[发明专利]肿瘤放射治疗计划智能优化方法

权利要求书

1.肿瘤放射治疗计划智能优化方法，其特征在于：其基于肿瘤临床放疗计划大数据分析（先验知识）和肿瘤CT、MRI、PET/CT、PET/MRI和（或）超声影像图像智能分析处理，根据肿瘤生物学、放射生物学、放射物理学特征信息，通过多目标、智能化、自动化的优化计算方法，确定自适应的生物调强、多目标优化的肿瘤临床精确放疗计划，具体包括如下步骤：

1-1）肿瘤生物靶区、生物子靶区和多模态（式）影像融合靶区智能勾画：根据肿瘤PET、CT、和（或）MRI等多模态融合影像信息，通过智能化、自动化一些图像分析处理方法，勾画肿瘤生物靶区、生物子靶区和PET/CT/MRI融合靶区；

1-2）肿瘤生物调强放疗最优处方剂量优化计算：根据肿瘤PET功能影像提供的肿瘤生物学特性（代谢、增值、乏氧等）、放射生物学特性（局控率TCP、生存率、抗辐射性等）和放疗危及器官的辐射敏感性（正常组织器官的无辐射损伤概率或无放疗并发症的概率NTCP、辐射损伤可恢复性、辐射致癌可能性），通过智能化、自动化的优化方法，确定肿瘤放疗靶区及其生物学特性异质的各子靶区的最优处方剂量；

1-3）基于肿瘤临床放疗计划大数据分析（先验知识）的多目标放疗计划优化计算：根据回顾性收集的大规模临床肿瘤放疗计划数据，通过智能化的大数据分析方法和深度学习、机器学习、或人工智能的计算方法，联合步骤1-1）和1-2），确定肿瘤自适应的生物调强、多目标优化临床精确放疗计划。

2.根据权利要求1所述的肿瘤放射治疗计划智能优化方法，其特征在于：步骤1-1）为根据肿瘤 PET/ CT/MRI 影像及肿瘤生物功能和解剖结构影像纹理特征，采用生物靶区和子靶区智能勾画的多层Mumford-Shah向量图像分割模型，由肿瘤PET 标准示踪剂摄取量（SUV）及其对比度、频繁度等组成向量值图像，通过水平集方法逐层迭代进行肿瘤向量值图像分割，自动勾画肿瘤生物靶区及其具有不同生物学特性的子靶区；具体步骤如下：

2-1) 根据肿瘤PET SUV 影像，采用自适应三维区域生长方法确定PET SUV影像的高示踪剂摄取肿瘤区域；

2-2) 联合 PET SUV 值及其对比度、频繁度等分子生物纹理特征影像共同确定疑似肿瘤区域，并利用 CT 及其纹理特征影像除去疑似肿瘤区域中的正常组织，如头颈部肿瘤放疗计划中的脑干和其它正常脑组织器官；

2-3) 在疑似肿瘤区域上联合 PET SUV 及其多种分子生物纹理特征影像，构建肿瘤生物靶区、生物子靶区多层 Mumford-Shah 向量图像分割模型；采用水平集方法迭代求解，自动勾画肿瘤生物靶区BTV的三维表面；进一步，在自动勾画的肿瘤生物靶区 BTV内，逐层迭代自动勾画多个具有不同分子生物特性的肿瘤生物子靶区。

3.根据权利要求1所述的肿瘤放射治疗计划智能优化方法，其特征在于：步骤1-2）具体为：

首先采用步骤1-1）中的方法，将肿瘤BTV分成多个具有不同生物学特性的子靶区，并用其最优生物等效均匀剂量作为各子靶区的相应处方剂量；

具体为：在保证肿瘤的控制概率TCP达到某个特定水平前提约束条件下，寻找使生物肿瘤靶区BTV平均剂量最小的非均匀最优处方剂量；

一种实施方法如下：

3-1-1）根据肿瘤放射生物学生存LQ模型，建立单个体素的肿瘤控制概率TCP和其累积的照射剂量之间的关系；

3-1-2）为有效的杀死肿瘤细胞，肿瘤的控制概率TCP需达到某一水平，寻找一个合适的处方剂量分布使肿瘤靶区的平均处方剂量最小，用最少的剂量实现一定水平的TCP，更好的保护周边的危及器官；

3-1-3）采用拉格朗日函数方法，将有约束最优处方剂量问题的目标函数转化成等价的无约束最优化问题，以便求解各生物子靶区最优处方剂量；

3-2）采用与BTV各子靶区非均匀最优处方剂量等效的均匀剂量EUD作为各子靶区的最终处方剂量。

4.根据权利要求3所述的肿瘤放射治疗计划智能优化方法，其特征在于：步骤1-2）为采用与BTV各子靶区非均匀最优处方剂量等效的均匀剂量EUD作为各子靶区的最终处方剂量；即用肿瘤各生物子靶区的生物等效均匀剂量计算确定各子靶区的最优处方剂量。