[发明专利]一种蒙特卡罗网格并行剂量计算方法、设备和存储介质

说明书

本发明属于辐射剂量计算技术领域，涉及一种蒙特卡罗网格并行剂量计算方法、设备和存储介质。该方法包括如下步骤：将患者或体模的三维影像进行3D网格化，其中每个网格为一个体素；选取3D网格化中的感兴趣区域；根据感兴趣区域确定蒙特卡罗计算区域；将射束入射截面划分2D网格；输入蒙特卡罗剂量计算参数；基于蒙特卡罗粒子输入模拟计算每个体素中粒子的辐射剂量并归一化；将计算结果叠加得到总辐射剂量。本发明提供的蒙特卡罗网格并行剂量计算方法通过选取有效计算区域改善了现有技术中GPU并行环境下多射束所占计算空间大的问题；设置单个网格多射束叠加剂量的最低阈值，减少了计算存储空间，提高计算速率；还可以降低计算硬件成本。

技术领域

本发明属于辐射剂量计算技术领域，涉及一种蒙特卡罗网格并行剂量计算方法、设备和存储介质。

背景技术

蒙特卡罗(Monte Carlo，MC)剂量计算方法是被业内广泛认可的最精确的剂量计算方法，它是一种可用于任意吸收介质和适于任意射线的随机采样模拟方法，用统计学方法来模拟大量单个光子在输运过程中与物质的作用。光子进入某种介质(如人体组织)后，通过与介质中的原子相互作用，传递电离辐射的部分或全部能量。用蒙特卡罗方法来模拟这种作用的过程，应用放射物理定律对每一次作用进行预测并统计作用的结果。蒙特卡罗模拟方法是种适用性最强的三维剂量计算方法，可以用来计算各种复杂条件下的剂量分布，被称为剂量计算的“金标准”。

然而，目前由于蒙卡模拟时大量相同过程的统计平均，因而在保证精度的同时，势必将牺牲大量时间成本。因此用蒙特卡罗方法进行剂量计算的时问很长(一般是几到几十个小时)，不能满足临床实时性的要求，所以在临床治疗计划系统中一直没有得到广泛应用。

虽然已经开发了多种MC计算软件，例如EGS4/5、EGSnrc、MCNP、 PENELOPE、GEANT4等，但是MC模拟的速度和耗时问题成为限制其临床应用的主要因素，如在实际临床靶区剂量计算中，要在满足2.5％不确定程度下，常规基于CPU的MC剂量模拟计算需花费6h。图形处理器(GPU)由于其众多运算单元并行、高内存带宽、支持浮点数算法、单元计算的成本低、程序接口开放等优点，在MC模拟技术领域具有更为广阔的应用前景，例如基于GPU的 MC剂量计算可以将GPU所有的线程看作独立的计算单元，追踪源粒子和次级粒子的所有输运过程，与CPU相比，在GPU卡上可以实现明显的多倍加速。然而，现有技术中的蒙卡剂量计算过程中，由于无法调节和蒙卡过程的随机本质和 GPU硬件结构的冲突，GPU仍然很难得到高加速因子。这是因为，GPU使用单一指令的多线程管理系统，GPU的多处理器运行一般由32个并行线程组成一组，如果在一组中某个线程出现路径分化，比如一些if-else条件语句，GPU就无法有效的把一个线程一次性执行到底，需要继续分化。因此，高性能计算的效率只有当在同一组线程中的每一个都遵循完全一致的执行路径时，才会显著提高。而蒙卡计算中，在不同线路中执行路径是统计独立的；齐次，GPU自带内存的存取速度相比CPU内存偏慢，频繁的随机的对内存的读取非常浪费侠侣。在蒙卡模拟中，所有线程共享GPU的公共内存，每个线程都会以不可预测的方式访问不同内存地址，使得CPU与GPU的数据交换成为降低程序运行时间的成大障碍 (参考文献：甘旸谷，硕士学位论文《基于GPU的蒙特卡洛放疗剂量并行计算》)。人体或体模分成若干三维网格(也称体素)，计算多射束叠加网格上的剂量；这种计算方法由于射束被分成n份，那么每个射束占用的计算空间也会变大，即：计算空间变成原来的n倍。而当前的GPU计算能力有限，如果需要快速得到剂量计算结果，需要非常大的GPU才能完成，这在当前还不能实现。

发明内容

本发明的目的在于为克服上述现有技术的缺陷而提供一种蒙特卡罗网格并行剂量计算方法、设备和存储介质。

为实现上述目的，本发明提供以下技术方案：

一种蒙特卡罗网格并行剂量计算方法，适于在计算设备中执行，包括如下步骤：

(1)将患者或体模的三维影像进行3D网格化，其中每个网格为一个体素；