[发明专利]调强放疗计划中三维剂量分布的预测方法及其应用

说明书

本发明公开了一种调强放疗计划中三维剂量分布的预测方法，步骤如下：(1)收集有效的调强放疗计划数据形成病例数据库；(2)根据CT图像的分辨率大小，将患者的靶区(PTV)、各个危及器官划分为若干个小体素；(3)提取数据库中每个患者的解剖特征；(4)提取数据库中每个患者的剂量特征；(5)搭建人工神经网络，输入患者的解剖特征和剂量特征，借助人工神经网络学习出解剖特征和剂量特征之间的映射关系，得到二者的关联模型；(6)使用关联模型预测新患者的三维剂量分布。上述方法的应用为采用上述剂量分布预测方法，进行患者危及器官的剂量预测，并实现质量控制。通过上述方式，本发明能够实现调强放疗计划的三维剂量分布预测，并可应用于质量控制环节。

技术领域

本发明涉及医学放射治疗技术领域，具体是指调强放疗计划中三维剂量分布的预测方法以及该方法的具体应用。

背景技术

肿瘤放射治疗利用射线杀死肿瘤细胞，并尽可能地避免正常组织和危及器官受到照射，是治疗恶性肿瘤的主要手段之一。实现射束能量高度集中于肿瘤区域是提高放疗质量的关键。在放疗技术上，强度调控放射治疗技术，即调强技术，通过多叶光栅的运动和射束强度调节等的技术进一步提高了患者体内剂量分布的适形度，是前列腺、脑颈部、颅内等类型的肿瘤中的主流治疗方式。

临床上，医生会参照放疗计划临床规范，例如PTV的覆盖率、危及器官的耐受剂量，来评估一个计划是否可以用在病人身上。该规范针对不同类型的肿瘤设定了不同的计划目标，这些目标都是基于患者统计上的数据。使用缺乏患者特异性的数据作为计划的目标，是导致临床上放疗计划质量优劣不一的重要原因之一。除此之外，计划的质量还决定于物理师的经验和在单个计划上所耗费的时间与精力。物理师根据经验判断放疗计划系统(TPS)生成的计划是否还有改进的空间，如果不能接受这个计划，需要重新设置剂量优化目标，直到得到最优的放疗计划，这是一个不断试错的过程。物理师若能正确预估参数变化所对应的结果变化，将更有把握得到一个最优的计划。但由于经验和时间的限制，放疗计划在达到临床规范之后，物理师不再进行进一步的优化，以致病人不经意地接受次优的放射治疗。从临床意义上看，靶区在满足处方剂量照射的前提下，实现周围组织和器官的最大剂量豁免是保障患者治疗质量的重要途径。

调强计划中的剂量分布在医生给出的处方剂量和物理师设置的优化目标等参数的约束下，与靶区形状高度适形。因此，患者解剖结构与剂量之间存在一定的关联，可建立二者的关联模型以实现剂量分布的预测。

2011年，zhu等人在Med Phys刊物上发表的A planning quality evaluationtool for prostate adaptive IMRT based on machine learning，介绍了一种描述解剖特征的方法，该描述法从距离和体积上描述危及器官(OAR)和靶区(PTV)的空间关系，然而这种描述方法仅考虑两个OAR与PTV的空间关系对该OAR所接受剂量的影响，未完全考虑OAR之间的相互影响。除此之外，该方法选用的剂量特征是经过提取的二维信息，不能充分反映剂量分布的三维空间上的表现情况。

发明内容

本发明的目的在于公开了一种适用于调强放疗计划的三维剂量分布预测方法，以解决现有技术中解剖信息描述不全面等问题。本发明的另一个目的在于提供该预测方法的具体应用。

为达到上述目的，本发明采用下述技术方案实现：调强放疗计划中三维剂量分布的预测方法，通过预测每一个体素的剂量来实现三维剂量分布的预测，包括以下步骤：

(1)收集有效的调强放疗计划数据形成病例数据库；

(2)根据CT图像的分辨率大小，将患者的靶区(PTV)、各个危及器官划分为若干个小体素；

(3)提取数据库中每个患者的解剖特征，包括PTV体积、小体素到PTV边界最小距离、小体素到各个危及器官边界的最小距离；

(4)提取数据库中每个患者的剂量特征；