[发明专利]基于GPU蒙特卡洛算法的磁场下光子和电子剂量计算方法

摘要

本发明公开了一种基于GPU蒙特卡洛算法的磁场下光子和电子剂量计算方法，包括：1采集数据；2确定GPU的最优线程数和输运任务批次；3利用蒙特卡洛算法计算每个批次在磁场作用下的光子和电子辐射剂量；4基于GPU快速原子加法统计剂量结果。本发明能快速且准确的计算出磁场作用下光子和电子的辐射剂量，可用于磁共振实时引导放射治疗MRIgRT的治疗计划系统中的剂量计算，进而提高MRIgRT治疗计划系统中剂量计算的准确性与速度，改善放射治疗的效果。

主权项

1.一种基于GPU蒙特卡洛算法的磁场下光子和电子剂量计算方法，其特征是按如下步骤进行：步骤1：采集数据；步骤1.1、获取放射治疗加速器的照射源数据并进行处理，得到放射源信息其中，E表示源能量，表示源位置，表示源发射方向；步骤1.2、获取人体解剖结构的图像数据并重建人体模型；获取核磁共振仪的磁场强度数据步骤1.3、获取光子和电子分别与物质发生反应的核数据并进行处理，得到所述核数据的宏观截面数据Σ，对所述宏观截面数据按照能量的高低进行降序排序，得到排序后的光子宏观截面数据Σ^p和电子宏观截面数据Σ^e；步骤2、确定GPU的最优线程数和输运任务的批次；步骤2.1、利用runtime attribute程序接口获得GPU中每个线程所需寄存器的数目r；则GPU中每个流多处理器工作在满载状态的最小线程个数为R表示每个流多处理器上的寄存器个数；从而得到GPU工作在满载状态所需线程总数为T＝Mt，M表示GPU中流多处理器的个数；步骤2.2、设置放射源粒子的数目为N，并将N个放射源粒子的输运任务划分为T个批次，使得每个批次上以串行地方式待计算放射源粒子的个数为步骤3、利用蒙特卡洛算法计算每个批次在磁场作用下的光子和电子辐射剂量；步骤3.1、定义每一批抽取放射源粒子的次数为w，并初始化w＝1；步骤3.2、定义第w次抽取放射源粒子时的输运次数为u，并初始化u＝0；步骤3.3、利用随机数生成器从放射源信息S中第w次抽取第w个放射源粒子S_w；所述第w个放射源粒子S_w第u次输运的状态为：并判断第w次抽取第w个放射源粒子S_w的类型，若为光子记为则执行步骤3.4；若为电子记为则执行步骤3.5；步骤3.4、基于排序后的光子宏观截面数据Σ^p抽取第u+1次输运时的运动步长和运动方向再执行步骤3.7；步骤3.5、基于排序后的电子宏观截面数据Σ^e抽取第u+1次输运时的运动步长和运动方向步骤3.6、判断所述电子是否处于人体模型的磁场区，若是，先将第w个电子沿运动方向移动距离再将第w个电子沿着式(1)修正的运动方向移动否则，仍然采用所述运动方向式(1)中，为第w个电子第u+1次输运时修正后的新方向；norm{}为归一化算符；为第u+1次对第w个电子进行抽样所得到的步长；Q为电子电荷数；c为真空中光速，m为电子静质量，为第w个电子在第u次输运时的能量；为电子第u+1次输运时未修正的运动方向；为第w个电子在人体模型中第u+1次输运时所处位置的磁场强度；步骤3.7、基于排序后的光子宏观截面数据Σ^p和电子宏观截面数据Σ^e、所述第w个放射源粒子S_w第u次输运的状态运动步长、运动方向或修正的运动方向，对第w个放射源粒子S_w的反应类型进行抽样，得到第w个放射源粒子S_w在人体模型中进行第u+1次输运的状态步骤3.8、计算第w次抽取的第w个放射源粒子S_w人体模型中进行第u+1次输运时沉积的剂量步骤3.9、将u+1赋值给u，若为光子，则返回步骤3.4执行，若为电子，则返回步骤3.5执行，直到能量低于截止能量或第w个放射源粒子S_w超出人体模型的边界为止；从而统计得到第w次抽取的第w个放射源粒子S_w在人体模型中沉积的剂量Dose_w；步骤3.10、将w+1赋值给w，并返回步骤3.1执行，直到w＞n为止；从而统计得到每个批次n次抽取的n个放射源粒子在人体模型中沉积的剂量Dose；步骤4、基于GPU快速原子加法统计剂量结果：步骤4.1、将T个批次所获得沉积的剂量以三维矩阵的形式存入GPU的全局内存中，在所述三维矩阵中的任意元素记为dose_i；dose_i表示在三维空间中第i个位置上的剂量；步骤4.2、获取GPU中同一个线程包内的有效线程，并将所要更新的全局内存地址相同的有效线程从所述同一线程包中筛选出来；步骤4.3、将筛选出来的有效线程所对应的全局内存中所存储的剂量进行累加，得到的剂量结果存入序号最小的有效线程中；步骤4.4、利用“卡汉求和”以及“比较‑交换”算法将所有属于同一线程包内序号最小的有效线程中的剂量结果累加到GPU的全局内存中，从而得到人体模型中放射源粒子的总剂量；步骤4.5、将所述总剂量除以放射源粒子的总数N，从而得到归一化的剂量结果，并将其返回到CPU内存。