本技术提出了一种基于RRT算法的放疗机器人多维放疗路径规划方法。本方法首先对动态肿瘤的放疗路径规划问题进行建模,然后利用蚁群算法拟合了肿瘤的准周期运动模型,融合该模型构建了放疗路径点选取的目标函数,最后提出了基于RRT算法的放疗路径点搜索策略,并制定剂量分布评估指标对放疗路径点优化效果进行评估。与现有方法相比,本发明将肿瘤位置、放疗路径点与放射剂量统一为一个多维变量,对影响放疗效果的因素同时优化,可以提高放射治疗精度以及对人体呼吸运动过程中的动态肿瘤的适用性。
背景技术
射束方向优化问题(BAO,Beam Angle Orientation)是一个组合优化问题,传统的做法是通过启发式算法迭代的搜索一组射束组合,但是由于射束角度的空间组合太多,导致计算量太大,特别是当同时考虑多个约束条件时容易陷入局部最优。
随着科技水平的进步,传统根据医师经验或固定模板手动选择射束方向的方法已基本被自动射束角度优化算法替代。传统的启发式算法在生成简单的共面点射式放疗计划时效果较好,但是随着放疗设备的发展,非共面放疗以及VMAT连续放疗技术已经逐渐占据放疗手术中的主导地位,启发式算法在面对复杂的射束解空间时,计算量过大,且容易陷入局部最优。而基于深度学习、强化学习的射束优化方法虽然具有较好的适应性,但是需要大量的训练数据以及计算资源,并且没有考虑到呼吸运动对放疗精度的影响。
虽然当前针对BAO已经提出了很多有效的解决方案,但是大部分都是针对静态肿瘤的,少数面向动态肿瘤的方案也没有将放射源、肿瘤、剂量作为一个整体进行考虑,导致放疗方案对动态肿瘤的适应性不够高。因此,研究一种能够将肿瘤呼吸运动考虑在内的放疗路径规划方法,将有利于显著提高放疗精度,减小因放疗点误差对人体健康组织造成的放射性损害。
实现思路