Modelling small block aperture in an in-house developed GPU-accelerated Monte Carlo-based dose engine for pencil beam scanning proton therapy
本文在自主研发的GPU加速蒙特卡罗剂量引擎VPMC中集成孔径挡块模块,用于笔束扫描质子治疗立体定向放射外科的剂量计算与优化,经MCsquare和RayStation MC验证,在保证剂量精度的同时将计算时间从约112秒缩短至8.2秒,并成功完成带挡块的鲁棒优化。
2023-07-04 physics.med-ph
IQMDose3D: a software tool for reconstructing the dose in patient using patient planning CT images and the signals measured by IQM detector
本文提出IQMDose3D软件工具,利用IQM探测器信号和计划CT图像自动重建患者剂量,使PSQA可从临床目标、DVH及3D伽马分析角度评估计划执行质量。
2024-03-29 physics.med-ph
An OpenCL-based Monte Carlo dose calculation engine (oclMC) for coupled photon-electron transport
蒙特卡罗(MC)方法是目前公认的最精确的放射治疗剂量计算方法。然而,其极长的计算时间阻碍了临床应用。最近,已经做出了很多努力来在GPU上实现快速MC剂量计算。尽管如此,大多数基于GPU的MC剂量引擎都是在NVidia CUDA环境中开发的。这限制了代码到其他平台的可移植性,阻碍了将基于GPU的MC模拟引入临床实践。本文的目的是开发一个快速的跨平台MC剂量引擎oclMC使用OpenCL环境外束光子和电子放射治疗在MeV的能量范围。采用光子输运模拟和电子输运II类凝聚历史方案实现了光子-电子耦合MC模拟。为了测试我们的剂量引擎oclMC的准确性和效率,我们比较了剂量计算结果的oclMC和gslum,我们以前开发的基于GPU的MC代码,为15 MeV的电子束和6 MV的光子束上均匀的水模体,一个平板体模和一个半平板体模。在所有病例中均观察到令人满意的一致性。在最大剂量的10%等剂量线内,电子束和光子束的平均剂量差分别为0.48-0.53%和0.15-0.17%。在效率方面,我们的剂量引擎oclMC在同一个NVidia TITAN卡上运行两个代码时比gavin慢6-17%,这是由于CUDA和OpenCL之间不同的物理粒子传输模型和不同的计算环境。跨平台的可移植性也通过在一组不同的计算设备上成功运行我们的新剂量引擎进行了验证,这些计算设备包括Nvidia GPU卡,两个AMD GPU卡和使用…
2015-03-05 physics.med-ph
GPU-based Low-dose 4DCT Reconstruction via Temporal Non-local Means
四维计算机断层成像(4DCT)在肿瘤放疗中得到了广泛的应用,可以对胸部和上腹部的肿瘤进行精确的靶区勾画和运动测量。然而,4DCT模拟与比传统CT模拟高得多的成像剂量相关,这是其临床应用中的主要问题。传统上,使用滤波反投影(FBP)算法独立地重建4DCT的每个相位。新算法的基本思想是利用不同相位之间的共同信息,减少重建高质量图像所需的输入信息,从而减少成像剂量。我们提出了一种时间非局部均值(TNLM)方法来探索相位间的相似性。通过最小化由数据保真度项和TNLM正则化项组成的代价函数,同时重建4DCT图像的所有相位。我们利用一个向前向后分裂算法和高斯-雅可比迭代法,有效地解决了最小化问题。该算法还在图形处理器(GPU)上实现,以实现较高的计算速度。我们的重建算法已经过测试的数字NCAT胸部体模在三个低剂量的情况下。与标准FBP算法相比,我们的新算法生成的CT图像视觉效果更好,图像噪声和条纹伪影更少。定量分析表明,使用该算法可以获得更高的对比度噪声比和信噪比。在NVIDIA Tesla C1060 GPU卡上,切片的所有10个相位的总重建时间范围为90至140秒。
2011-01-05 physics.med-ph
Deep learning-based noise reduction in low dose SPECT Myocardial Perfusion Imaging: Quantitative assessment and clinical performance
回顾性地采用从专用心脏SPECT以列表模式格式采集的345例患者的临床SPECT-MPI图像,从半剂量、四分之一剂量和八分之一剂量水平的低剂量数据预测正常剂量图像。一个生成对抗网络的实施,以预测在不同的减少剂量水平的投影空间中的非门控正常剂量图像。已建立的指标,包括峰值信噪比(PSNR),均方根误差(RMSE),和结构相似性指数指标(SSIM),除了皮尔逊相关系数分析和Cedars-Sinai软件导出的参数,用于定量评估预测的正常剂量图像的质量。对于临床评价,预测的正常剂量图像的质量由核医学专家使用7分(-3至+3)分级方案进行评价。通过考虑不同剂量水平下的PSNR、SSIM和RMSE定量参数,在半剂量水平下获得了最高的PSNR(42.49)和SSIM(0.99),以及最低的RMSE(1.99)。皮尔逊相关系数分别为0.997,0.994和0.987的预测正常剂量图像的一半,四分之一,八分之一剂量水平。将正常剂量图像作为参考,与整个降低剂量水平下的低剂量数据相比,Cedars-Sinai选定参数的Bland-Altman图显示预测正常剂量图像的偏倚和方差显著更小。总体而言,考虑到核医学专家进行的临床评估,在一半、四分之一和八分之一剂量水平下,分别有100%、80%和11%的预测正常剂量图像在临床上可接受。
2021-03-22 eess.IV physics.med-ph
GPU-based Low Dose CT Reconstruction via Edge-preserving Total Variation Regularization
CT扫描中的高辐射剂量增加了一生中患癌症的风险,并已成为一个主要的临床问题。最近,已经开发了具有总变差(TV)正则化的迭代重建算法,以从在低mAs水平下采集的高度欠采样数据重建CT图像,以减少成像剂量。然而,TV正则化可能会导致过度平滑的图像和丢失的边缘信息。为了解决这个问题,在这项工作中,我们开发了一种迭代CT重建算法与边缘保持TV正则化重建CT图像从高度欠采样的数据在低mAs水平。通过最小化由边缘保持TV范数和由X射线投影构成的数据保真度项组成的能量来重建CT图像。为了避免过度平滑,提出了边缘保持TV项,通过在原全变分范数中引入惩罚权值,优先对图像的非边缘部分进行平滑。我们的迭代算法在GPU上实现,以提高其速度。我们在数字NCAT体模、物理胸部体模和Catphan体模上测试我们的重建算法。重建结果从传统的FBP算法和TV正则化方法没有边缘保持惩罚也提出了比较的目的。实验结果表明,在低剂量条件下,基于TV的算法和边缘保持TV算法在抑制条纹伪影和图像噪声方面均优于传统的FBP算法。我们的边缘保持算法优于基于TV的算法,因为它可以保留更多的精细结构的信息,因此保持可接受的空间分辨率。
2011-01-05 physics.med-ph
GPUMCD: a new GPU-oriented Monte Carlo dose calculation platform
目的:蒙特卡罗方法被认为是放射治疗剂量计算的金标准。然而,它们的执行时间仍然是在临床环境中常规使用Monte Carlo包的障碍。为了解决这个问题,一个全新的,从地面上设计的GPU,蒙特卡罗剂量计算包体素化的几何形状提出:GPUMCD。方法:GPUMCD实现了能量范围为0.01 MeV至20 MeV的耦合光子-电子蒙特卡罗模拟。光子相互作用的模拟模拟和II类凝聚的历史方法已被实施的电子模拟。文中还介绍了一种新的GPU随机数发生器、一些减少发散的方法以及其他优化策略。GPUMCD在NVIDIA GTX 480上运行,而EGSnrc和EXP的单线程实现在Intel Core i7 860上运行。结果:将GPUMCD获得的剂量测定结果与EGSnrc进行比较。在除一个测试用例外的所有测试用例中,98%或更多的所有显著体素通过了2%-2 mm的伽马标准。在执行速度和效率方面,GPUMCD比EGSnrc快900倍以上,比Monte Carlo包(旨在快速执行)快200倍以上。绝对执行时间小于0.3秒的1 M电子和4 M光子在水中的15兆电子伏的单能束,包括GPU-CPU内存传输的模拟。结论:GPUMCD是一种新的面向GPU的蒙特卡罗剂量计算平台,在剂量学结果和执行速度方面与EGSnrc和ESCDMA进行了比较。它的准确性和速度使它成为一个有趣的解决方案,在放射肿瘤学的全蒙特卡罗剂量计算。
2011-01-06 physics.med-ph
Long short-term memory networks for proton dose calculation in highly heterogeneous tissues
基于LSTM网络的应用设计了一种新的剂量计算方法,该网络将3D患者/体模几何结构处理为2D计算机断层成像输入切片序列,产生形成相应3D剂量分布的相应2D切片序列。LSTM网络可以在一个方向上有效地传播信息,从而产生一个可以正确模拟物质中质子相互作用机制的模型。该研究集中在预测单个笔形射束水平上的剂量,避免了由数千笔形射束组成的治疗计划中的平均效应。此外,这种方法允许直接集成到当今的治疗计划系统的逆向计划优化过程中。使用蒙特卡罗模拟,通过模拟从随机机架角度穿过患者几何结构撞击的不同笔形射束,为体模和患者研究准备了真实训练数据。对于模型训练,为体模研究准备了10'000个蒙特卡罗模拟,为患者研究准备了4' 000个模拟。经过训练的LSTM模型能够在体模研究的预留测试集上实现99.29%的伽马指数通过率([0.5%,1 mm])准确度,并且在患者研究的预留测试集上实现99.33%的伽马指数通过率([0.5%,2 mm])。每个笔形波束在6-23 ms内获得这些结果。使用Topas的平均蒙特卡罗模拟运行时间为1160 s。通过对5名以前未见过的肺癌患者进行测试,验证了模型的泛化能力。LSTM网络非常适合质子治疗剂量计算任务。然而,需要进行进一步的工作,以将所提出的方法推广到临床应用,主要是针对各种能量、患者部位和CT分辨率/扫描仪实施。
2020-06-10 physics.med-ph
PyDoseRT Photon: Physics-Guided Pencil-Beam Dose Calculation with Neural Priors and Residual Correction for CT and MRI
Umeå University(于默奥大学);Medical University of Vienna(维也纳医科大学)
本研究提出PyDoseRT Photon,一种结合神经先验与残差校正的物理引导笔形束剂量引擎,用于CT和MRI的光子剂量计算,在DoseRAD2026任务中取得低剂量误差与高伽马通过率,且运行时间满足要求。
2026-09-02 physics.med-ph
SDE-based Monte Carlo dose calculation for proton therapy validated against Geant4
University of Warwick(华威大学);University College London(伦敦大学学院);University College London Hospitals NHS Foundation Trust(伦敦大学学院医院NHS基金会信托);Newcastle University(纽卡斯尔大学)
本文提出基于随机微分方程的质子剂量计算方法,通过与Geant4对比验证其在简化假人几何中的准确性与计算性能,展示了该方法在剂量分布、横向传输和材料异质性方面的良好表现。
2026-03-22 physics.med-ph stat.AP
Domain Adaptation of Automated Treatment Planning from Computed Tomography to Magnetic Resonance
University of Toronto(多伦多大学);Techna Institute, University Health Network(大学健康网络泰克纳研究所);Princess Margaret Cancer Center(玛格丽特公主癌症中心);Peter Munk Cardiac Center, University Health Network(大学健康网络彼得·蒙克心脏中心);Joint Department of Medical Imaging, University Health Network(大学健康网络医学影像联合部);Vector Institute(矢量研究所)
目的:基于机器学习(ML)的放射治疗(RT)计划解决了传统逆向计划的迭代和耗时性质。鉴于仅磁共振(MR)治疗计划工作流程的重要性日益增加,我们试图确定在计算机断层成像(CT)成像上训练的基于ML的治疗计划模型是否可以通过域自适应应用于MR。方法:在这项研究中,收集了55例前列腺癌患者在MR直线加速器治疗后的MR和CT图像。使用RayStation 8B中的市售模型,在CT和MR成像上为每例患者生成基于ML的计划。使用机构剂量体积评价标准比较了基于MR和CT的计划的剂量分布和接受率。MR和CT计划之间的剂量学差异进一步分解为设置、队列和成像域组件。结果如下:MR计划是高度可接受的,与96.3%的CT计划相比,满足93.1%的所有评价标准,除了膀胱壁、阴茎球、小肠和大肠以及一个直肠壁标准之外,所有评价标准的剂量等效(p<0.05)。改变输入成像模式(域组件)仅占MR和CT计划之间观察到的剂量差异的一半左右。ML训练集和MR直线加速器队列(队列组件)之间的解剖学差异也是一个重要因素。重要性:我们能够使用CT训练的ML模型创建高度可接受的基于MR的治疗计划进行治疗计划,尽管观察到与基于CT的计划的临床显著剂量偏差。
2022-03-07 cs.LG physics.med-ph
PyDoseRT Proton: A GPU Pencil-Beam Engine with a Convolutional Residual-Correction Network for Fast Proton Dose Calculation
Medical University of Vienna(维也纳医科大学);Christian Doppler Laboratory for Image and Knowledge Driven Precision Radiation Oncology(克里斯蒂安·多普勒图像与知识驱动精准放射肿瘤学实验室);Umeå University(于默奥大学)
该研究提出结合卷积残差校正网络的GPU笔形束引擎PyDoseRT Proton,用于快速质子剂量计算,在DoseRAD2026任务中实现了高精度剂量预测。
2026-09-02 cs.CV physics.med-ph
Comprehensive and Clinically Accurate Head and Neck Organs at Risk Delineation via Stratified Deep Learning: A Large-scale Multi-Institutional Study
PAII Inc.(PAII公司);The First Affiliated Hospital Zhejiang University(浙江大学附属第一医院);Ping An Technology(平安科技);Chang Gung Memorial Hospital(长庚纪念医院);Johns Hopkins University(约翰斯·霍普金斯大学);Huadong Hospital Affiliated to Fudan University(复旦大学附属华东医院);First Affiliated Hospital of Xi'an Jiaotong University(西安交通大学第一附属医院);People's Hospital of Shanxi Province(山西省人民医院);Nanfang Hospital, Southern Medical University(南方医科大学南方医院);The First Hospital of Lanzhou University(兰州大学第一医院);Chang Gung University(长庚大学)
精确的危及器官(OAR)分割是减少放射治疗后并发症的关键。共识指南建议在头颈部(H&N)区域进行一组40多个OAR,然而,由于这项任务的可预测的高昂劳动力成本,大多数机构通过描绘较小的OAR子集并忽略与其他OAR相关的剂量分布来选择大幅简化的方案。在这项工作中,我们提出了一种新颖的,自动化的和高效的分层OAR分割(SOARS)系统,使用深度学习来精确地描绘一组全面的42个H&N OAR。SOARS将42个OAR分为锚定,中级和小型和硬子类别,并通过神经架构搜索(NAS)原则为每个类别专门导出神经网络架构。我们在一个内部机构使用176名培训患者建立了SOARS模型,并对6个不同机构的1327名外部患者进行了独立评估。对于每个机构评估,它在Dice评分方面始终优于其他最先进的方法至少3-5%(其他指标的相对误差减少高达36%)。更重要的是,广泛的多用户研究明显表明,98%的SOARS预测仅需要非常小的修改或无需修改即可直接获得临床接受(节省90%的放射肿瘤学家工作量),并且其分割和剂量测定准确度在用户间变化范围内或小于用户间变化。这些发现证实了SOARS在H&N癌症放疗工作流程中用于OAR描绘过程的强大临床适用性,提高了效率,全面性和质量。
2021-11-01 cs.CV eess.IV physics.med-ph
Efficient uncertainty quantification for Monte Carlo dose calculations using importance (re-)weighting
调强粒子治疗(IMPT)的高精度和一致性是以粒子范围和患者设置的治疗不确定性为代价的。剂量不确定性量化和缓解通常基于采样误差场景,然而,当使用计算昂贵但准确的蒙特卡罗(MC)模拟计算剂量时,剂量不确定性量化和缓解变得具有挑战性。本文介绍了一种重要性(重新)加权方法,在MC历史评分同时构建估计错误的情况下,预期剂量和方差从一组MC模拟粒子的历史。该方法依赖于多变量高斯输入和不确定性模型,该模型将概率分配给初始相空间样本,从而能够使用不同的相关模型。探索和适应双变量发射度参数化的波束形状,准确性之间的不确定性或标称剂量估计。该方法是使用MC代码TOPAS和质子IMPT计划交付测试相比,参考方案的估计。我们实现了准确的结果设置的不确定性($γ_{3mm/3\%} \geq 99.99\%$)和更低,但仍然足够的协议范围的不确定性,这是近似的能量分布($γ_{3 mm/3\%} \geq 99.50\%$($E[\boldsymbol{d}]$),$γ_{3mm/3\%} \geq 91.69\%$($σ(\boldsymbol{d})$))的不确定性。初步实验上的水幻影,前列腺和肝脏的情况下表明,重新加权的方法降低了CPU时间超过一个数量级。此外,我们表明,相互作用和其他动态影响引起的不确定性可以近似使用合适的误差相关模型。
2021-06-22 math-ph math.MP physics.med-ph
Low-Dose High-Resolution TOF-PET Using Ionization-activated Multi-State Low-Z Detector Media
我们提出了PET扫描仪使用低原子序数的媒体,经历了一个持久的局部变化的状态沿路径的康普顿反冲电子。个别散射的位置和角度,沉积的能量,和反冲电子方向的测量允许使用2体康普顿散射过程的运动学约束,以执行散射的统计时间排序,具有精确识别伽马射线在检测器中第一次相互作用的高概率。在这些情况下,响应线以高分辨率测量,由基础物理过程而不是检测器分割确定。有多种这样的媒介,通过不同的机制发挥作用。作为一个例子,其中状态的变化是量子力学通过分子构型的变化,而不是热力学,如在一个泡室,我们提出了模拟的两个状态的光开关的有机染料,一个“开关”,这是激活的荧光能力状态的反冲电子的电离。活化状态是持久的,并且可以被光学激发多次以使单个活化分子成像。能量分辨率是通过对激活的分子进行计数来提供的。沿LOR的定位是由大面积的飞行时间MCP-PMT光电探测器实现的,单光子时间分辨率在几十ps和亚毫米的空间分辨率。模拟表明剂量大幅减少。
2021-08-03 physics.ins-det physics.med-ph
A fast GPU-based Monte Carlo simulation of proton transport with detailed modeling of non-elastic interactions
目的:最近在GPU上实现了质子输运的非常快速的蒙特卡罗(MC)模拟。然而,这些通常使用非弹性(NE)质子-核相互作用的简化模型。我们的主要目标是建立一个基于GPU的质子传输MC弹性和NE碰撞的详细建模。研究方法:使用CUDA,我们实现了这些任务的GPU内核:(1)从我们的扫描喷嘴配置模拟斑点,(2)通过CT几何结构的质子传播,考虑核弹性散射,多次散射和能量损失离散,(3)NE相互作用的核内级联阶段的建模,(4)核蒸发模拟,以及(5)剂量的统计误差估计。为了验证我们的MC,我们进行了:(1)NE碰撞中的次级粒子产额计算,(2)均匀体模中的剂量计算,(3)重新计算来自商业治疗计划系统(TPS)的头颈部计划,并与Geant4.9.6p2/TOPAS进行比较。结果如下:结果表明,NE碰撞产生的次级粒子的产额、能量和角分布与Geant 4 Bertini和Binary级联模型符合得很好。治疗计划模拟在2 -2 mm处的3D伽马通过率通常为98%。对于$1\times10^7$质子历史记录,NVIDIA GTX 680卡上的净计算时间(包括所有数据传输)为$\sim$ 20 s。结论:我们的基于GPU的MC是第一个包含详细的核模型来处理质子与任何核的NE相互作用的MC。剂量计算与Geant 4/TOPAS非常一致。我们的MC正在被用于执行快速常规临床QA的基于准直束的治疗计划,也已被采用作为剂…
2014-09-29 physics.comp-ph physics.med-ph
$^{18}$F-PSMA-1007 salivary gland dosimetry: Comparison between different methods for dose calculation and assessment of inter- and intra-patient variability
该研究比较了多种剂量学方法计算 18F-PSMA-1007 注射后唾液腺吸收剂量的准确性,发现简化方法显著低估剂量且患者间及组分间变异大,强调应使用蒙特卡罗模拟并考虑单个腺体组分的特定质量。
2022-10-04 physics.med-ph
Shot noise-mitigated secondary electron imaging with ion count-aided microscopy
Rutgers University(罗格斯大学);Boston University(波士顿大学);Ionwerks Inc.(Ionwerks公司)
ICAM通过统计原理估计二次电子产率,减少射频噪声,提升纳米尺度成像的定量能力与图像质量。
2024-07-08 physics.app-ph physics.data-an physics.ins-det
Incomplete Data Multi-Source Static Computed Tomography Reconstruction with Diffusion Priors and Implicit Neural Representation
本文提出一种多源静态CT成像系统,结合去噪扩散重建框架与隐式神经表示,通过条件生成和自监督学习实现稀疏视角及有限角度数据下的高质量MSCT体数据重建。
2025-01-02 physics.med-ph