Article Info

韩阿蒙1，张彦秋2a，李金旺2a，李秀梅2a，顾涛2a，付占昭2a，毛羽2a，梁华刚2b

1.燕山大学信息技术中心，河北秦皇岛 066004；2.秦皇岛市第一医院 a.肿瘤放疗科；b.胸外科，河北秦皇岛 066000

[摘要]目的探讨如何缩短基于云计算的ARC技术的剂量计算时间。方法随机选择15例鼻咽癌患者，计划方式选择ARC技术，射野选择四个弧度，计算网格大小选择2.5 mm。对于每一例患者剂量计算时，先选择调用带有Eclipse的2台工作站，记录剂量计算时间，再分别选择调用4，5，6，7，8台工作站，并记录剂量计算时间。结果剂量计算选择调用6台工作站时计算时间最短，选择7台工作站和8台工作站计算时间不但没有缩短，反而略有增加。选择调用6台工作站比2台工作站计算时间平均缩短约19′06″。采用Mann-Whitney U检验，6台工作站与2，4，5，7，8台工作站相比较，Z=-4.667，-2.634，-1.348，-0.415，-1.390，P=0.000，0.008，0.178，0.678，0.165。结论调用6台工作站时所用的计算时间短于2台和4台，具有统计学差异；调用6台工作站时所用的计算时间短于5、7和8台，但不具有统计学差异。局域网中增加一定数量用于计算调用的工作站，能够一定程度的缩短剂量计算的时间，提高肿瘤放疗计划设计的效率。

[关键词]放疗计划系统；云计算；ARC技术；计算时间；计划设计

引言

近些年来，云计算技术发展日臻成熟，其在医学领域的应用[1]越来越广泛，主要包括：用作计算和大型应用程序系统运行平台，辅助开展远程医疗活动，医疗资料的保存及数据挖掘的深入，在医学实验室中实现自动化以及“生物信号智能化”处理，辅助医师进行诊断及决策以及在医学治疗上的手段以及控制。根据美国国家标准与技术研究院对于云计算的定义，它指的是一种通过网络对共享且可配置的计算资源池（包括计算资源、网络资源、存储资源、应用程序等资源）进行无处不在的、便捷的、按需访问的模式，提供者可以通过最简化的管理工作进行快速的配置和发布，使用者可以通过最小化的交互工作获取相关计算服务[2]，其基本特征包括：按需服务，广泛的网络接入，资源池化，快速弹性和可控服务[3]。国内外云计算平台发展日新月异，主要包括：亚马逊云、谷歌云、IBM蓝云、百度云、阿里云和腾讯云[4]等。本文初步探讨的ARC技术，即容积旋转调强技术[5]，其在剂量计算时是基于云计算技术，主要由分布式计算技术实现。云计算用于计算平台时，其计算速度和计算时间是临床中关注的主要问题之一，这关系到临床实践中的工作效率。本文就本院放疗中心基于云计算的分布式计算时间问题进行初步探讨，以期为临床提供参考。

1 材料和原理

1.1 瓦里安Eclipse计划系统中分布式计算框架环境

瓦里安Eclipse计划系统中涉及的复杂计算，如剂量分布计算和剂量体积优化，由分布式计算框架（Distributed Calculation Framework，DCF）执行。DCF使用外部进程（external processes），使得Eclipse能够计算剂量[6-7]。这些进程可以在Eclipse中相同工作站中和（或）网络中其他的工作站中运行[8]。由于计算工作由多台工作站和多个处理器同时进行，因此，DCF使得剂量计算的速度得到了提高。例如，External Dose Planning进行多个射野的治疗计划的剂量计算时，Eclipse为每个射野分别分配计算线程（thread），对于每个计算线程，Eclipse发出需要的计算服务。如果没有可用的计算资源，线程等待资源的到来。DCF环境中不同工作站配置的例子，见图1。

上面的例子中，类型1工作站装有Eclipse，每个工作站包含一个本地的计算配置文件，使得该工作站能够进行计算。除了本地计算，这些工作站还可以在DCF网络中的其他工作站上进行远程计算[9]。类型1工作站还安装了一个代理程序（Agent）作为系统服务。代理程序使得Eclipse能够在其他工作站上执行类型1工作站上的计算[10]。此外，代理程序使用位于DCF服务器上的DCF文件夹中的配置文件。类型2工作站没有安装Eclipse，用作计算服务器。每个类型2工作站都安装有一个代理程序，意味着其他工作站上的Eclipse能够在类型2工作站上进行计算。代理程序使用位于DCF服务器上的DCF文件夹中的配置文件。

1.2 DCF工作的原理

DCF服务器包含一个分配器（Distributor）和一个计算配置文件，计算配置文件被DCF网络中的代理程序使用[11]。分配器分配可用的计算资源用于计算。DCF服务器里的DCF文件夹包括计算算法、射野数据模板、配置的射野数、全局配置文件夹。此外，DCF服务器的位置在每个用于剂量计算的工作站上都必须定义。

由字及意，分布式计算框架配置定义计算的框架。在这个框架中使用安装的计算算法进行计算，需要配置安装在你的治疗计划系统中的每个计算算法[12]，例如AAA算法或PBC算法[13-14]。配置包括把算法和合适的配置射束数据连接。这个连接的结果叫做计算模型。几个计算模型可以基于一个计算算法。每个计算模型从一个具体的数据目录中读取配置的射野数据。一个四野计划的计算在DCF中执行的具体例子，见图2。

2 方法和结果

2.1 局域网分布情况及其硬件配置

本放疗中心局域网中包含一台服务器，其硬件配置为：Intel(R) Xeon(R)CPU E5-2690 0 @2.90GHz 2.90GHz（2个处理器），RAM：32.0 GB，HDDM：4.08 TB，用于日常的计划设计和剂量计算的有两台带有Eclipse的工作站，其硬件配置为：处理器：Intel(R) Xeon(R)CPU E5-2620 0 @2.00GHz 2.00GHz（两个处理器），RAM：32.0 GB，HDDM：829.9 GB；用于肿瘤靶区勾画的带有Eclipse的4台电脑：其硬件配置为：处理器：Intel(R)Core(TM)DuoCPU E8400 @3.00GHz 2.00GHz，RAM：8.0 GB，HDDM：375 GB；局域网中还有2台未装有Eclipse的工作站，用于日常的排程和数据统计，其利用率较低，其硬件配置为：处理器：Intel(R) Core(TM)i5-3470 CPU@3.20GHz 3.20GHz，RAM：8 GB，HDDM：464 GB。

2.2 15例鼻咽癌患者剂量计算时间测试结果

安装有Eclipse的2台电脑用于日常的剂量计算，为缩短计算时间，充分利用局域网中的硬件资源，在其它6台工作站上安装代理程序DCF_Agent.msi，使得在Eclipse工作站上剂量计算的时候，不仅可以调用另一台装有Eclipse的工作站，还可以调用其它6台工作站。随机选择15例鼻咽癌患者，计划方式选择ARC技术，为使计算时最多能调用8台工作站，射野选择四个弧度，计算网格大小选择2.5 mm，对于每一例患者剂量计算时，先选择调用带有Eclipse的2台工作站，记录剂量计算时间，再通过设置本地工作站中的DCF参数，剂量计算时依次选择调用4，5，6，7，8台工作站，并记录剂量计算时间。相关数据，见表1及图3。图3是基于表1的数据做的图，由表1和图3可见，剂量计算选择调用6台工作站时计算时间最短，选择7台工作站和8台工作站计算时间不但没有缩短，反而略有增加。选择调用6台工作站比2台工作站计算时间平均缩短约19′06″。同时，采用Mann-Whitney U检验，6台工作站分别与2，4，5，7，8台工作站相比较，Z=-4.667，-2.634，-1.348，-0.415，-1.390，P=0.000，0.008，0.178，0.678，0.165。可见调用6台工作站时所用的计算时间短于2台和4台，具有统计学差异（P＜0.05)；调用6台工作站时所用的计算时间短于5台、7台和8台，但不具有统计学差异（P＞0.05），详见表2。

3 讨论

本研究中分布式计算框架是基于云计算，而不是真正意义上的云计算，云计算是由分布式计算技术、网格技术等发展起来的先进技术。分布式计算又称网络计算，它是充分利用网络资源的计算模型。该模型旨在提供一套有组织的系统方法，以实现一种开放型的标准化系统结构，使程序和数据都具有透明的分布能力和网络联结能力，以及互操作性和可移植性的能力[15]。本放疗中心的瓦里安分布式计算主要由服务器根据分配器分配给网络中有计算资源的工作站，而每个工作站之所以能够被调用，是因为本地安装了代理程序，否则就不能被调用。Na[16]等在验证了在亚马逊云平台环境中优化和计算固定野调强计划和容积旋转调强计划的可行性，实质性的提高了计算速度，使得将来在线自适应计划成为可能。

图3 15例鼻咽癌患者ARC计划剂量计算时间柱状图

注：系列1，2，3，4，5，6分别为为2，4，5，6，7和8台工作站的剂量计算时间，系列7为2台工作站与6台工作站的剂量计算时间的差值。

容积旋转调强技术由于剂量学上的优势，其在临床上的应用越来越广泛，而剂量计算时间直接影响到临床实践中的工作效率[17-18]。本研究一定程度上缩短了剂量计算时间，约19′06″左右，随所需计算时间的增加，缩短的计算时间越长。计算时间的长短一方面与本身的计算工作量有关，另一方面与调用的工作站数量和工作站本身的硬件配置有关。在具体临床实践中，四台用于勾画靶区的工作站上也安装上代理程序，使得其也能够被调用，提高闲置资源的利用率。值得注意的是，本地工作站在剂量计算时，并不是调用所有的闲置工作站，而是优先调用硬件配置较高的工作站，以免某一进程计算速度较慢而影响整体的计算时间。当所需计算资源一定时，没有必要无限制的增加工作站的数量。

表1 15例鼻咽癌患者ARC计划剂量计算时间

表2 6台工作站计算时间与其它各台工作站计算时间的比较

总之，在本研究中，调用6台工作站时所用的计算时间短于2台和4台，具有统计学差异；调用6台工作站时所用的计算时间短于5台、7台和8台，但不具有统计学差异。局域网中增加一定数量用于计算调用的工作站，能够一定程度的缩短剂量计算的时间，提高肿瘤放疗计划设计的效率。希望在不久的将来能够在放射治疗剂量计算方面能够真正的实现云计算，促进医学的进步。

[1] 乔刚.计算机技术在医学领域中的广泛应用[J].医疗装备,2017,30(6):26-27.

[3] 李磊,李小宁,金连文.基于Openstack的科研教学云计算平台的构建与运用[J].实验技术与管理,2014,31(6):127-133.

[4] 陈刚.腾讯云CDN 2.0四大优势加速移动化进程[J].计算机与网络,2015,41(7):11.

[5] Wild E,Bangert M,Nill S,et al.Noncoplanar VMAT for nasopharyngeal tumors: Plan quality versus treatment time[J].Med Phys,2015,42(5):2157-2168.

[6] 高璇,李克新,鞠永健,等.鼻咽癌动态调强放射治疗时剂量率对靶区及危及器官剂量学参数的影响[J].生物医学工程与临床,2017,21(2):147-150.

[7] 王美娇,张艺宝,李莎,等.瓦里安千伏级锥形束CT系统间剂量学一致性研究[J].中国医学物理学杂志,2017,34(6):546-549.

[8] 陈昊,罗蕾,李允,等.支持安全策略检查的用户态驱动框架研究[J].计算机应用研究,2018,35(4):11422-1149.

[9] 孙磊,胡学龙,张晓斌,等.生物医学大数据处理的云计算解决方案[J].电子测量与仪器学报,2014,28(11):1190-1197.

[10] 高忠军,杨骥,彭华,等.基于云计算的三维医学影像后处理云平台[J].中国卫生信息管理杂志,2014,11(3):251-254.

[11] 李迎娟.云计算环境下网络医学信息资源服务模型的构建[J].中华医学图书情报杂志,2015,24(4):21-24.

[12] 范敏,徐胜才.基于云计算的医学图像检索系统[J].计算机工程与应用,2013,49(21):123-127.

[13] 张彦秋,邱小平,杨振.用蒙特卡罗模拟评估小野条件下肺介质中AAA算法的精度[J].中国医学物理学杂志,2012,29(1):3099-3103.

[14] 张彦秋,邱小平,杨振,等.用蒙特卡罗模拟评估小野条件下骨介质中AAA算法的精度[J].南华大学学报(自然科学版),2011,25(4):29-34.

[15] 丁致远,赵东妮.网络计算——分布式计算环境(DCE)概述[J].电脑知识与技术,2010,6(21):5947-5949.

[16] Na YH,Suh TS,Kapp DS,et al.Toward a web-based real-time radiation treatment planning system in a cloud computing environment[J].Phys Med Biol,2013,58(18):6525-6540.

[17] Thomas EM,Popple RA,Wu X,et al.Comparison of plan quality and delivery time between volumetric arc therapy(RapidArc) and Gamma Knife radiosurgery for multiple cranial metastases[J].Neurosurgery,2014,75(4):409-417.

[18] Wild E,Bangert M,Nill S,et al.Noncoplanar VMAT for nasopharyngeal tumors: Plan quality versus treatment time[J].Med Phys,2015,42(5):2157-2168.

Discussion on the Dose Calculation Time of ARC Technique Based on Cloud Computing in Varian Eclipse Treatment Planning System

HAN Ameng1, ZHANG Yanqiu2a, LI Jinwang2a, LI Xiumei2a, GU Tao2a, FU Zhanzhao2a, MAO Yu2a, LIANG Huagang2b
1.Information Technology Center, Yanshan University, Qinhuangdao Hebei 066004, China; 2.a.Department of Radiotherapy;b.Department of Thoracic Surgery, First Hospital of Qinhuangdao, Qinhuangdao Hebei 066000, China

Abstract:ObjectiveTo explore how to shorten dose calculation time of cloud computing based on ARC technique.MethodsFifteen patients with nasopharyngeal carcinoma were randomly selected. ARC technique was chosen to do the plan and four arc fields were used. Two point five mm was selected as calculation grid size. To do dose calculation for every patient, two workstations with Eclipse was selected firstly and dose calculation time was recorded. Then 4, 5, 6, 7 and 8 workstations were separately selected, and dose calculation time was also recorded.ResultsThe calculation time was the shortest when choosing 6 workstations for dose calculation.The calculation time of 7 workstations and 8 workstations was not shortened, but increased slightly. The average computation time of calling 6 workstations was about 19.1 minutes, which was shorter than that of 2 workstations. At the same time, when Mann-Whitney U test was used to conduct comparing analysis on 6 workstations with 2, 4, 5, 7, 8 workstations, the Z score was separately -4.667,-2.634, -1.348, -0.415 and -1.390, and P value was separately 0.000, 0.008, 0.178, 0.678 and 0.165.ConclusionThe computation time of calling 6 workstations was shorter than that of 2 and 4 stations, which had statistical difference. The computation time of calling 6 workstations was shorter than that of 5, 7 and 8 stations, but there was no statistical difference. To increase the number of workstations used to calculation call in a LAN, the dose time can be reduced to a certain extent, and the efficiency of tumor radiotherapy plan designing can be improved.

Key words:treatment planning system; cloud computing; ARC technique; calculation time; plan designing

本论文为教育部科技发展中心互联网应用创新开发平台示范基地（教技发中心函[2012]32号）《互联网应用技术验证试验床》项目研究成果。

瓦里安Eclipse计划系统中基于云计算的ARC技术的剂量计算时间的探讨