[发明专利]基于人工智能的硼中子俘获治疗剂量分布预测方法及其应用和装置

权利要求书

1.一种基于人工智能的硼中子俘获治疗剂量分布预测方法，其特征在于，包括：

获取患者的CT图像、特征瞬发伽马射线产额分布样本和剂量分布样本；

使用所述特征瞬发伽马射线产额分布样本、所述剂量分布样本和所述CT图像对人工智能网络模型进行训练和测试；

在硼中子俘获治疗过程中，利用辐射探测装置对特征瞬发伽马射线进行探测，并重建出靶区内的特征瞬发伽马射线产额分布；以及

基于训练好的所述人工智能网络模型、重建出的所述特征瞬发伽马射线产额分布及所述CT图像，预测剂量分布。

2.根据权利要求1所述的预测方法，其特征在于，所述特征瞬发伽马射线产额分布包括478keV瞬发伽马射线产额分布和2.224MeV瞬发伽马射线产额分布，所述剂量分布包括总生物剂量分布、硼剂量分布、中子剂量分布和伽马剂量分布。

3.根据权利要求1所述的预测方法，其特征在于，获取患者的CT图像、特征瞬发伽马射线产额分布样本和剂量分布样本包括：

获取所述CT图像；以及

使用蒙特卡罗方法模拟硼中子俘获治疗过程中的粒子输运过程，获取特征瞬发伽马射线产额分布样本和剂量分布样本。

4.根据权利要求3所述的预测方法，其特征在于，使用蒙特卡罗方法模拟硼中子俘获治疗过程中的粒子输运过程，获取特征瞬发伽马射线产额分布样本和剂量分布样本包括：

使用蒙特卡罗方法，基于所述CT图像对硼中子俘获治疗过程进行建模，模拟不同治疗方案下的能量沉积与粒子输运过程，获得不同肿瘤形状、不同肿瘤类型、不同肿瘤位置及不同硼浓度分布下靶区内的特征瞬发伽马射线产额分布图和三维剂量分布图。

5.根据权利要求2所述的预测方法，其特征在于，使用所述特征瞬发伽马射线产额分布样本、所述剂量分布样本和所述CT图像对人工智能网络模型进行训练和测试包括：

采用所述硼剂量分布与所述478keV瞬发伽马射线产额分布，对所述人工智能网络模型进行训练和测试；

采用所述中子剂量分布与所述2.224MeV瞬发伽马射线产额分布及所述CT图像，对所述人工智能网络模型进行训练和测试；以及

采用所述CT图像与所述光子剂量分布，对所述人工智能网络模型进行训练和测试。

6.根据权利要求2所述的预测方法，其特征在于，在硼中子俘获治疗过程中，利用辐射探测装置对特征瞬发伽马射线进行探测，并重建出靶区内的特征瞬发伽马射线产额分布包括：

在硼中子俘获治疗过程中，利用辐射探测装置对478keV瞬发伽马射线和2.224MeV瞬发伽马射线进行探测，获得478keV瞬发伽马射线信息和2.224MeV瞬发伽马射线信息；以及

通过图像重建算法与所述CT图像，对所述478keV瞬发伽马射线信息和所述2.224MeV瞬发伽马射线信息进行重建，获得靶区内的478keV瞬发伽马射线产额分布和2.224MeV瞬发伽马射线产额分布。

7.根据权利要求2所述的预测方法，其特征在于，基于训练好的所述人工智能网络模型、重建出的所述特征瞬发伽马射线产额分布及所述CT图像，预测剂量分布包括：

将重建出的478keV瞬发伽马射线产额分布输入训练好的所述人工智能网络模型，获得硼剂量分布；

将重建出的2.224MeV瞬发伽马射线产额分布、所述CT图像分别输入训练好的所述人工智能网络模型，获得第一中子剂量分布和第二中子剂量分布；

将所述CT图像输入训练好的所述人工智能网络模型，获得伽马剂量分布；

由所述硼剂量分布、所述第一中子剂量分布、所述第二中子剂量分布、所述伽马剂量分布计算获得总生物剂量分布。

8.权利要求1-7中任一所述预测方法在硼中子俘获治疗中的应用，其特征在于，包括：

获取治疗前由治疗计划系统计算得到的剂量沉积结果；以及

将所述剂量分布和所述剂量沉积结果进行对比，分析此次治疗效果与预期效果的差异度。