)执行，该处理逻辑可包括硬件、软件、固件、或任何它们的组合。所述TPS以接收输入开始，例如来自通过用户界面的用户或来自存储器，来限制多治疗计划参数和多优化步骤以生成一个用户的治疗计划(块462)。在块464处，所述TPS从该TPS接收的一个或更大治疗计划参数生成具有有序序列的优化步骤的脚本。在一个实施例中，所述脚本可存储在存储器中或存储于外部存储设备中供以后提取(块466)。在另一个实施例中，所述TPS以所述脚本指定的序列顺序地优化每个优化步骤。

关于图5A-7B的接下来的描述叙述了可用于顺序地优化的所述TPS的用户界面的各种实施例。图5A-7B的用户界面使用示范值作为以上介绍的前列腺示例。本领域技术人员会认识到，顺序地优化可用于前列腺之外的其它靶。

图5A图示了允许用户定义绝对MU约束的用户界面500的一个实施例，该绝对MU约束包括整个治疗计划502的总MU，每个射束504的最大MU，和每个节点506的最大MU。图5B图示了用户界面550的一个实施例，该用户界面允许用户定义治疗计划中的每个VOI的最大剂量(VOI限制552)，以及每个VOI的采样参数，例如采样体素。采样参数，以下更完整地描述，为可用于指定每个VOI如何采样来更有效的优化的参数。只优化这些体素的子集的剂量可增加优化速度，而不是在VOI中的每个体素执行所述优化过程。所述TPS可包括重要采样560(以下更完整地讨论)，例如采样体素，其中所述TPS只选择指定VOI中的“最重要的采样点”，并且选择会使用多少个采样点，例如，作为用户输入的响应。在另一个实施例中，而不是使用重要采样，所述TPS在整个VOI中随机选择采样点，其中用户可以选定随机采样的点的总数。图5B的用户界面还允许用户指定其它可优化的和不可优化的参数，如体素采样跳过因子556(例如，1至1000)，和每个射束558的体素的数目(例如，1至5)，如此处所述。此外，图5B的用户界面还允许用户选择是否使用任何特别的VOI来顺序地优化。因为所述VOI和所述射束的辐射剂量属性在图像(例如，CT图像)的三维几何中定义，所述VOI和所述辐射剂量值被离散到包括于图像中的体素中。因此，在随后的描述中，当我们指输入优化过程(例如，到每个体素的最大剂量)时，我们就在描述由特定图像体素描述的离散空间中的辐射剂量。

值得注意的是，图5B图示了示范VOI名564，例如前列腺，尿道，PTV，膀胱，直肠，阴茎球，以及第一和第二PTV壳结构(关于图5C描述如下)。另外，可使用其它VOI，以及其它最大剂量值552。所述用户界面还可指定是否使用便捷体素，例如，当检查所述唯一边界盒566时。

图5C图示了用户界面575的一个实施例，该用户界面允许用户定义壳结构(例如PTV-壳1或PTV-壳2)576所期望靶体积和轴对称或非轴对称的扩张余量577。这些壳结构576为生成来抑制传输到所述靶体积周围的正常组织的剂量的调整结构，并且和最大剂量约束一起用于控制所述靶体积周围的剂量分布的适形性。

使用一个顺序方法，所述TPS可生成脚本，该脚本设置绝对约束，例如如图5A和图5B图示的那些绝对约束，以及对应于治疗计划目标(例如，OMI，OCO，OHI，OMA，OME，OCI，或OMU)的有序序列的优化步骤，如图6所示。当执行所述脚本时，所述TPS单独优化每个治疗计划目标，并且根据由所述脚本指定的序列执行，如，例如，根据用户输入指定的优化步骤的重要性。在另一个实施例中，所述TPS根据要达到的特定优化步骤的相对难度设置优化步骤的序列。在另一个实施例中，所述TPS设置脚本的序列来匹配所述治疗计划目标的重要性序列。另外，其它准则可用于设置所述脚本的序列，例如，所述TPS可根据所述优化步骤的重要性并且根据其相对难度设置序列。如此处所述，所述优化步骤可应用于射束集合特性，射束使用特性，一个或多个VOI的特性，治疗计划的特性等。

图6图示了用户界面600的一个实施例，该用户界面允许用户定义有序序列的优化步骤602。在图6所描述的实施例中，有序序列的优化步骤包括六步602，每步包括一个治疗计划目标(例如，OMI，OCO，OME，和OMU)。在此实施例中，第一个治疗计划目标是设置到所述PTV的最小剂量，其中目标值剂量达到3800cGy，松弛值605为100cGy。第二治疗计划目标是自动化所述PTV的体积到具有5700cGy的目标值剂量603，其中松弛值604为250cGy。第三治疗计划目标将到尿道，直肠，膀胱的平均剂量分别最小化到目标值剂量603为3800cGy，2850cGy，和2850cGy，并且每个的松弛值604为100cGy。最后的治疗计划目标是最小化监视器单元(OMU)的总数。值得注意的是，图6的用户界面显示各种VOI的最大剂量约束。

在一个实施例中，用户界面600从用户接收用户输入来定义治疗计划目标，目标值603，松弛值604，和优化步骤602的序列。尽管每个优化步骤包括松弛值604，在有些实施例中，任何一个松弛值可设置为零，例如在第六优化步骤中的松弛值604。在另一个实施例中，当从存储器加载保存的脚本时，所述用户界面600被自动填充，并且所述用户界面600允许用户在执行前编辑加载的脚本的优化步骤。

在描述的实施例中，每个步骤602都有一个暂停符605，当设置时，该暂停符使步骤602在优化步骤的结尾暂停，并且当被清零时，例如被用户清零，使所述TPS在预先优化步骤完成后开始下一个优化步骤。在有些情况中，所述优化步骤602到达它们相应的目标值603来完成所述优化步骤。在其它情况中，所述优化步骤602到达收敛准则，或如以上所述的另外最优的值。

值得注意的是，相似的医疗条件可以以相对重要性或相对优先级的相同或相似序列来使用相同的治疗计划目标。因此，所述脚本可保存在存储器中，并且在相同的或不同的患者的治疗计划会话期间可从存储器中随后提取。所述TPS可存储一个或更大将在建立治疗计划期间被用户选定来使用的脚本。在一个实施例中，在用户选择的基础上，所述TPS自动生成治疗计划的脚本。在另一个实施例中，所述TPS可从存储器提取选定的脚本作为用户选择的响应，并且允许用户编辑一个或更大选定的脚本的优化步骤。在一个实施例中，脚本包括最大MU约束，最大剂量约束，自动壳结构参数和有序序列的优化步骤，如以上关于图5A、图5B和图6所述。另外，所述脚本包括高于或低于最大剂量约束和有序序列的优化步骤，如图5A、图5B和图6所示。

图7A图示了用户界面700的一个实施例，该用户界面允许用户加载具有单独优化步骤的序列的存储的脚本。图7A的用户界面是能够加载存储的脚本的对话框。所述的脚本可用于治疗低风险的早期前列腺癌症。图7A的对话框用户界面包括存储的脚本702的脚本名(例如，前列腺异构)，脚本描述704，和脚本摘要706，该脚本摘要包括单独优化步骤的序列，MU最大值约束，和VOI最大值约束。例如，所述702具有平面图(95000监视器单元)、节点(1000监视器单元)和射束(500监视器单元)的绝对约束，如关于图5A所述。所述存储的脚本702还包括解剖体积(例如，PTV-壳1和PVT-壳2)的最大剂量，如关于图5B所述。所述702的优化序列如图6所示。在此上下文中，在治疗计划期间，在加载所述CT图像和绘制所述VOI轮廓之后，用户可选定待加载的存储的脚本702。一旦加载了存储的脚本702，用户可编辑与该存储的脚本相关的一个或更大附加优化步骤，或使用所述TPS添加一个或更大附加优化步骤。用户可将修改的脚本存储在存储器中。用户还可使用TPS来将治疗计划中的VOI和加载的脚本中的VOI匹配，如关于图7B所述。

图7图示了用户界面650的一个实施例，该用户界面允许用户将加载的脚本中的VOI 651的名称与当前治疗计划中的VOI 652名称匹配。当加载的脚本中的VOI 651的名称与当前治疗计划中的VOI 652名称匹配后，所述TPS可以自动加载所述脚本，并且自动执行所述脚本或者允许加载的脚本的进一步修改。在一个实施例中，当用户选定所述存储的脚本时，所述TPS自动地将当前治疗计划中的VOI 652名称匹配到所述VOI名称651。在另一个实施例中，例如，当名称没有自动匹配时，用户可以使用用户界面650手动地将加载的脚本中的VOI 651与当前治疗计划中的VOI 652匹配。

顺序地优化的一个实施例的数学基础

以下描述的是与本发明的实施例相应的顺序地优化的数学基础。顺序地优化过程的每个优化步骤包括最小化线性成本函数F(x)，其中x是包括MU中射束权重的矢量，如方程(1)所示：

$F\left(x\right)=c_{\max \mathrm{imize}\_\min }{S}_{\max \mathrm{imize}\_\min }^{\mathrm{VOI}}+c_{\min \mathrm{imize}\_\max }{S}_{\min \mathrm{imize}\_\max }^{\mathrm{VOI}}+c_{\max \mathrm{imize}\_\mathrm{mean}}\underset{\mathrm{voxels}}{\mathrm{\Σ}}{S}_{\max \mathrm{imize}\_\mathrm{mean}}^{\mathrm{voxel}}$

                                                            (1)

$+c_{\min \mathrm{imize}\_\mathrm{mean}}\underset{\mathrm{voxels}}{\mathrm{\Σ}}{S}_{\min \mathrm{imize}\_\mathrm{mean}}^{\mathrm{voxel}}+c_{\min \mathrm{imize}\_\mathrm{MU}}\underset{\mathrm{Beams}}{\mathrm{\Σ}}{x}^{\mathrm{beam}}$

所述成本函数最小化是使用线性编程。所述系数c设置成一致的或为零。所述算法连续的性质可通过在最小化程序期间将唯一一个系数c设置成一致的并且所有其它系数设置成零来达到。因此，所述成本函数减少到方程(1)中所述的五个项之一，并且在某一时刻还施加于唯一一个VOI(除了施加于所述总监视器的最后一项外)。值得注意的是，开头的四项可代表每个VOI，例如代表两个VOI，因此存在九项，它们在任何一步中唯一一个具有非零系数c。总的优化过程实施为一系列优化步骤，其中系数c在每个优化步骤中在零和一之间变化。在所述成本函数中的五个项描述如下。

每个最小化过程约束成求解不能违反代表治疗计划目标的上约束或下约束。在一个实施例中，只有上绝对约束可以优先于所述优化定义。这意味着所述初始的优化课题总是可行的，即，总存在所述课题的解，因为所有射束权重设置为零给出了零辐射剂量，并且因此，遵守所有的初始绝对约束。附加上约束和下约束基于每个优化步骤的结果添加到所述课题。因为下约束只能基于优化步骤的结果来定义，所述壳体在最小化过程中被保证仍然可行。在最小化期间施加上约束和下约束的例子总结如下表1-1。

表1-1最小化期间施加的约束的例子

方程(1)的“最大化最小剂量”项

测量在用户定义的目标值

之下的所述VOI的最小剂量

的偏差。该偏差由方程(2)给出：

因此，最小化所述成本函数中的此项，使其朝着所述目标值(例如，尽可能靠近)增加了所述VOI中的所述最小剂量，而不违反存在的约束(例如，绝对约束，或可被松弛值修改的线优化治疗计划参数)。此项实施为优化最小值(OMI)步骤，并且一般只对靶VOI有效。

在所述OMI步骤之后，所述优化最小值剂量保留作为施加于所述靶VOI中的所有体素的附加剂量约束。如以上所述，在先优化步骤的结果成为后续优化步骤的附加约束。此附加剂量约束由方程(3)给出：

$D^{\mathrm{voxel}}=G_{\max \mathrm{inize}\_\min }^{\mathrm{VOI}}-S_{\max \mathrm{inize}\_\min }^{\mathrm{VOI},\mathrm{opt}}-R_{\max \mathrm{inize}\_\min }^{\mathrm{VOI}}=D_{\min }^{\mathrm{VOI},\mathrm{opt}}--R_{\max \mathrm{inize}\_\min }^{\mathrm{VOI}}---\left(3\right)$

其中是优化后所述VOI中的最小体素剂量，

是由此优化步骤生成的最小偏差，并且

是用户定义的松弛值。此附加剂量约束不能设置在由在先优化步骤定义的所述VOI最小剂量以下。这保证了所述靶VOI中的最小剂量不能减少超过后续优化步骤执行的用户定义的松弛值。

方程(1)中的术语“最小化最大剂量”项

测量在所述VOI最大剂量在所述用户定义的目标值

之上的偏差。此偏差有方成(4)给出：

因此，最小化所述成本函数中的此项减少所述VOI中的按剂量，来尽可能接近所述目标值，而不违反存在的约束。此项施加于临界结构时实施为优化最大值(OMA)优化步骤，并且当此项施加于自动壳结构时实施为优化适形性(OCI)。

在此优化步骤之后，所述优化最大剂量保留作为施加于所述VOI中的所有体素的附加剂量约束。此附加约束由方程(5)给出：

$D^{\mathrm{voxel}}=G_{\max \mathrm{inize}\_\max }^{\mathrm{VOI}}-S_{\max \mathrm{inize}\_\max }^{\mathrm{VOI},\mathrm{opt}}-R_{\max \mathrm{inize}\_\max }^{\mathrm{VOI}}=D_{\max }^{\mathrm{VOI},\mathrm{opt}}--R_{\max \mathrm{inize}\_\max }^{\mathrm{VOI}}---\left(5\right)$

其中是优化后VOI中的最大体素，

是由此优化步骤生成最小偏差，并且

是用户定义的松弛值。这个新的剂量约束不能设置在VOI最大剂量之上，该VOI最大剂量由在先的优化步骤优先于所述优化定义。这保证了所述靶VOI中的最大剂量不能增加超过后续优化步骤执行的用户定义的松弛值。

方程(1)中的术语“最大平均剂量”项

测量每个体素的剂量(D^voxel)在所述用户定义的目标值

之下的偏差的总和。此偏差由方程(6)给出：

因此，最小化所述成本函数中的此项增加了所有体素上总和的总剂量，尽可能地来尽可能接近所述目标值，而不违反存在的约束。此项实施为覆盖范围(OCO)步骤和优化均匀性(OHI)步骤，并且只对靶VOI有效。所述覆盖范围步骤和优化均匀性步骤因它们的目标而有所不同。

在此优化步骤之后，所述最优收敛或最优均匀性保留作为施加于所述剂量的总和的附加约束，该剂量的总和来自所述VOI中的所有体素。此附加约束由方程(7)给出：

其中

是由此优化步骤生成的平均剂量，并且是用户定义的松弛值。这个新的约束不能松弛到由在先优化步骤定义的所述VOI最小剂量以下。在一个实施例中，如果所述VOI中的最低剂量大于在先的VOI最小剂量，则使用新的值。这保证了所述靶VOI中的最小剂量不能增加超过后续优化步骤执行的用户定义的松弛值。

方程(1)中的术语“最小化平均剂量”项

测量每个体素的剂量(D^voxel)在用户定义的目标值

之上的偏差的总和。此偏差有方程(8)给出：

因此，最小化所述成本函数中的此项减少了所有体素上总和的总剂量，因此所述平均剂量尽可能地来尽可能接近所述目标值，而不违反存在的约束。此项实施为优化平均(OME)步骤，并且对临界结构有效。

在此优化步骤之后，所述最优均匀剂量保留作为施加于所有体素上的剂量的总和的附加约束。这个新的约束由方程(9)给出：

其中

是此优化步骤生成的平均剂量，并且

是用户定义的松弛值。没有体素的剂量值约束到所述目标值之下。这可能对后续优化步骤的优化课题过度约束。这些新的约束不能设置在所述VOI最大剂量之上，该VOI最大剂量由在先的优化步骤优先于所述优化定义。在一个实施例中，如果所述VOI中的最大剂量低于在先优化的VOI最大剂量，则使用新的值。这保证了所述VOI中的最大剂量不能增加超过后续优化步骤执行的用户定义的松弛值。

方程(1)中的术语“最小化监视器”项

测量所述治疗计划的总MU，并且尝试减少所述总MU来达到目标值，例如但不限于，零。本领域技术人员会认识到，也可使用其它目标值。最小化所述成本函数中的此项，可尽可能地减少总的MU，因此减少治疗时间。这个实施为优化监视器(OMU)优化步骤。

在此优化步骤之后，使用最优监视器来更新总的MU约束，该总的MU约束由方程(10)给出：

$X=\underset{\mathrm{Beams}}{\mathrm{\Σ}}{X}^{\mathrm{beam}}\≤X^{\mathrm{opt}}+R_{\min \mathrm{imize}\_\mathrm{MU}}^X---\left(10\right)$

其中X^opt是此优化步骤生成的最小值，并且R^X是用户定义的松弛值。这保证了总的监视器不能增加近似地超过后续优化步骤执行的R^X。

绝对约束

初始地最大约束绝对地贯穿在所述优化过程中。有些示范的绝对约束总结在表1-2中。

表1-2绝对约束

所述初始约束，例如每个射束、每个节点和整个治疗计划的最大MU，靶和临界结构的最大剂量，在优化过程中不能被违反；施加来确保保留在先优化步骤的结果的约束在后续优化步骤期间可被松弛。

优化步骤

如此处所述，在一个实施例中，脚本的每个优化步骤设计成优化每个治疗计划目标到一个相应地目标值。此程序尝试到达尽可能接近所述目标值的结果，但是不保证所述目标值。

图8为根据一个实施例的示范优化步骤的表格。图8的表格的每个条目包括VOI类型801，治疗计划目标802，描述803和所述DVH 804的示范图形。在每个DVH 804中，线805代表目标值，线807代表优化步骤之前的靶DVH，线806代表优化步骤之后的靶DVH，并且箭头808代表优化步骤的方向。

优化步骤和松弛建立的约束

如此处所述，在一个实施例中，每个优化步骤的结果保留作为所有后续优化步骤的附加约束。可保留每个优化步骤的结果而不改变新的约束，或者在作为约束施加之前所述结果可被松弛。

图9为根据一个实施例的示范目标的表格，并且图示了每个目标的DVH是如何优化的。图9的表格的每个条目包括VOI类型901，治疗计划目标902，优化的DVH 903，没有松弛约束的优化的DVH 904，在用户定义的松弛后约束的优化的DVH 905。在每个DVH中，线906代表目标值，线907代表优化步骤开始时的DVH，线908(在优化903中是虚线，在没有松弛约束904和有松弛的约束905中是实线)代表优化步骤结尾的DVH，箭头909代表优化步骤的方向，线910代表在优化步骤开始时被优化的参数值，并且箭头911代表用户定义的松弛。

对于施加于靶体积的优化步骤(例如，OMI、OCO和OHI)，所述新的约束设置成最小的目标值或所述(最小的)剂量减去所述松弛约束。将剂量约束在所述目标值之上将在所述靶体积中保留不必要的高剂量，并且过度约束后续优化步骤的课题。所述新的约束还至少设置成由在先优化步骤建立的最小的剂量约束，来保证保留所述约束。由于在执行更多的优化步骤，所述最小剂量约束只能增加。

对于施加于临界结构或自动壳结构(OMA，OME和OCI)的优化步骤，新的约束夹设成最大的目标值或(最大的)剂量加上所述松弛值。将剂量约束在所述目标值之下将过度约束后续优化步骤的课题。所述新的约束还夹设在最大约束剂量之下，该最大约束剂量定义在VOI限制中，或由在先优化步骤建立，由于在执行更多的优化步骤，藉此保证最大约束只减少。

优化步骤排序

注意到，将治疗计划目标的序列映射到脚本步骤中是优化过程中的一个重要因子。可以按照多个方法来限制顺序地优化步骤，绝对约束和有序的优化步骤基于治疗计划目标设置该顺序地优化步骤。例如，在一个实施例中，如果到临界结构的剂量具有在肿瘤范围上的优先权所述临界结构的最大剂量约束可设置成临床极限，然后可将所述优化步骤施加到辐射到肿瘤的优化剂量，而不使到临界结构的剂量折衷。在另一个实施例中，如果肿瘤范围具有在临界结构上的优先权，所述最大剂量约束能够以合理的值设置到所述临界结构，但是比临床极限值高，然后可以优化肿瘤剂量。接下来，可以优化最大剂量，或者可以优化到临界结构的平均剂量来尽可能地减少它们的最大剂量，而不使靶体积的剂量分布折衷。在另一个实施例中，如果最小化治疗时间是关键目标，可以设置治疗计划中在总MU上的绝对约束，并且在早期的优化步骤可优化总的MU。然而，如果在序列的早期优化MU，可使用每个射束/节点的MU约束和/或壳结构上的最大剂量约束，来避免只选定少量射束方向的可能性。

一旦为临床应用定义了绝对约束和有序的优化步骤的合适的设置，该设置可存储为脚本并且在将来应用于相似的临床病例。在治疗计划系统的用户界面中的每个脚本都是完全可编辑的。

临床示例

以下的示例图示了在假设的临床上使用顺序地优化步骤，包括：1)前列腺肿瘤病例，其主要目标是剂量均匀性和周围临界结构的低剂量；2)脊柱肿瘤病例，其主要目标是剂量范围和脊柱的低剂量；和3)肺脏肿瘤病例，其主要目标是剂量适形性和限制治疗时间。每个描述都附有定义优化步骤的表格。

1)前列腺病例样本

在此实施例中，临床医师需要治疗前列腺并且在PTV中尽可能均一地传输剂量。例如，临床医师需要最小剂量和最大剂量之间最多20％，因此，设置PVT最大值大于所述处方剂量20％。直肠和膀胱的最大剂量设置成每个器官已知的耐受剂量。临床医师需要在远离PVT的方向上高的剂量梯度，从而减少传输到正常组织的剂量。从先前的治疗病例了解到，将靠近PTV的剂量约束到处方剂量，并且在更远的距离约束到处方剂量的50％，可提供良好的适形性，而不抑制其它的治疗计划目标。因此，在这些距离上生成两个自动壳结构，并且将处方剂量和该处方剂量的50％设置成最大剂量。最大的总MU，每个射束的MU和每个结点的MU设置成合理值，在相似的先前治疗的病例中该合理值被证明能达到预期的剂量分布和进入剂量。

多个临界结构围着前列腺。直肠具有这些剂量限制中的最低剂量约束，意味着处方剂量不能接触到直肠壁。将OMI步骤的目标值设置成处方剂量，该处方剂量不与直肠壁的最大剂量冲突。按照OHI步骤来最大化肿瘤剂量均匀性。然后，添加OME步骤来进一步减少到直肠和膀胱的剂量。首先执行直肠步骤，因为临床医师给它在膀胱上的优先权。将目标值设置成处方剂量的75％，从而使接收超过处方75％(标为V75)的体积最小化，这与并发症概率相关。OME步骤之后接有OMU步骤，来达到最低的总MU，同时保持从前面的优化步骤达到的计划的质量。

表2-1前列腺病例样本

2)脊柱病例样本

在此实施例中，临床医师需要获得脊柱的最佳范围，同时抑制传输到脊柱的剂量。剂量均匀性不再重要，并且PTV最大剂量设置成很大的值。传输到脊柱的最大剂量设置成已知的耐受剂量。

在确定距离约束75％处方剂量线可保持周围的正常组织的剂量低，而不影响脊柱或肿瘤范围的剂量。生成一个自动壳结构，并且将处方剂量的75％设置成最大剂量。最大的总MU、每个射束的MU、和每个节点的MU设置成合理值，在相似的先前治疗的病例中该合理值被证明能达到预期的剂量分布和进入剂量。

肿瘤位于脊柱附近，并且脊柱的耐受剂量低于处方剂量。因此，OMI步骤的目标值是设置脊柱的最大耐受剂量。其后有一个OCO步骤来最大化肿瘤剂量范围。然后，添加OME步骤来进一步减少脊柱的剂量。将目标值设置成0来最小化脊柱的平均剂量。其后有一个OMU步骤来获取可能性最低的总MU，同时保持从前面的优化步骤达到的计划的质量。

表2-2脊柱病例样本

3)肺脏病例样本

在此实施例中，临床医师需要使用大约20％的适形性来治疗左肺中的病灶。PTV最大值设置成大于处方剂量的20％。食道和心脏的最大剂量设置成每个器官已知的耐受剂量。

临床医师希望允许肺脏病灶周围的小体积来接收充分的处方剂量，从而达到PTV的良好范围，因此左肺从优化中排除。然而，临床医师需要在远离PVT的方向上高的剂量梯度，从而减少正常肺脏中的平均剂量。

在先的相似病例的计划显示可达到的最陡的剂量梯度，其特征是通过在远离PTV的指定距离定位75％的处方剂量线和50％的处方剂量线。因此，在这些距离处生成两个自动壳结构并且两个壳结构的初始最大剂量设置成处方剂量。最大的总MU、每个射束的MU、和每个节点的MU设置成合理值，在相似的先前治疗的病例中该合理值被证明能达到预期的剂量分布和进入剂量。

除了肺脏外，没有其它重要结构靠近病灶，因此OMI步骤的目标是设置成处方剂量。OMI步骤之后接有OCO步骤来最大化肿瘤范围。

其次，因为此病例中的首要目的是最小化治疗时间，一个OMU步骤位于下一个，在顺序地优化过程中非常靠前。OMU步骤之后接有两个OCI步骤来优化在靠近75％的处方剂量线的内部壳结构上和靠近50％的处方剂量线的外部壳结构上的剂量分布的适形性。

表2-3肺脏病例样本

值得注意的是，尽管以上的实施例描述了前列腺病例、脊柱病例和肺脏病例的指定值和目标，但是在其它实施例中，还可以使用其它值和目标。

射束减少

顺序地优化想肿瘤对准大约2000到6000个候选射束(例如，基于选定的准直仪尺寸数)。一般地，治疗计划中的顺序地优化结果具有大约100-400个具有非零MU的射束。为了减少整个治疗时间，可执行射束复位来进一步减少射束的数量。射束从所述优化过程移除，这些射束的MU在用户定义的临界值之下，并且可选择地，只使用留下的射束重新优化。候选射束从数千到数百的减少致使优化和治疗时间显著地缩短。射束复位排除了那些对治疗计划没有显著贡献的射束，并且可选择地只使用被发现对当前的肿瘤体积和临界结构有效的射束来重新优化。对于合理的MU临界值，治疗计划可使用更少的射束，具有更少的总MU，并且会经历所述剂量分布微不足道的退化。

一般地，重新优化使用相同的绝对约束和优化步骤。然而，假设留下的射束在几何上对当前的肿瘤体积和临界结构有效，相同的射束应该在稍微不同的优化参数(最大剂量限制，目标值等)条件下也能很好地工作。再次，对于一个合理的MU临界值，能够微调绝对约束和优化步骤，并且利用短的优化时间来对剂量分布进行小幅调整，该更短的优化时间的结果是更小的候选射束集。在一个实施例中，可首先使用小临界值来避免计划质量折衷，然后使用增大的临界值来重新运行优化，如果计划质量具有微小的改变，但是在第一临界值处有过多的留下的射束。这个增加的方法花费的时间有点更长，当时可以避免减少过多的射束(不重设射束集就不能存储)。本领域技术人员会认识到，其它构造也是可以的。

自动准直仪选择

在一个实施例中，顺序地优化使用自动准直仪选择算法。所述自动准直仪选择算法在顺序地优化期间选择两个或三个固定的准直仪尺寸。这个选择可使用基于靶体积尺寸的几何启发来执行。用户对均匀性和适形性的偏好分别决定了启发式是否选择更大准直仪尺寸或更小准直仪尺寸。在另一个实施例中，自动准直仪选择算法在顺序地优化期间和多尺寸准直仪一起使用。

在实践中，当剂量约束的存在风险的器官靠近靶体积时，适形性选项通常是有用的。在一个实施例中，TPS设计成在准直仪选择过程提供一个起始点。没有几何启发式能够保证最有计划求解的结果(这就是，任何两个或三个准直仪尺寸的组合可达到最低的整体成本项)。因此，这个选择必须基于对特定计划问题的临床理解来谨慎地评估。

重要采样

在一个实施例中，顺序地优化使用重要采样(例如，图5A的560)。治疗计划系统，例如由加利福尼亚州的Accuray公司提供的

系统，可从用于剂量计算的相同的格子中采集用于优化的点。通常地，此采样独立于射束的数目或类型，准直仪的数目、类型和尺寸，并且用户可通过使用跳过因子(例如，图5A的556)来控制点的密度。例如，当跳过因子设置成1时与起作用的全套相比，给定VOI的两个结果的跳过因子近似采样点的总数的一半。

重要采样使用不同的方法来为优化目的支配采样点，通过试着决定哪个OAR或壳结构点可能是OAR或壳结构的边界最大约束。作为一个示例，如果线性编程具有一组约束{x＜5，x＜7.2，x＜4.5}，然后约束x＜4.5是边界约束，因为它代替所有的其它约束。重要采样的基本前提是，具有来自射束(例如，图10的射束n1001)的每个MU的cGY系数最高的OAR或壳结构中的体素将是射束影响对大的点，其中该射束来自穿过OAR或自动壳结构。只有临界结构或自动壳结构可使用此方法，因为定义的靶需要高度均一的剂量和具有最小剂量约束，并且所有点可能是有些最小边界约束的一部分。

考虑图10显示的所述实施例可证明选择‘最重要’点的方法。对于每个射束(例如，588)的重要采样体素设置成3的情况，所述算法将抽出每个射束(例如，射束n1001和m1002)的具有最高剂量系数的三个体素1003和1004(在剂量体积1006中)。所有射束的体素系列1003和1004为串联，并且任何从多射束采集的相同的点(例如体素1005)都被移除。图10中重要采样设置成每个射束三个体素。图10中图示的射束重叠导致两个射束的5个体素。虚线圆表示体素1003和1004包括在射束1001和1002两者图示的采样中。采样的体素的总数并非严格地与射束的总数成比例。总之，重要采样：1)启用每个射束的体素数目的条目(例如，限制为1-5)；2)只施加于临界结构(或者他们的边界体素，如果制止了边界唯一盒566)和壳结构；3)不包括从任何射束接收每个MU相对较少的剂量的一个VOI上的约束点；以及4)维持在优化上的‘重要的’最大约束，因为当VOI上的其它点被相同的最大剂量边界更紧密地约束时，接收较少剂量的点是多余的。

治疗计划系统

此处描述的实施例可实施为治疗计划的方法，或者包括TPS的治疗计划系统。在一个实施例中，所述TPS的一个或更大部分包括“精灵”或“精灵般”用户界面，其中所述TPS引导用户完成一个或更大治疗计划的复杂任务。所述TPS可提供有精灵或精灵般用户界面来启动治疗计划过程。例如，中一个实施例中，精灵用户界面可包括一步一步的对话框来引导用户完成治疗计划过程，如输入三维图像、VOI轮廓，来顺序地优化所述治疗计划。特别地对于顺序地优化，可使用精灵界面获取用户输入来定义优化步骤、优化步骤序列、一个或更大绝对约束、目标值、松弛值等。在一个实施例中，精灵界面引导用户进入治疗计划的工作流程，于2005年9月30日申请的美国专利第2007/0078306A1号所述。本领域技术人员会认识到，可以使用其它类型的TPS。

在一个实施例中，用户可使用精灵用户界面来为患者特定的治疗区域建立治疗计划，如此处所述。在另一个实施例中，用户可使用精灵用户界面建立一个或更大脚本来被存储以供以后使用，如此处所述。在另一个实施例中，用户可使用精灵用户界面选择保存的脚本来建立当前治疗计划。保存的脚本可提供一个或更大预定义的可用于解剖治疗目标区域的治疗计划参数。例如，在一个实施例中，在治疗计划期间，用户可在精灵用户界面中指定被对准来辐射治疗的解剖区域，例如通过选择患者的一个身体区域来辐射治疗，该患者在用户界面上以身体图像代表。基于选定的身体区域，具有预定义的计划参数的合适的计划模板库被上传。模板的治疗计划参数可依据过去成功治疗特定身体区域(例如，头颅、脊柱、肺脏)的治疗。治疗计划参数可由厂商(例如，TPS的制造商)预定义，由用户预定义和保存，由系统从先前的相同治疗部位的计划的学习过程预定义。一个这种治疗计划参数可以是极佳地匹配优化治疗计划适形性、DVH和传输时间的节点集(或子集)。用户在优化治疗计划开始之前可以检查、修改和接受保存的脚本的预定义计划参数值。用户还可以修改预定义的治疗计划参数，并且将它们保存为新的脚本名称以供以后使用。使用精灵用户界面和保存的脚本，或单独或组合，可提供减少所需用来完成治疗计划过程的时间、减少用户错误的优点，并且还可提供简化包括在治疗计划工作流程内的各种任务的方法。

在一个实施例中，所述TPS在Windows Server 2003产品平台(另外，也可以使用其它操作系统平台)上实施，并且设计成与加利福尼亚州的Accuray公司开发的

系统集成，和第三方成像系统。在一个实施例中，TPS与分布和查看医学图像的医学数字成像和通信(DICOM)标准兼容，并且该TPS预配备有这些用途并且不需要附加软件。

在另一个实施例中，TPS包括基于用户定义的最小/最大剂量约束的各种优化剂量分布的算法。这些算法之一是迭代算法，该算法优化在最大剂量约束之上和最小剂量约束之下偏差。该迭代算法首先生成辐射射束集，并且通过改变一个或更大辐射射束来执行初始剂量分别计算。这些算法的另一个是单纯形算法，该算法包括最小化经过最小/最大剂量约束的MU的数量。使用或迭代算法或单纯形算法是另一个治疗计划参数，该参数由脚本预设置，或由用户定义。在一个实施例中，可以使用两个算法的组合。例如，计划优化可以开始时使用单纯形算法来确定所需的最小MU，然后使用迭代算法，反之亦然。

在一个实施例中，治疗计划过程包括正向计划技术和逆向计划技术的两个方面，藉此整合正向计划技术和逆向计划技术的力量。例如，操作者可使用等中心射束几何或非等中心和等中心射束几何的混合作为正向计划的一部分，然后在逆向计划期间直接顺序地修改等剂量轮廓的技术。操作者可以控制在治疗计划中使用的每个射束的以下几方面：辐射发射点、到靶区的距离、方向和辐射剂量权重。另外，可以根据选定的治疗计划参数来预设每个射束的特征。TPS可以允许操作者指定辐射射束集(和相关的路径、发射点和剂量权重)来用作正向计划过程的一部分，并且使用另一个射束集作为逆向计划的一部分。通过使用由治疗计划系统自动生成的约束点的一个或更大包络线，可以优化为逆向计划储备的射束集。

图11图示可用于执行辐射治疗的系统的一个实施例，本发明的特征在其中实施例。如以下所述并如图11所示，系统1000包括诊断成像系统2000，治疗计划系统3000和治疗传输系统4000。

诊断成像系统2000可以是任何能够生成患者的VOI医学诊断图像的系统，该诊断图像可用于后续的医学诊断，治疗计划和/或治疗传输。例如，诊断成像系统2000可以是CT系统、磁共振成像(MRI)系统，正电子发射断层扫描(PET)系统，超声波系统等。为了便于讨论，诊断成像系统2000有时候关于CT X射线影像学检查方法来在下文讨论。然而，也可以使用如以上那些的其它影像学检查方法。

诊断成像系统2000包括生成成像射束(例如，X射线，超声波，射频波等)的成像源，以及探测和接收成像源生成的射束、或第二射束、或来自成像光源(例如，在MRI或PET扫描中)受激发射的光束的成像探测器2020。在一个实施例中，诊断成像系统2000包括两个或更多的诊断X射线源和两个或更多的相应的成像探测器。例如，两个X射线源可设置在待成像的患者周围，固定成互相分离的角度(例如，90度，45度等)，并且旨在朝着成像探测器穿透患者，其与X射线源截然相反。也可以使用被每个X射线成像源照亮的单个大的成像探测器或多个成像探测器。本领域技术人员会认识到，也可以使用其它数量和构造的成像源和成像探测器。

成像源和成像探测器2020结合成数字处理系统2030来控制成箱操作和处理图像数据。诊断成像系统2000包括总线或其它装置2035来在数字处理系统2030、成像源和成像探测器2020中传送数据和命令。数字处理系统2030可包括一个或更大通用处理器(例如，微处理器)，如数字信号处理器(DSP)的专用处理器，或其它类型的处理装置，例如控制器，现场可编程门阵列(FPGA)等。数字处理系统2030还包括其它元件(未图示)，例如存储器，存储装置，网络适配器等。数字处理系统2030可以配置成生成标准格式的数字诊断图像，例如DICOM格式。在另一个实施例中，数字处理系统2030可生成其它标准或非标准数字图像格式。数字处理系统2030可通过数据传输线路1500传送诊断图像文件(例如，前文提及的DICOM格式的文件)到治疗计划系统3000，该数据传输线路1500可以是，例如，直接传输线路，局域网(LAN)传输线路或例如国际互联网的广域网(WAN)传输线路。此外，系统间传送的信息可以或拉或推来穿过连接系统的通信媒介，例如在远程诊断或治疗计划配置中。在远程诊断或治疗计划中，尽管系统用户和患者之间存在物理分隔，用户可使用本发明的实施例来诊断或治疗计划。

治疗计划系统3000包括接受和处理图像数据的处理装置3010。处理装置3010可代表一个或更大通用处理器(例如，微处理器)，如DSP的专用处理器，或其它类型的处理装置，例如控制器，FPGA等。处理装置3010可配置成运行执行此处讨论的TPS操作的指令，例如，顺序地优化多治疗计划参数，生成治疗计划的脚本，通过精灵用户界面引导用户，允许用户选择保存的脚本等。

治疗计划系统3000还包括系统存储器3020，该系统存储器3020可包括随机存取存储器(RAM)，或其它的动态存储装置，该存储器通过总线3055与处理装置3010结合来存储处理装置3010要运行的信息或指令。系统存储器3020在处理装置3010运行指令期间还可用于存储临时变量或其它中间信息。该系统存储器3020还包括与总线3055结合来存储处理装置3010的信息或指令的只读存储器(ROM)，和/或其它的静态存储装置。在一个实施例中，系统存储器3020是具有指令存储在其上的机器可读的存储介质，当处理装置运行该存储介质上的指令时，可执行此处描述的优化顺序地优化的操作。

治疗计划系统3000还包括存储装置3030，表示与总线3055结合来存储信息和指令的一个或更大存储装置(例如，磁盘驱动器或光盘驱动器)。存储装置3030可用于存储来执行此处讨论的治疗计划步骤的指令，例如顺序地优化算法。

处理装置3010还可结合到为用户显示信息(例如，VOI的二维或三维表示)的显示装置3040，例如阴极射线管(CRT)或液晶显示器(LCD)。输入装置3050，例如键盘，可结合至通信信息和/或处理装置3010的命令选择的处理装置3010。一个或更大其它的用户输入装置(例如，鼠标，跟踪球或光标方向键)还可用于通信直接信息，来在显示装置3040上选择处理装置3010的命令和控制光标运动。

可以认识到的是，治疗计划系统3000表示唯一一个治疗计划系统的示例，该系统具有很多不同的配置和架构，所述配置或架构包括比治疗计划系统3000更多的元件或更少的元件，并且可被本发明使用。例如，有些系统通常具有多总线，如周围总线，专用缓存总线等。所述治疗计划系统3000还包括MIRIT(医学图像检查和输入工具)来支持DICOM输入(因此图像可以融合并且靶可描绘在不同系统上，然后输入到治疗计划系统来计划和剂量计算)，扩展的图像融合性能允许用户在各种影像学检查方法(例如，MRI，CT，PET等)的任意一个中治疗计划并且浏览剂量分布。本领域技术人员会认识到所述治疗计划系统的附加细节，相应地，没有提供更详细的讨论。

治疗计划系统3000可以和治疗传输系统，例如治疗传输系统4000，分享它的数据库(例如，存储在存储装置3030中的数据)，因此没有必要在治疗传输之前从治疗计划系统输出数据。治疗计划系统3000可通过数据传输线路2050连接至治疗传输系统4000，该数据传输线路2050可为直接传输线路，局域网(LAN)传输线路或广域网(WAN)传输线路，如以上有关数据传输线路1500所述。值得注意的是，当数据传输线路1500和数据传输线路2050实施为LAN或WAN连接时，任意的诊断成像系统2000、治疗计划系统3000和/或治疗传输系统4000可以在分散的位置，例如所述系统可以是在物理上互相远程的。另外，任意的诊断成像系统2000、治疗计划系统3000和/或治疗传输系统4000可以互相集成在一个或多个系统中。

治疗传输系统4000包括治疗辐射源和/或外科辐射源4010来依照治疗计划管理靶体积的处方辐射剂量。治疗传输系统4000还可包括抓取患者体内(包括所述靶体积)的内部治疗图像的成像系统4020来与以上所述的诊断图像配准或相关，从而关于所述辐射源定位患者。治疗传输系统4000还包括控制治疗辐射源4010的数字处理系统4030，和例如治疗床4040的患者支撑装置。数字处理系统4030可包括一个或多个通用处理器(例如，微处理器)，如DSP的专用处理器，或其它类型的处理装置，例如控制器，FPGA等。数字处理系统4030可通过4045或其它类型的控制和通信界面与治疗辐射源4010，成像系统4020和治疗床4040结合。

在一个实施例中，如图12所示，治疗传输系统4000可以是图像制导的、基于机器人的辐射治疗系统(例如，执行辐射治疗的)，例如加利福尼亚州的Accuray公司开发的系统。在图12中，所述治疗辐射源4010表示安装在具有多自由度(例如，5或更多)的机械臂4052末端的线性加速器(LINAC)4051，从而定位所述LINAC 405来在围绕患者的操作体积(例如，球体)中用从不同角度传输的射束照射病理解剖(靶区或靶体积)。治疗可包括具有单一等中心(辐辏点)、多等中心、或非等中心的方法的射束路径(即，所述射束只需与病理靶体积交叉，而不必在所述靶内会聚于与单个点，或等中心)。治疗能够在治疗计划期间确定的以单会话(单组分)或少数会话传输。在一个实施例中，由于具有治疗传输系统4000，在手术前的治疗计划阶段可以根据治疗计划传输辐射射束，而不将患者固定到配准所述靶体积的内部操作位置和所述靶体积的位置刚性的外置支架。

在图12中，所述成像系统4020表示为X射线源4053和4054和X射线图像探测器(成像仪)4056和4057。在一个实施例中，例如，两个X射线源4053和4054可以名义上对齐从两个不同角度位置(例如，以90度，45度等分离)贯穿患者的透射成像X射线射束，并且旨在朝着相应的探测器4056和4057贯穿治疗床4050上的患者。在另一个实施例中，可以使用将被每个X射线成像源照亮的单个大的成像仪。本领域技术人员会认识到，也可以使用其它数量和构造的成像源和成像仪。

数字处理系统4030可以实施算法来配准从成像系统4020获取的图像和手术前的治疗计划图像，从而在所述治疗传输系统4000中与治疗床4050上的患者对齐，并且关于所述靶体积定位所述辐射源。

所述治疗床4050可以结合至具有多自由度的定位系统4060的另一个机械臂，例如由Accuray公司开发的

治疗床。所述床臂具有6个旋转自由度，和一个大体上垂直的直线自由度或至少四个旋转自由度。所述床臂可垂直地安装于柱体或壁面，或水平地安装于基座、地面或天花板。另外，治疗床4050可以是另一个机械机构的组件，例如加利福尼亚州的Accuray公司开发的

治疗床，或本领域技术人员会认识到的其它类型的治疗桌。

另外，治疗传输系统4000可以是另一个类型的治疗传输系统，例如，龙门式强度调制辐射治疗(IMRT)系统。在龙门式系统中，辐射源(例如，LINAC)以在对应于患者的轴切片的平面上旋转的方式安装在台架上。然后从旋转的圆平面上的不同位置传输辐射线。在IMRT中，辐射射束的形状由阻挡部分射束的多叶准直仪限制，因此入射在患者上留下的射束具有预定的形状。合成系统生成在等中心互相交叉的任意形状的辐射射束来将剂量分布传输到靶。在IMRT计划中，优化算法选择主要射束的子集，并且确定患者应当暴露于每个子集的时间量，因此匹配处方的剂量约束。在一个特定实施例中，龙门式系统可具有LINAC安装在万向头构件的O型环。

在另一个实施例中，还可以使用另一个类型的治疗传输系统4000，例如，立体定向架构系统，如瑞典医科达提供的

由于具有这种系统，治疗计划的优化算法确定所述选择和分配给形成等中心的一组射束的剂量权重，从而最佳地满足提供的剂量约束。

值得注意的是，此处描述的方法和装置并非限制只能用于医疗诊断成像和治疗。在替换实施例中，此处的方法和装置可用于医疗技术领域之外的应用，如工业成像和材料的无损探伤(例如，自动化工业中的马达块，航空工业的机身，建筑工业的焊缝，石油工业中的十字头钻)，和地震勘探。在这种应用中，例如，“治疗”一般地可指辐射射束的应用。

本发明的实施例包括各种步骤，如此处所述。本发明的步骤可由硬件部件完成或可由机器可执行的指令来实施，该指令可用于产生一个使用完成所述步骤的指令来编程的通用或专用处理器。另外，所述步骤可由硬件或软件的组合来完成。

本发明的实施例可提供为计算机程序产品，或软件，它包括具有指令存储在其上的计算机可读的存储介质，它可用于编程为计算机系统(或其它电子装置)来完成此处描述的操作的方法。计算机可读的介质包括任何以机器(例如，计算机)可读的形式(例如，软件，处理应用程序)存储或传送信息的机构。所述计算机可读的存储介质可包括，但并非限制，磁存储介质(例如，硬盘)；磁光存储介质；光学存储介质(例如，CD-ROM)；只读存储器(ROM)；随机存取存储器(RAM)；可擦写可编程只读存储器(例如，EPROM和EPRAM)，闪存，或其它类型适合存储电子指令的介质。

本发明的实施例还可实行于分布式计算环境，其中所述机器可读的存储介质存储在超过一台计算机上，或由超过一台计算机执行。此外，计算机系统间传送的信息可或推或拉来通过连接计算机系统的通信介质。在远程诊断或检测中，尽管用户和患者之间纯在物理分离，用户可利用本发明的实施例来诊断或检测患者。此外，所述治疗传输系统可远离所述治疗计划系统。

在前述的说明中，参考了本发明的具体的示范实施例来描述本发明。但是，很清楚的是可在不背离本文所述实施例的广义精神及范围的前提下，对这些实施例进行各种修改和改变。因此，说明书和附图要看作是解释性的而不是限制性的。

Claims (50)

1.一种计算机实施的方法，包括：

在治疗计划系统处接收多个辐射治疗计划参数，其中所述多个辐射治疗计划参数表示通过辐射射束应用于解剖区域的辐射的特征；以及

使用所述治疗计划系统顺序地优化所述多个辐射治疗计划参数，以获得待在所述所述解剖区域处导向的多个辐射射束的优化的治疗计划。

2.如权利要求1所述的方法，其中顺序地优化包括：

进行第一优化步骤以优化所述多个治疗计划参数的第一个；

将所述第一优化步骤的结果作为附加约束应用于第二优化步骤；以及

进行所述第二优化步骤以优化所述多个治疗计划参数的第二个。

3.如权利要求1所述的方法，其中顺序地优化包括：顺序地和单独地将所述多个治疗计划参数以脚本指定的次序优化，并且其中所述脚本是优化步骤序列。

4.如权利要求3所述的方法，其中所述多个治疗计划参数包括优化成本函数的多个优化约束，并且其中顺序地和单独地优化包括：

执行所述脚本的第一优化步骤以将所述多个优化约束的第一优化约束优化成第一目标值；

将所述第一优化步骤的结果作为附加约束应用于后续优化步骤；以及

执行所述脚本的一个或多个后续优化步骤以优化所述多个优化约束的一个或多个附加优化约束，而不违反所述附加约束。

5.如权利要求4所述的方法，其中顺序地和单独地优化进一步包括在所述一个或多个后续优化步骤的执行期间使所述第一优化步骤的结果松弛最多松弛值。

6.如权利要求4所述的方法，其中顺序地和单独地优化包括顺序地优化每个所述优化步骤，而不违反一个或多个绝对约束中的任意一个。

7.如权利要求4所述的方法，其中所述第一优化步骤应用于靶的目标体积(VOI)，并且其中所述一个或多个后续优化步骤中的至少一个应用于临界结构。

8.如权利要求3所述的方法，进一步包括将所述脚本保存到存储器中。

9.如权利要求3所述的方法，其中所述脚本的多个优化步骤各自对应于治疗计划目标，并且其中顺序地和单独地优化包括：

定义所述多个优化步骤的第一个以应用于包括患者的前列腺的至少一部分的计划靶体积(PTV)，其中该第一优化步骤包括优化至所述PTV的最小剂量(OMI)以实现第一治疗计划目标；

定义所述多个优化步骤的第二个以应用于所述PTV，其中该第二优化步骤包括优化所述PTV的均匀性(OHI)以实现第二治疗计划目标；

定义所述多个优化步骤的第三个以应用于包括直肠的至少一部分的第一目标体积(VOI)，其中该第三优化步骤包括优化所述第一VOI的平均剂量(OME)以实现第三治疗计划目标；

定义所述多个优化步骤的第四个以应用于包括膀胱的至少一部分的第二VOI，其中该第四优化步骤包括优化所述第二VOI的平均剂量(OME)以实现第四治疗计划目标；以及

单独地并且按序列顺序地执行所述第一、第二、第三和第四优化步骤。

10.如权利要求1所述的方法，进一步包括定义在所述顺序地优化期间不能被违反的一个或多个绝对约束，其中所述一个或多个绝对约束包括以下至少一种：

所述治疗计划的最大监视器单元(MU)；

每个射束的最大MU；以及

每个节点的最大MU。

11.如权利要求3所述的方法，其中顺序地和单独地优化进一步包括：

定义第一壳结构的最大剂量，该第一壳结构至少部分地围绕计划靶体积(PTV)，该计划靶体积包括所述解剖区域中的至少一部分靶体积；以及

定义至少部分地围绕所述PTV的第二壳结构的最大剂量，其中所述第一壳结构的最大剂量比所述第二壳结构的最大剂量小。

12.如权利要求2所述的方法，其中所述第一优化步骤的约束包括一个或多个绝对约束，其中所述第二优化步骤的约束包括所述第一优化步骤的结果和所述绝对约束，其中所述第三优化步骤的约束包括所述第一优化步骤的结果、第二优化步骤的结果和所述绝对约束，并且其中所述第四优化步骤的约束包括所述第一和第二优化步骤的结果、第三优化步骤的结果和所述绝对约束。

13.如权利要求2所述的方法，其中所述第一优化步骤的约束包括一个或多个绝对约束，其中所述第二优化步骤的约束包括所述绝对约束和在后续优化步骤的执行时能够偏离不超过第一松弛值的第一优化的结果，其中所述第三优化步骤的约束包括所述绝对约束、在后续优化步骤的执行时能够偏离不超过第一松弛值的所述第一优化的结果和在后续优化步骤的执行时能够偏离不超过第二松弛值的所述第二优化的结果，其中所述第四优化步骤的约束包括所述绝对约束、在后续优化步骤的执行时能够偏离不超过第一松弛值的所述第一优化的结果、在后续优化步骤的执行时能够偏离不超过第二松弛值的所述第二优化的结果和能够偏离不超过第三松弛值的第三优化步骤的结果。

14.如权利要求3所述的方法，其中所述脚本的多个优化步骤各自对应于治疗计划目标，并且其中顺序地和单独地优化包括：

定义所述多个优化步骤的第一个以应用于患者的脊柱附近的计划靶体积(PTV)，其中该第一优化步骤包括优化至所述PTV的最小剂量(OMI)以实现第一治疗计划目标；

定义第二优化步骤以应用于所述PTV，其中该第二优化步骤包括优化所述PTV的覆盖范围(OCO)以实现第二治疗计划目标；

定义第三优化步骤以应用于包括至少一部分所述脊柱的第一目标体积(VOI)，其中该第三优化步骤包括优化所述第一VOI的平均剂量(OME)以实现第三治疗计划目标；

定义第四优化步骤以优化所述治疗计划中的总的监视器单元(MU)，以实现第四治疗计划目标；以及

单独地并且按序列顺序地优化所述第一、第二、第三和第四优化步骤。

15.如权利要求3所述的方法，其中所述脚本的多个优化步骤各自对应于治疗计划目标，其中顺序地和单独地优化包括：

定义第一优化步骤以应用于患者的肺脏附近的计划靶体积(PTV)，其中该第一优化步骤包括优化所述PTV的最小剂量(OMI)以实现第一治疗计划目标；

定义第二优化步骤以应用于所述PTV，其中该第二优化步骤包括优化所述PTV的覆盖范围(OCO)以实现第二治疗计划目标；

定义第三优化步骤以优化所述治疗计划中的总的监视器单元(MU)，以实现第三治疗计划目标；

定义第四优化步骤以应用于至少部分地围绕所述PTV的第一壳结构，其中该第四优化步骤包括优化所述第一壳结构的适形性(OCI)以实现第四治疗计划目标；

定义第五优化步骤以应用于至少部分地围绕所述PTV的第二壳结构，其中该第五优化步骤包括优化第二壳结构适形性(OCI)以实现第五治疗计划目标，其中所述第一壳结构的最大剂量比所述第二壳结构的最大剂量小；以及

单独地并且按序列顺序地优化所述第一、第二、第三、第四和第五优化步骤。

16.一种计算机实施的方法，包括：

在治疗计划系统处接收输入以定义多个辐射治疗计划参数，其中所述多个辐射治疗计划参数表示通过辐射射束应用于解剖区域的辐射的特征；以及

使用所述治疗计划系统从所述多个辐射治疗计划参数生成脚本，其中所述脚本包括有序序列的多个优化步骤，以获得待在所述所述解剖区域处导向的多个辐射射束的优化的治疗计划。

17.如权利要求16所述的方法，进一步包括将所述脚本保存到存储器中供以后提取。

18.如权利要求16所述的方法，其中生成所述脚本进一步包括从存储器载入脚本，该保存的脚本包括一个或多个预定义的优化步骤。

19.如权利要去18所述的方法，其中生成所述脚本进一步包括编辑与所述载入的脚本相关的所述一个或多个预定义的优化步骤中的至少一个。

20.如权利要求18所述的方法，其中所述一个或多个预定义的优化步骤基于一个或多个过去的辐射治疗计划。

21.如权利要求18所述的方法，其中所述一个或多个预定义的优化步骤由生成所述脚本的治疗计划系统的制造商预定义。

22.如权利要求18所述的方法，其中所述一个或多个优化步骤是通过基于用于目标解剖体积的先前辐射治疗计划的学习过程预定义的。

23.如权利要求16所述的方法，其中生成所述脚本进一步包括从存储器加载脚本，所述保存的脚本包括一个或多个预定义的优化步骤和一个或多个预定义的不可优化输入，其中所述不可优化输入包括一个或多个目标体积(VOI)，每个都有VOI名称和VOI类型，并且其中所述一个或多个预定义的优化步骤包括每个VOI的最小剂量约束或最大剂量约束。

24.如权利要求16所述的方法，其中生成所述脚本进一步包括从存储器加载保存的脚本，所述保存的脚本包括多个预定义的优化步骤以定义所述脚本的多个优化步骤。

25.如权利要求16所述的方法，其中所述多个优化步骤包括应用于射束几何形状或射束用途中的至少一个的一个或多个优化步骤。

26.如权利要求16所述的方法，进一步包括执行所述脚本以按照由所述脚本指定的次序顺序地优化所述多个优化步骤中的每个，其中该执行由所述治疗计划系统进行。

27.如权利要求26所述的方法，其中所述执行包括：

进行第一优化步骤以朝着第一目标值优化第一约束；

将所述第一优化步骤的结果作为附加约束应用于第二优化步骤，其中所述附加约束在后续优化步骤中可以松弛至多到松弛值；以及

进行第二优化步骤以朝着第二目标值优化第二约束，其中所述第二优化步骤可将所述附加约束松弛至多到所述松弛值。

28.如权利要求27所述的方法，进一步包括在所述治疗计划系统处通过用户界面接收用户输入以定义所述松弛值和所述第一和第二目标值。

29.如权利要求16所述的方法，进一步包括：

在所述治疗计划系统处通过用户界面接收用户输入以定义有序序列的多个优化步骤。

30.如权利要求16所述的方法，进一步包括：

在所述治疗计划系统处通过用户界面接收用户输入，以根据待实现的特定优化步骤的用户定义的相对难度来定义有序序列的多个优化步骤。

31.如权利要求16所述的方法，其中所述多个优化步骤各自对应于治疗计划目标，并且其中所述方法进一步包括：

在所述治疗计划系统处通过用户界面接收用户输入，以根据所述多个优化步骤的重要性，并且根据待实现的特定优化步骤的相对难度来定义有序序列的多个优化步骤。

32.一种计算机实施的方法，包括：

使用治疗计划系统生成脚本，其中所述脚本是作为辐射治疗计划一部分的待用于靶体积和周围区域的有序序列的多个优化步骤，其中所述多个优化步骤表示通过辐射射束应用于患者的所述靶体积和周围区域的辐射的特征；以及

使用所述治疗计划系统执行所述脚本，其中执行所述脚本包括进行多约束优化成本函数的线性编程优化，其中进行所述线性编程优化包括按照有序序列进行每个所述多个优化步骤以单独地优化所述多约束成本函数的约束，其中所述多约束优化成本函数表示待在所述靶体积和周围区域处导向的多个辐射射束的优化的治疗计划。

33.如权利要求32所述的方法，进一步包括：

在所述治疗计划系统处接收用户输入以定义在所述脚本执行期间不能被违反的一个或多个绝对约束；以及

在所述治疗计划系统处接收用户输入以为每个所述多个优化步骤定义目标值，其中所述按照有序序列来进行每个所述多个优化步骤包括：

进行第一优化步骤以将所述多约束优化成本函数的第一约束优化到代表待用于所述靶体积的剂量的第一目标值，其中所述第一优化步骤最大化待传输到所述靶体积的最小剂量，而不违反所述一个或多个绝对约束中的任一个，并且其中所述第一优化步骤的结果保留作为后续优化步骤的附加约束：以及

进行后续优化步骤以将所述多约束优化成本函数的第二约束优化到第二目标值，而不违反所述一个或多个绝对约束中的任一个或所述附加约束。

34.如权利要求33所述的方法，其中所述按照有序序列进行每个所述多个优化步骤进一步包括当进行所述后续优化步骤时，使用所述治疗计划系统松弛所述第一优化步骤的结果，其中当进行所述后续优化步骤时，松弛所述结果允许所述治疗计划系统使所述附加约束改变最多松弛值。

35.如权利要求33所述的方法，其中所述一个或多个绝对约束包括以下至少一种：

每个射束的最大监视器单元(MU)；

每个节点的最大MU；

所述辐射治疗计划的最大MU；

所述辐射治疗计划中靶的目标体积(VOI)的最大剂量；或

所述辐射治疗计划中另一个VOI的最小剂量。

36.如权利要求34所述的方法，其中所述多个优化步骤包括待用于所述靶体积的第一优化步骤和待用于靶体积的周围区域中的临界结构的第二优化步骤。

37.如权利要求34所述的方法，其中所述多个优化步骤包括待用于所述靶体积的第一优化步骤和待用于至少部分地围绕所述靶体积的壳结构的第二优化步骤。

38.如权利要求34所述的方法，其中多约束优化成本函数的约束各自对应于治疗计划目标，并且其中每个治疗计划目标是以下至少一种：

通过所述治疗计划系统优化所述靶体积的最小剂量(OMI)；

通过所述治疗计划系统优化所述靶体积的覆盖范围(OCO)：

通过所述治疗计划系统优化所述靶体积的均匀性(OHI)；

通过所述治疗计划系统优化所述所述靶体积附近的临界结构的最大剂量(OMA)；

通过所述治疗计划系统优化所述靶体积附近的临界结构的平均剂量(OME)；

通过所述治疗计划系统优化至少部分地围绕所述靶体积的壳结构的适形性(OCI)；或

通过所述治疗计划系统优化所述待用于所述靶体积的监视器单元(OMU)。

39.一种其上存储指令的计算机可读的存储介质，当被治疗计划系统执行时，引起所述治疗计划系统执行方法，包括：

在治疗计划系统处接收多个辐射治疗计划参数，其中所述多个辐射治疗计划参数表示通过辐射射束应用于解剖区域的辐射的特征；以及

使用所述治疗计划系统顺序地优化所述多个辐射治疗计划参数，以获得待在所述所述解剖区域处导向的多个辐射射束的优化的治疗计划。

40.如权利要求39所述的计算机可读的存储介质，其中顺序地优化包括：

进行第一优化步骤以优化所述多个治疗计划参数的第一个；

将所述第一优化步骤的结果作为附加约束应用于第二优化步骤；以及

进行所述第二优化步骤以优化所述多个治疗计划参数的第二个。

41.如权利要求39所述的计算机可读的存储介质，其中顺序地优化包括：顺序地和单独地将所述多个治疗计划参数以脚本指定的次序优化，并且其中所述脚本是优化步骤序列。

42.一种其上存储指令的计算机可读的存储介质，当被治疗计划系统执行时，引起所述治疗计划系统执行方法，包括：

在治疗计划系统处接收输入以定义多个辐射治疗计划参数，其中所述多个辐射治疗计划参数表示通过辐射射束应用于解剖区域的辐射的特征；以及

使用所述治疗计划系统从所述多个辐射治疗计划参数生成脚本，其中所述脚本包括有序序列的多个优化步骤，以获得待在所述所述解剖区域处导向的多个辐射射束的优化的治疗计划。

43.如权利要求42所述的计算机可读的存储介质，进一步包括将所述脚本保存到存储器中供以后提取。

44.如权利要求42所述的计算机可读的存储介质，其中生成所述脚本进一步包括从存储器中载入保存的脚本，所述保存的脚本包括多个预定义的优化步骤以定义所述脚本的所述多个优化步骤。

45.如权利要求42所述的计算机可读的存储介质，进一步包括按照所述脚本指定的次序来执行所述脚本以顺序地优化每个所述多个优化步骤：其中所述执行包括：

进行第一优化步骤以朝着第一目标值优化第一约束；

将所述第一优化步骤的结果作为附加约束应用于第二优化步骤，其中所述附加约束在后续优化步骤中可以松弛至多到松弛值；以及

进行第二优化步骤以朝着第二目标值优化第二约束，其中所述第二优化步骤可将所述附加约束松弛至多到所述松弛值。

46.一种系统，包括

生成辐射治疗计划的治疗计划系统，包括：

界面装置，接收所述辐射治疗计划的多个辐射治疗计划参数，其中所述多个辐射治疗计划参数表示通过辐射射束应用于解剖区域的辐射的特征；以及

处理装置，耦合所述界面以顺序地优化所述多个辐射治疗计划参数，来获得待在所述所述解剖区域处导向的多个辐射射束的优化的治疗计划。

47.如权利要求46所述的系统，进一步包括治疗传输系统，其被耦合以从所述治疗计划系统接收所述优化的辐射治疗计划，所述治疗计划系统包括辐射源以根据所述优化的辐射治疗计划来应用辐射射束。

48.如权利要求47所述的系统，其中所述辐射源是线性加速器(LINAC)。

49.如权利要求48所述的系统，其中所述LINAC安装在具有5个或更多自由度的机械臂上。

50.如权利要求48所述的系统，其中所述LINAC安装在万向头组件上。

Images