， 15、醫(yī)用直線加速器上運行，16、EPID采集圖像信號，17、用戶端，18、HDFS分布式文件系統(tǒng)， 19、云端，20、主節(jié)點。大矩形框中上方矩形框表示：基于劑量沉積核與卷積理論（蒙特卡羅 方法）以及EPID校正的方法將EPID圖像信號轉化成參考劑量分布；下方矩形框表示：基于 云計算加速的Gamma分析的軟件架構。
【具體實施方式】
[0015]下面結合附圖和實施例對本發(fā)明的技術實施過程做進一步說明。
[0016] 實施例1: 本實施例描述基于云計算平臺的腫瘤放射治療計劃的劑量驗證系統(tǒng)。
[0017] 結合附圖1，其為本發(fā)明的基于云計算平臺的腫瘤放射治療計劃的劑量驗證系統(tǒng) 的系統(tǒng)結構圖。如附圖1所示，基于云計算平臺的腫瘤放射治療計劃的劑量驗證系統(tǒng)包括： 用戶終端的設備、云計算服務器、本地治療計劃系統(tǒng)、計算機、HDFS數據存儲服務器、醫(yī)用直 線加速器。HDFS是一個分布式的文件系統(tǒng)，能夠實現大數據可靠性存儲且高吞吐量讀取的 存儲解決方案。本發(fā)明中的云計算裝置是Hadoop的MapReduce分布式計算框架建立在HDFS 分布式文件系統(tǒng)的基礎上。
[0018]基于云計算平臺的腫瘤放射治療計劃的劑量驗證系統(tǒng)，使用了云計算的并行計算 能力對進行腫瘤放射治療計劃的驗證過程進行加速，該系統(tǒng)具有如下特點： (1) 該系統(tǒng)將EPID信息的采集和劑量分析比較處理分開，把需要計算分析的部分轉移 到基于云計算的服務器上； (2) 位于用戶端的設備僅進行治療計劃的制定和EPID影像采集、預處理、傳遞、接收和 顯示分析結果； (3) 用戶終端的設備其特征在于，按照云計算平臺的可編程接口設計和運行其上軟件， 將預處理后的數據信息發(fā)送到云計算服務器上； (4) 位于云計算服務器的通過云端的Hadoop的MapReduce編程模型加速劑量沉積核與 卷積模型建立，將上傳的EPID影像轉換成參考劑量分布； (5) 位于云計算服務器的位于云計算服務器的通過云端的Hadoop的MapReduce編程模 型加速待比較劑量分布和參考劑量分布之間的Ga_a分析； (6) 分析結果保存于云計算服務器上，并可以讓用戶通過各種聯網的平臺獲取到分析 結果。
[0019] 實施例2: 本實施例描述基于云計算平臺的腫瘤放射治療計劃的劑量驗證方法。基于云計算平臺 的腫瘤放射治療計劃驗證的驗證系統(tǒng)及方法構架包含兩部分的軟件架構，一部分在用戶終 端的設備上的，另一部分云計算服務器上。
[0020] 實現本發(fā)明的方法包括如下步驟： 圖1為本發(fā)明的基于云計算平臺的腫瘤放射治療計劃驗證的驗證系統(tǒng)及方法的系統(tǒng) 結構圖。其方法步驟如下： (1)在用戶終端的本地治療計劃系統(tǒng)首先完成腫瘤調強治療計劃。
[0021] (2)在治療計劃系統(tǒng)將完成的調強治療計劃生成一個水模體的調強驗證計劃。 并用治療計劃系統(tǒng)生成的計算機計算的劑量分布作為待比較劑量分布（Evaluateddose distribution)。待比較劑量分布被傳遞到云計算平臺存儲在HDFS數據存儲服務器中，等 待以之進行比較的實際測量的參考劑量分布（Referencedosedistribution)。HDFS是一 個分布式的文件系統(tǒng)，能夠實現大數據可靠性存儲且高吞吐量讀取的存儲解決方案。本發(fā) 明中的云計算裝置是Hadoop的MapReduce分布式計算框架建立在HDFS分布式文件系統(tǒng)的 基礎上。
[0022] (3)將水模體的驗證計劃傳遞到醫(yī)用直線加速器上運行，并用EPID配套軟件 采集信號。EPID測量到的圖像信號將由云計算平臺轉換成劑量分布作為參考劑量分布 (Referencedosedistribution)。
[0023] (4)EPID軟件采集到的圖像信號傳遞給云計算平臺。存儲在HDFS數據存儲服務 器中。
[0024] (5)用戶終端向主節(jié)點遞交對指定HDFS目錄下的EPID圖像信號轉化成參考劑量 分布的要求。
[0025] (6)云端主節(jié)點在HDFS文件系統(tǒng)中提取EPID圖像信號，主節(jié)點根據用戶終端制定 的任務分配策略、具體算法處理函數、map函數和reduce函數在云計算服務器上采用基于 劑量沉積核與卷積理論的方法將EPID圖像信號轉化成參考劑量分布(細節(jié)見第7到第12 步)。
[0026] (7)劑量沉積核主要通過基于云計算平臺的蒙特卡羅模擬來獲得，劑量驗證的目 的是比較采集到的EPID數據和治療計劃系統(tǒng)（treatmentplanningsystem)移植到等效 水的治療計劃數據。由于光子與EPID、水的物理反應能力有差別，需將探測器的光子通量轉 化為水中的通量，為此在云計算平臺用蒙特卡羅方法模擬加速器獲得能譜，再進一步模擬 光子筆形束并計算光子在介質中的劑量沉積核。EPID的劑量重建也通過云計算平臺使用 逆向算法來實現。
[0027] (8)在云計算平臺根據加速器廠商標配預先建立好EPID結構和物質材料模型存 儲于HDFS數據存儲服務器中。典型的EPID模型構成包括鋁層、銅板層、熒光層、玻璃基板、 反散射水模層。并建立與EPID相對應的水模體。
[0028] (9)在云計算平臺使用蒙特卡羅方法模擬筆形束在物質中的物理反應和點劑量 核(劑量點擴散函數)，并通過對筆形束劑量分布的卷積疊加可以得到整個輻射束的劑量分 布。筆形束的大小與EPID的最小探測單元大小一致。
[0029] (10)將EPID測得通量去探測器散射而加入水的散射轉化為水中通量，蒙特卡羅 程序計算EPID的劑量沉積核和水中劑量沉積核。
[0030] (11)由于建模時EPID和等效水模體并非與EPID真實分辨率相同，因此在計算 得到劑量沉積核后使用雙線性插值調整分辨率。
[0031] (12)在云計算平臺對EPID"Horn"信息校正。最終利用電離室完成EPID的灰度 值-劑量校準，建立劑量響應函數。最終將EPID圖像信號轉化成參考劑量分布，并將生成 的參考劑量分布保存于HDFS目錄下。
[0032] (13)用戶終端向主節(jié)點遞交對指定HDFS目錄下的待比較劑量分布和參考劑量分 布進行劑量驗證的要求。
[0033] (14)云端主節(jié)點在HDFS中提取待比較劑量分布和參考劑量分布，主節(jié)點根據用 戶終端制定的任務分配策略、具體算法處理函數、map函數和reduce函數在云計算服務器 上對待比較劑量分布和參考劑量分布進行Gamma分析。
[0034] Ga_a分析法是在同一坐標系下依據參考劑量分布逐點進行計算，包括兩個參數， 即相對劑量差異和DTA(Distancetoagreement)距離，計算時對每個參考點，在待比較 劑量分布中相同坐標位置的點附近對每一點求得與參考點的相對劑量差異和距離差，得到 r(^，^)，而后對其最小值得到該參考點最終的yog: Y(rr) =min{r(rr,re)}V{re }
Kr"rs)是待比較點與參考點的距離差異； 外FV,r")是待比較點與參考點的相對劑量差異； 是允許的DTA距離誤差標準，一般為3mm; 是允許的相對劑量差異誤差標準，一般為3% ; 以1作為比較通過值，當彡1，則待比較點通過，> 1，則未通過，一般Y通過率大于95%,可認為治療計劃通過驗證。其中是參考點的坐標,re是待比較點的 坐標。
[0035] (15)云端主節(jié)點對計算劑量體素分布進行細化的任務提交給各個Map節(jié)點，根據 用戶終端制定的任務分配策略，一個Map節(jié)點對應一個或者多個體素，Map節(jié)點對最近鄰體 素點進行劑量插值，然后再用第14步中的公式計算得出Ga_a因子。
[0036] (16)各個Map任務節(jié)點在處理完主節(jié)點所遞交的任務后，將處理結果反饋給主節(jié) 點，主節(jié)點收到所有Map任務節(jié)點的反饋后，將處理結果映射給不同的Reduce任務節(jié)點，進 行后續(xù)的處理。
[0037] (17)云端的Reduce節(jié)點將不同Map節(jié)點輸出的處理后的Gamma因子及其相關的 參考與待比較劑量分布圖進行合并，生成等劑量線的疊加，并生成詳細的Gamma分析結果 (即Y通過率大于95%，認為治療計劃通過驗證，小于9