[发明专利]一种基于无监督学习的放射治疗计划评估方法及装置

说明书

本发明公开一种基于无监督学习的放射治疗计划评估方法及装置，放射治疗计划评估方法包括以下步骤：S1：针对任一病种，根据n个病人的数据得到相应解剖结构向量；S2：利用降维算法对高维的解剖结构向量进行降维；S3：利用聚类算法对数据按解剖结构进行聚类，得到k个类别；S4：根据k个类别，对每个类别所对应的数据中已临床实施的优质放疗计划结果进行分析和处理，得到每个类别对应的计划评分模板；S5：对任一病人的新数据进行计算并判断其所属类别；S6：采用对应类别的计划评分模板指导设计对应新数据的放射治疗计划并对其剂量分布结果进行评分。本发明实现对几何结构复杂度不同的病例的个性化评估，提高放疗计划的质量和效率。

技术领域

本发明属于放射治疗技术领域，具体涉及一种基于无监督学习的放射治疗计划评估方法及装置。

背景技术

肿瘤放射治疗以其独特的优势成为肿瘤治疗的主要手段之一，其主要目标在于保证靶区达到特定剂量的同时，尽可能保护周围正常组织。在临床应用中，放射治疗实施之前需要专业的医生和物理师设计放疗计划。放射治疗计划的设计制作可分为靶区(PlanningTarget Volume,PTV)和危及器官(Organs at Risk,OARs)勾画、计划设计和计划评估三个步骤。

如何对计划进行有效和客观的评价是一个值得探讨的问题。

剂量体积直方图(Dose Volume Histogram,DVH)因其能够反映三维放疗计划中的剂量-体积关系，成为设计、制定和评估放疗计划的重要工具。临床工作中，放疗物理师采用手工方式评估DVH，花费时间长，效率低。为了简化操作，有研究者基于市场上现有的放疗计划系统(Treatment Planning System,TPS)所提供的脚本功能设计软件，直接读取或者自定义公式读取感兴趣区域的相关剂量学统计指标，将其与医生所下处方要求进行比较，判断计划是否满足临床要求。放疗医生给出的临床目标参考现有的学术共识和指南，更资深权威的机构在此基础上自定义一套经过修改的评价标准。

临床研究表明，患者的可达剂量与其几何解剖结构特性息息相关。通过统计整理临床病例，构建器官间几何解剖结构与对应放疗计划剂量学信息的关联模型，可以在计划设计前对每一位患者的放疗计划制定个性化评价标准。

现有的放疗计划评估存在以下问题：

第一，现有的放疗计划评估方式，多参考已有的学术共识和指南，更资深权威的机构或在此基础上自定义一套经过修改的评价标准。该方法具有一定的主观性，会导致计划质量的不稳定。

第二，若临床计划都服从于统一的规范标准，会导致，对于几何结构较为复杂的病例，临床设定的目标往往难以达到，而针对几何结构简单的病例，临床目标极易达到，如果此时停止进一步优化，可能得到质量次优的放疗计划。

第三，现有的用于放疗计划评估的专业软件，根据危及器官与靶区之间的几何关系，模拟计算剂量衰减，从而定量计算出受照剂量的方法，在预测靶区和危及器官受量时只考虑射线在人体组织中辐射的物理性质，没有考虑直线加速器和光栅性能以及其它正常危及器官的相互制约性质等，所以预测的靶区和危及器官剂量在总体上是最理想化的结果，不能很好地符合实际情况。

发明内容

为了解决上述技术问题，本发明提出了一种基于无监督学习的放射治疗计划评估方法及装置。

为了达到上述目的，本发明的技术方案如下：

一方面，本发明公开了一种基于无监督学习的放射治疗计划评估方法，包括以下步骤：

S1：针对任一病种，根据n个病人的数据得到各感兴趣区域间的OVH曲线、感兴趣区域位置信息和体积信息，并分别组成相应解剖结构向量；

S2：利用无监督学习的降维算法对S1得到的高维的解剖结构向量进行降维；