本發(fā)明涉及放射治療領域，尤其涉及一種在放射治療計劃中基于聚類的采樣方法。

背景技術：

放射治療是利用放射線如放射性同位素產(chǎn)生的α、β、γ射線和各類x射線治療機或加速器產(chǎn)生的x射線、電子線、質子束及其它粒子束等治療惡性腫瘤的一種方法。

由于射束能量高，在腫瘤細胞被殺死的同時正常細胞也會受到影響。為了盡可能地減少對正常組織的傷害，需要制定放射治療計劃。放射治療計劃中，醫(yī)生需要給出處方和治療方案，物理師根據(jù)醫(yī)生處方，勾畫器官和腫瘤位置，以及總的腫瘤體積(Gross Tumor Volume，GTV)、臨床目標體積(Clinical Target volume，CTV)和計劃治療體積(Planning Target Volume，PTV)等靶區(qū)，制定放射治療計劃并進行優(yōu)化。

為了判斷放射治療計劃的好壞，通常使用劑量計算算法(例如蒙特卡羅算法、卷計算法、筆形束算法等)根據(jù)放射治療計劃模擬人體各部位接收的劑量的分布情況。

不管是放射治療計劃的優(yōu)化還是劑量計算都需要建立在圖像的基礎上，例如基于CT圖像進行放射治療計劃的優(yōu)化以及劑量計算。CT圖像通常具有較高的分辨率，像素點數(shù)量較多，如果全部的像素點參與放射治療計劃的優(yōu)化以及劑量計算，導致計算時間太長并且占用內(nèi)存空間太大。

為了解決這些問題，可以對CT圖像進行降采樣，用采樣點代表全部的像素點參與放射治療計劃的優(yōu)化以及劑量分布的計算，因此采樣點的選取直接影響計算結果。

技術實現(xiàn)要素：

為克服現(xiàn)有技術的不足，本發(fā)明提供了一種放射治療計劃優(yōu)化中對圖像的采樣方法，包括：獲取待采樣圖像，所述待采樣圖像包含至少一個感興趣區(qū)域，獲取采樣點總數(shù)量的上限以及所述感興趣區(qū)域內(nèi)各子區(qū)域包含的采樣點數(shù)量，根據(jù)所述采樣點總數(shù)量的上限以及所述感興趣區(qū)域內(nèi)各子區(qū)域包含的采樣點數(shù)量將所述感興趣區(qū)域分成多個子區(qū)域，利用聚類分析算法對各子區(qū)域進行降采樣，得到所述感興趣區(qū)域的采樣點。

可選的，根據(jù)所述采樣點總數(shù)量的上限以及所述感興趣區(qū)域內(nèi)各子區(qū)域包含的采樣點數(shù)量將所述感興趣區(qū)域分成多個子區(qū)域包括：按照預設規(guī)則將所述感興趣區(qū)域分成多個子區(qū)域，并計算各子區(qū)域包含的采樣點數(shù)量之和，將所述各子區(qū)域包含的采樣點數(shù)量之和與所述采樣點總數(shù)量的上限進行比較，如果各子區(qū)域包含的采樣點數(shù)量之和大于所述采樣點總數(shù)量的上限，則擴大所述多個子區(qū)域，并計算擴大后的各子區(qū)域包含的采樣點數(shù)量之和，將所述擴大后的各子區(qū)域包含的采樣點數(shù)量之和與所述采樣點總數(shù)量的上限進行比較直至擴大后的各子區(qū)域包含的采樣點數(shù)量之和小于所述采樣點總數(shù)量的上限，上一次循環(huán)中的子區(qū)域即為最終的子區(qū)域，如果各子區(qū)域包含的采樣點數(shù)量之和小于所述采樣點總數(shù)量的上限，則縮小所述多個子區(qū)域并計算縮小后的各子區(qū)域包含的采樣點數(shù)量之和，將所述縮小后的各子區(qū)域包含的采樣點數(shù)量之和與所述采樣點總數(shù)量的上限進行比較直至縮小后的各子區(qū)域包含的采樣點數(shù)量之和大于或等于所述采樣點總數(shù)量的上限，當前循環(huán)中的各子區(qū)域即為最終的子區(qū)域，如果各子區(qū)域包含的采樣點數(shù)量之和等于所述采樣點總數(shù)量的上限，則當前各子區(qū)域即為最終的子區(qū)域。

可選的，所述子區(qū)域包含的采樣點數(shù)量與所述感興趣區(qū)域的類型、權重、所述感興趣區(qū)域與靶區(qū)的距離中的至少一個因素有關。

可選的，利用聚類分析算法對各子區(qū)域進行降采樣包括：根據(jù)所述感興趣區(qū)域內(nèi)各子區(qū)域包含的采樣點數(shù)量對各子區(qū)域進行采樣得到初始采樣點，在各子區(qū)域內(nèi)計算各像素點至所述初始采樣點的歐拉距離，并將各像素點歸到歐拉距離最小的初始采樣點對應的簇，在各子區(qū)域內(nèi)迭代地執(zhí)行以下步驟直至完成對各子區(qū)域的降采樣：計算每個簇的中心作為新采樣點，計算新采樣點與上一次的采樣點之間的歐拉距離并與閾值進行比較，如果不超過所述閾值則新采樣點作為該子區(qū)域的采樣點，如果超過所述閾值則計算各像素點至所述新采樣點的歐拉距離，并將各像素點歸到歐拉距離最小的新采樣點對應的簇。

可選的，利用聚類分析算法對各子區(qū)域進行降采樣之前判斷子區(qū)域內(nèi)屬于對應感興趣區(qū)域的像素點數(shù)量是否超過對應的采樣點數(shù)量，如果不超過，則將該子區(qū)域內(nèi)的所有屬于對應感興趣區(qū)域的像素點作為采樣點，如果超過，則利用聚類分析算法對子區(qū)域內(nèi)屬于對應感興趣區(qū)域的像素點進行降采樣。

可選的，利用聚類分析算法對各子區(qū)域進行降采樣之前判斷該子區(qū)域內(nèi)是否包含不屬于對應感興趣區(qū)域的像素點，如果包含，則利用聚類分析算法對該子區(qū)域內(nèi)屬于對應感興趣區(qū)域的像素點進行降采樣，如果不包含，則根據(jù)采樣點數(shù)量將該子區(qū)域均勻劃分成網(wǎng)格，將網(wǎng)格的中心點作為采樣點。

根據(jù)另一實施例，本發(fā)明還提供了一種放射治療計劃優(yōu)化中對圖像的采樣方法，包括：獲取待采樣的圖像，所述待采樣圖像包含感興趣區(qū)域，獲取采樣點總數(shù)量的上限并確定各感興趣區(qū)域的采樣點數(shù)量，利用聚類分析算法對感興趣區(qū)域進行降采樣，得到所述感興趣區(qū)域的采樣點。

根據(jù)另一實施例，本發(fā)明還提供了一種放射治療計劃優(yōu)化方法，包括：獲取患者圖像并對感興趣區(qū)域進行勾畫，獲取各感興趣區(qū)域的劑量目標，利用上述任一項所述的采樣方法對各感興趣區(qū)域進行采樣，建立優(yōu)化模型并進行優(yōu)化，使得采樣點的劑量滿足所述劑量目標。

根據(jù)另一實施例，本發(fā)明還提供了一種放射治療計劃優(yōu)化系統(tǒng)，包括：獲取單元，用于獲取患者圖像，勾畫單元，用于對感興趣區(qū)域進行勾畫，輸入單元，用于設置各感興趣區(qū)域的劑量目標，采樣單元，用于利用上述任一項所述的采樣方法對各感興趣區(qū)域進行采樣，優(yōu)化單元，用于建立優(yōu)化模型并進行優(yōu)化，使得采樣點的劑量滿足所述劑量目標。

根據(jù)另一實施例，本發(fā)明還提供了一種劑量計算方法，包括：獲取患者圖像并對感興趣區(qū)域進行勾畫，利用上述任一項所述的采樣方法對各感興趣區(qū)域進行采樣，基于采樣點對各感興趣區(qū)域的劑量分布進行計算。

相對于現(xiàn)有技術，本發(fā)明提供的放射治療計劃優(yōu)化中對圖像的采樣方法基于像素的特性將像素進行聚類，從各類中選取一個像素點作為采樣點，從而在降低采樣點數(shù)量的同時可以保留各器官或靶區(qū)的形狀特性，有助于提高放射治療計劃的有效性以及劑量分布計算的準確性；

通過將感興趣區(qū)域分成多個子區(qū)域，在每個子區(qū)域內(nèi)基于像素的特性將像素進行聚類，從而減少計算量，提高計算速度。

將本發(fā)明的采樣方法應用于放射治療計劃的優(yōu)化中，有助于提高放射治療計劃優(yōu)化的速度以及有效性，且使得劑量分布計算結果更符合實際劑量分布。

附圖說明

為了更清楚地說明本發(fā)明的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它附圖。

圖1是本發(fā)明實施例提供的放射治療計劃優(yōu)化中對圖像的采樣方法流程圖一；

圖2是本發(fā)明實施例提供的放射治療計劃優(yōu)化中對圖像的采樣方法流程圖二；

圖3是本發(fā)明實施例提供的放射治療計劃優(yōu)化方法的流程圖；

圖4是本發(fā)明實施例提供的劑量計算方法的流程圖。

具體實施方式

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

在放射治療中，要求高劑量的輻射盡可能地被輸送至腫瘤靶區(qū)，盡量減少對各器官的傷害。因此需要進行放射治療計劃的優(yōu)化并計算放射治療計劃對應的患者體內(nèi)的劑量分布。不管是放射治療計劃的優(yōu)化還是劑量分布都基于采樣點進行計算，因此受采樣點分布的影響。為了更好地控制各器官或靶區(qū)內(nèi)的劑量分布，本發(fā)明實施例提出了一種新的采樣方法。

圖1是本發(fā)明實施例提供的放射治療計劃優(yōu)化中對圖像的采樣方法流程圖一。參考圖1所示，本發(fā)明提供的采樣方法100包括：

步驟S101，獲取待采樣圖像。

獲取待采樣圖像，所述待采樣圖像包含至少一個感興趣區(qū)域，所述感興趣區(qū)域包括醫(yī)生感興趣的器官以及腫瘤靶區(qū)。

患者圖像可以為CT圖像、PET圖像、MR圖像或者融合圖像等，在此不作限定。

步驟S102，獲取采樣點總數(shù)量的上限并確定各感興趣區(qū)域的采樣點數(shù)量。

采樣點總數(shù)量的上限N限制了至少一個感興趣區(qū)域采樣點總數(shù)量的總和，可以事先進行設定。

各感興趣區(qū)域的采樣點數(shù)量與該感興趣區(qū)域的類型、權重、大小有關，例如感興趣區(qū)域可能為腫瘤靶區(qū)、也可能為器官，靶區(qū)的權重不小于器官的權重，危及器官的權重大于一般器官的權重；在權重保持不變的情況下，感興趣區(qū)域越大，則采樣點數(shù)量越多，因此，根據(jù)各感興趣區(qū)域的類型、權重、大小確定各器官和靶區(qū)的采樣點數(shù)量，且滿足各感興趣區(qū)域的采樣點數(shù)量之和不超過所述采樣點總數(shù)量的上限N。

步驟S103，利用聚類分析算法對感興趣區(qū)域進行降采樣，得到所述感興趣區(qū)域的采樣點。

根據(jù)上述步驟中確定的各感興趣區(qū)域的采樣點數(shù)量對各器官和靶區(qū)進行采樣。記第i個器官或靶區(qū)的采樣點數(shù)量為N_i，利用采樣算法對各器官和靶區(qū)進行采樣，采樣算法在此不做限制。為了簡單說明本實施例中的利用聚類分析算法對感興趣區(qū)域進行降采樣的過程，在此以隨機采樣算法為例進行介紹，但并不以此限定本發(fā)明的保護范圍。

假設從第i個器官內(nèi)的所有像素點中隨機選擇N_i個采樣點，對于每個像素點，計算其到每個采樣點的歐拉距離，將每個像素點歸到歐拉距離最小的采樣點對應的簇，從而形成N_i個簇，重新計算每個簇的中心為新的采樣點，將新采樣點與上一次的采樣點進行比較判斷是否滿足收斂條件。

可以利用k-均值算法計算簇的中心，例如，對于某個簇內(nèi)各像素點的坐標分別為(x₁,y₁),(x₂,y₂),…,(x_n,y_n)，n為該簇內(nèi)的像素點的數(shù)量，則該簇的中心坐標為也可以利用k-中心算法計算簇的中心，例如對于某個簇內(nèi)計算每個像素點至其它像素點的歐拉距離的總和，將歐拉距離總和最小的點作為該簇的中心，在其它實施例中，可以利用其它聚類分析算法選擇新采樣點。

判斷新采樣點和上一次確定的采樣點之間的歐拉距離是否不超過閾值，如不超過，則循環(huán)結束，新采樣點作為感興趣區(qū)域的采樣點，如不滿足，則繼續(xù)循環(huán)直至新采樣點與上一次的采樣點之間的歐拉距離不超過所述閾值。此處閾值可以事先根據(jù)經(jīng)驗進行設置。

本實施例中將聚類分析算法應用于圖像的采樣，基于距離將像素進行聚類，距離越近則像素在表現(xiàn)感興趣區(qū)域的形狀方面越相似，可以從每個類中選擇一個像素點作為采樣點，使得在降低采樣點數(shù)量的同時可以保留感興趣區(qū)域的形狀特性。

圖2是本發(fā)明實施例提供的放射治療計劃優(yōu)化中對圖像的采樣方法流程圖二。參考圖2所示，本發(fā)明提供的采樣方法200包括：

S201，獲取待采樣圖像。

獲取待采樣圖像，所述待采樣圖像包含至少一個感興趣區(qū)域，所述感興趣區(qū)域包括醫(yī)生感興趣的器官以及腫瘤靶區(qū)。

患者圖像可以為CT圖像、PET圖像、MR圖像或者融合圖像等，在此不作限定。

在本實施例中只對屬于感興趣區(qū)域內(nèi)的像素點進行采樣，因此可以用矩陣對感興趣區(qū)域進行表示。在感興趣區(qū)域內(nèi)的像素點用“1”表示，在感興趣區(qū)域外的像素用“0”表示，因此每個感興趣區(qū)域均可以用矩陣進行表示。后續(xù)的處理可以只對“1”覆蓋的區(qū)域進行處理。

步驟S202，獲取采樣點總數(shù)量的上限以及所述感興趣區(qū)域內(nèi)各子區(qū)域包含的采樣點數(shù)量。

采樣點總數(shù)量的上限N限制了感興趣區(qū)域采樣點總數(shù)量的總和，可以由醫(yī)生進行設定。

感興趣區(qū)域內(nèi)各子區(qū)域的采樣點數(shù)量決定了該感興趣區(qū)域內(nèi)的采樣點數(shù)量，可以由醫(yī)生進行設定。不同的器官或靶區(qū)內(nèi)，子區(qū)域內(nèi)的采樣點數(shù)量可以不同，與感興趣區(qū)域的類型、權重、所述感興趣區(qū)域與靶區(qū)的距離中的至少一個因素有關，例如感興趣區(qū)域的類型包括器官和靶區(qū)，則靶區(qū)內(nèi)子區(qū)域的采樣點數(shù)量不小于器官內(nèi)子區(qū)域的采樣點數(shù)量；靶區(qū)的權重不小于器官的權重，危及器官的權重高于一般器官的權重，則靶區(qū)內(nèi)子區(qū)域的采樣點數(shù)量不小于危及器官內(nèi)子區(qū)域的采樣點數(shù)量，危及器官內(nèi)子區(qū)域的采樣點數(shù)量大于一般器官內(nèi)子區(qū)域的采樣點數(shù)量；距離靶區(qū)越近，則該感興趣區(qū)域內(nèi)子區(qū)域的采樣點數(shù)量應越多?？紤]如上至少一個因素，可以設置靶區(qū)內(nèi)各子區(qū)域的采樣點數(shù)量為2～4，例如4，危及器官內(nèi)子區(qū)域的采樣點數(shù)量為2～3，例如2，其它器官內(nèi)子區(qū)域的采樣點數(shù)量為1。

步驟S203，根據(jù)所述采樣點總數(shù)量的上限以及所述感興趣區(qū)域內(nèi)各子區(qū)域包含的采樣點數(shù)量將所述感興趣區(qū)域分成多個子區(qū)域。

按照預設規(guī)則將感興趣的各器官和靶區(qū)分別分成多個子區(qū)域。為了使得計算方便，可以采用相同規(guī)則對所有器官和靶區(qū)分成多個子區(qū)域，例如利用等距離網(wǎng)格對各器官和靶區(qū)進行劃分，網(wǎng)格的邊長為像素間距的倍數(shù)。例如利用10倍像素間距將各器官和靶區(qū)分成等距離網(wǎng)格。預設規(guī)則可以事先進行設定，規(guī)則的內(nèi)容在此不作限定。

根據(jù)步驟S202中獲取的每個子區(qū)域包含的采樣點數(shù)量計算各子區(qū)域包含的采樣點數(shù)量之和。例如靶區(qū)的每個子區(qū)域包含4個采樣點，危及器官的每個子區(qū)域包含2個采樣點，其它器官的每個子區(qū)域包含1個采樣點，將所有子區(qū)域包含的采樣點數(shù)量進行相加得到采樣點數(shù)量之和。

將計算得到的采樣點數(shù)量之和與所述采樣點總數(shù)量的上限進行比較，根據(jù)比較結果判斷是否需要調(diào)整子區(qū)域的大小。

如果各子區(qū)域包含的采樣點數(shù)量之和大于所述采樣點總數(shù)量的上限，則擴大所述多個子區(qū)域，并計算擴大后的各子區(qū)域包含的采樣點數(shù)量之和，將所述擴大后的各子區(qū)域包含的采樣點數(shù)量之和與所述采樣點總數(shù)量的上限進行比較直至擴大后的各子區(qū)域包含的采樣點數(shù)量之和小于所述采樣點總數(shù)量的上限，上一次循環(huán)中的子區(qū)域即為最終的子區(qū)域。可以按照預定步長擴大子區(qū)域，例如每次將網(wǎng)格邊長增加一個像素間距的長度。

如果各子區(qū)域包含的采樣點數(shù)量之和小于所述采樣點總數(shù)量的上限，則縮小所述多個子區(qū)域并計算縮小后的各子區(qū)域包含的采樣點數(shù)量之和，將所述縮小后的各子區(qū)域包含的采樣點數(shù)量之和與所述采樣點總數(shù)量的上限進行比較直至縮小后的各子區(qū)域包含的采樣點數(shù)量之和大于或等于所述采樣點總數(shù)量的上限，當前循環(huán)中的各子區(qū)域即為最終的子區(qū)域。可以按照預定步長縮小子區(qū)域，例如每次將網(wǎng)格邊長減小一個像素間距的長度。

如果各子區(qū)域包含的采樣點數(shù)量之和等于所述采樣點總數(shù)量的上限，則當前各子區(qū)域即為最終的子區(qū)域。

通過如上的迭代循環(huán)過程可以將至少一個感興趣區(qū)域進行劃分。但本發(fā)明不限于此，采用其它方式根據(jù)所述采樣點總數(shù)量的上限以及所述感興趣區(qū)域內(nèi)各子區(qū)域包含的采樣點數(shù)量對所述感興趣區(qū)域進行劃分都在本發(fā)明的保護范圍之內(nèi)。

在本實施例中，可以對待采樣的圖像統(tǒng)一進行劃分，也可以對各器官和靶區(qū)單獨進行劃分，在此不作限定。

步驟S204，利用聚類分析算法對各子區(qū)域進行降采樣，得到所述感興趣區(qū)域的采樣點。

以某一子區(qū)域為例，根據(jù)對應的采樣點數(shù)量對該子區(qū)域進行采樣得到初始采樣點。采樣算法在此不做限制。為了簡單說明本實施例中的利用聚類分析算法對感興趣區(qū)域進行降采樣的過程，在此以隨機采樣算法為例進行介紹，但并不以此限定本發(fā)明的保護范圍。

計算該子區(qū)域內(nèi)的每個像素點至所述初始采樣點的歐拉距離，并將各像素點歸到歐拉距離最小的初始采樣點對應的簇，重新計算每個簇的中心并作為新采樣點，計算新采樣點與上一次的采樣點之間的歐拉距離并與閾值進行比較判斷是否滿足收斂條件。

可以利用k-均值算法計算簇的中心，例如，對于某個簇內(nèi)各像素點的坐標分別為(x₁,y₁),(x₂,y₂),…,(x_n,y_n)，n為該簇內(nèi)的像素點的數(shù)量，則該簇的中心坐標為也可以利用k-中心算法計算簇的中心，例如對于某個簇內(nèi)計算每個像素點至其它像素點的歐拉距離的總和，將歐拉距離總和最小的點作為該簇的中心，在其它實施例中，可以利用其它聚類分析算法選擇新采樣點。

判斷新采樣點和上一次確定的采樣點之間的歐拉距離是否不超過閾值，如果不超過所述閾值則新采樣點作為該子區(qū)域的采樣點，如果超過所述閾值則計算該子區(qū)域內(nèi)的像素點至所述新采樣點的歐拉距離，并將各像素點歸到歐拉距離最小的新采樣點對應的簇，再計算每個簇的中心點并作為新采樣點并與原采樣點進行比較直至新采樣點與上一次循環(huán)中的采樣點之間的歐拉距離小于閾值，則新采樣點作為該子區(qū)域的采樣點。本實施例中的閾值可以事先根據(jù)經(jīng)驗進行設定。

在各子區(qū)域內(nèi)迭代地執(zhí)行以上步驟，從而完成各器官和靶區(qū)的采樣。

本實施例中將每個器官或靶區(qū)分成多個子區(qū)域，在子區(qū)域內(nèi)利用聚類分析算法進行降采樣，不僅可以得到保留感興趣區(qū)域形狀特性的采樣點，還可以減少計算量，提高計算速度。

在將感興趣區(qū)域分成多個子區(qū)域后，子區(qū)域內(nèi)包含的像素點數(shù)量有限。在上述實施例中，在利用聚類分析算法對子區(qū)域進行降采樣之前，可以先判斷該子區(qū)域內(nèi)屬于該感興趣區(qū)域的像素點數(shù)量是否超過對應的采樣點數(shù)量，如果不超過，則將該子區(qū)域內(nèi)的所有屬于該感興趣的像素點均作為采樣點，如果超過，則利用聚類分析算法對該子區(qū)域內(nèi)屬于該感興趣區(qū)域的像素點進行降采樣。

在將感興趣區(qū)域分成多個子區(qū)域后，在感興趣區(qū)域的邊緣附近，子區(qū)域中可能包含不屬于該器官的像素點(“0”代表的像素點)。在上述實施例中，在利用聚類分析算法對子區(qū)域進行降采樣之前，可以先判斷該子區(qū)域內(nèi)是否包含不屬于該感興趣區(qū)域的像素點，如果包含，則采用聚類分析算法對子區(qū)域內(nèi)屬于該感興趣區(qū)域的像素點進行降采樣，如果不包含，則可以根據(jù)采樣點數(shù)量將該子區(qū)域均勻劃分成對應數(shù)量的網(wǎng)格，將網(wǎng)格的中心點作為采樣點，從而進一步減少計算量，提高計算速度，節(jié)省時間，當然也可以采用其它的采樣算法對該子區(qū)域直接進行采樣。

在上述實施例中，在利用聚類分析算法對子區(qū)域進行降采樣之前，可以先判斷該子區(qū)域內(nèi)是否包含不屬于該感興趣區(qū)域的像素點，如果包含，則判斷該子區(qū)域內(nèi)的屬于該感興趣區(qū)域的像素點數(shù)量是否超過對應的采樣點數(shù)量，如果不超過，則將該區(qū)域內(nèi)所有屬于該感興趣區(qū)域的像素點均作為采樣點，如果超過，則利用聚類分析算法對子區(qū)域內(nèi)屬于該感興趣區(qū)域的像素點進行降采樣，如果不包含，則可以根據(jù)采樣點數(shù)量將該子區(qū)域均勻劃分成對應數(shù)量的網(wǎng)格，將網(wǎng)格的中心點作為采樣點，從而進一步減少計算量，提高計算速度，節(jié)省時間，當然也可以采用其它的采樣算法對該子區(qū)域直接進行采樣。

上述實施例提供的基于聚類分析算法對感興趣區(qū)域進行采樣的方法可以應用于放射治療計劃優(yōu)化方法。圖3是本發(fā)明實施例提供的放射治療計劃優(yōu)化方法的流程圖。參考圖3所示，該放射治療計劃優(yōu)化方法300包括：

S301，獲取患者圖像并對感興趣區(qū)域進行勾畫。

加載患者的圖像并對圖像內(nèi)的感興趣區(qū)域進行勾畫。在本實施例中，可以將患者圖像加載至放射治療計劃系統(tǒng)，在放射治療計劃系統(tǒng)的界面上對感興趣區(qū)域進行勾畫，感興趣區(qū)域包括醫(yī)生感興趣的器官以及腫瘤靶區(qū)。勾畫可以由醫(yī)生手動勾畫也可以為自動勾畫，或者由手動勾畫和自動勾畫進行結合。

患者圖像可以為CT圖像、PET圖像、MR圖像或者融合圖像等，在此不作限定。

S302，獲取各感興趣區(qū)域的劑量目標。

各感興趣區(qū)域的劑量目標可以由醫(yī)生進行設置。在放射治療計劃之前，醫(yī)生會為各感興趣區(qū)域設置處方劑量，例如危及器官的劑量上限以及腫瘤靶區(qū)的劑量下限和劑量上限。在制定放射治療計劃時，放射治療計劃系統(tǒng)接收該處方劑量作為劑量目標。

S303，對各感興趣區(qū)域進行降采樣。

可以采用上述實施例圖1或圖2中的方法，基于聚類分析算法對各感興趣區(qū)域進行降采樣。

S304，建立優(yōu)化模型并進行優(yōu)化，使得采樣點的劑量滿足所述劑量目標。

在本發(fā)明實施例中，基于采樣點的放射治療計劃優(yōu)化的目標函數(shù)f(d)可以如下述公式所示：

其中，d_v為采樣點v的當前劑量，u_v為采樣點v的劑量上限，l_v為采樣點v的劑量下限。

利用優(yōu)化算法(例如模擬退火算法、梯度算法、蟻群算法等)對上述目標函數(shù)進行優(yōu)化，使得各采樣點的劑量滿足劑量約束并得到優(yōu)化后的輻射通量圖。

對應的，本發(fā)明的實施例還提供了一種放射治療計劃優(yōu)化系統(tǒng)，包括：

獲取單元，用于獲取患者圖像，

勾畫單元，用于對感興趣區(qū)域進行勾畫，

輸入單元，用于設置各感興趣區(qū)域的劑量目標，

采樣單元，用于利用上述實施例圖1或圖2中的方法對各感興趣區(qū)域進行采樣，

優(yōu)化單元，用于建立優(yōu)化模型并進行優(yōu)化，使得采樣點的劑量滿足所述劑量目標。

本實施例中的放射治療計劃優(yōu)化方法和系統(tǒng)基于的采樣點保留各器官和靶區(qū)的形狀特性，因此得到的放射治療計劃的有效性較高。

上述實施例提供的基于聚類分析算法對感興趣區(qū)域進行采樣的方法可以應用于劑量計算。圖4是本發(fā)明實施例提供的劑量計算方法的流程圖。參考圖4所示，該劑量計算方法400，包括：

S401，獲取患者圖像并對感興趣區(qū)域進行勾畫。

加載患者的圖像并對圖像內(nèi)的感興趣區(qū)域進行勾畫，感興趣區(qū)域包括醫(yī)生感興趣的器官以及腫瘤靶區(qū)。勾畫可以由醫(yī)生手動勾畫也可以為自動勾畫，或者由手動勾畫和自動勾畫進行結合。

圖像可以為CT圖像、PET圖像、MR圖像或者融合圖像等，在此不作限定。

S402，對各感興趣區(qū)域進行降采樣。

可以采用上述實施例圖1或圖2中的方法，基于聚類分析算法對各感興趣區(qū)域進行降采樣。

S403，基于采樣點對各感興趣區(qū)域的劑量分布進行計算。

基于采樣點對各器官和靶區(qū)內(nèi)的劑量分布進行計算，從而得到放射治療計劃對應的患者體內(nèi)的劑量分布，該劑量分布可以被提供給醫(yī)生用于判斷該放射治療計劃的好壞。劑量計算的算法很多，例如蒙特卡羅算法、卷計算法、筆形束算法等，在此不作限定。

由于基于聚類分析算法得到的采樣點保留了器官和靶區(qū)的特性，因此基于采樣點計算得到的劑量分布與實際的劑量分布更加吻合，從而提高劑量分布計算的準確性。

以上所揭露的僅為本發(fā)明的幾種較佳實施例而已，當然不能以此來限定本發(fā)明之權利范圍，因此依本發(fā)明權利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。