[发明专利]基于预测剂量分布引导的调强放疗计划优化方法及应用

说明书

本发明公开了一种基于预测剂量分布引导的调强放疗计划优化方法及应用，该方法包括以下步骤：将患者的感兴趣区域的几何解剖结构特征输入到经训练的神经网络模型，获得危及器官的三维剂量分布预测；以三维剂量分布预测作为优化引导，建立射野强度分布模型，射野强度分布模型的优化目标函数包括基于三维剂量分布预测的目标项和基于等效体积剂量的目标项；基于优化目标函数设置相关参数并求解，获得调强放疗优化计划。本发明利用预测三维剂量分布引导调强放疗计划优化，可实现个体性优化以及体素级的精准剂量优化；本发明构建等效体积目标以补偿较松的预测误差对其引导优化结果的影响，并同时提供更广阔的求解空间，保证计划最优化的前进方向。

技术领域

本发明涉及放射治疗计划优化方法技术领域，具体涉及一种基于危及器官预测三维剂量分布引导的调强放疗计划优化方法及应用。

背景技术

适形调强放疗(Intensity Modulated Radiation Therapy，IMRT)是目前运用最广泛的肿瘤放射治疗技术，可使靶区内剂量强度分布较均匀，靶区外剂量强度陡降，进而降低了正常组织并发症概率(Normal Tissue Complication Probability，NTCP)，从而有效地增加了肿瘤治疗的增益比，与常规放疗相比优势显著。IMRT的计划设计中，由于理想的剂量目标或约束于计划设计前未知，计划设计者往往会依据当前基于群体统计的临床规范选定剂量目标或约束，再辅以本人的临床经验，利用人工试错(Trial and Error)的方式反复调整该目标或约束并进行多次优化，直到得到满足剂量要求的计划方案为止。但限于临床可投入资源和物理师的经验水平，计划设计的效率以及计划质量的一致性往往难以得到保证。

基于经验学习的智慧计划设计方法通过对大量先验计划进行智能学习，在此基础上构建质优计划的剂量学特性与患者个体化特性之间的关联模型，继而将该关联模型应用于新患者计划优化前的剂量学目标预测，有望实现计划设计的快速优化引导和个体化质量控制，进而有效提高临床计划的设计效率、同质化程度。当前研究工作多以预测计划的剂量体积直方图(Dose Volume Histogram，DVH)或剂量学指征项为主，然而这些均为累积型数据，将其作为优化目标不利于实现对感兴趣区内剂量的体素级精细调整，使求解空间受限从而更高概率地产生次优甚至不可行计划解。

以三维剂量分布为预测对象并将其作为优化引导是解决上述问题的理想方案。2017年，宋婷等人在专利CN107441637A中，以危及器官体素为研究对象，采用神经网络方法并结合对射线角度、器官体积和器官间空间位置关系等影响因素的充分考虑，成功地构建了危及器官的三维剂量分布预测模型。但预测具有不确定性，该不确定性会对后续优化引导产生较大影响，如何合理有效地应用预测剂量分布信息是一个重点且是难点。2018年Fan等人在Automatic treatment planning based on three-dimensional dosedistribution predicted from deep learning technique中，以重现预测剂量分布为优化求解策略，以将其引入至目标函数中的方式引导计划优化，该种方法虽可得出可行计划，但其所得计划质量往往仅是接近于预测或原始计划，因此在一定程度上限制了最优化求解的空间。

因此，需要对现有技术进行改进，以提供基于预测剂量分布引导的调强放疗计划优化方法。

发明内容

本发明的目的在于克服上述现有技术的缺陷，提供一种适用于调强放疗计划的预测三维剂量分布引导的计划优化方法，以实现对预测三维剂量分布的有效临床应用，并同时最大限度地改善优化输出计划质量。

为达到上述目的，本发明采用下述技术方案实现：一种基于预测剂量分布引导的调强放疗计划优化方法，包括以下步骤：

S10：将患者的感兴趣区域的几何解剖结构特征输入到经训练的神经网络模型，获得危及器官的三维剂量分布预测；