[发明专利]肿瘤放射治疗计划智能优化方法

说明书

技术领域

本发明涉及放射治疗计划、多目标优化、医学影像、图像处理、图像分析、机器学习、模式识别、大数据分析、人工智能、机器人、自动化与肿瘤放射物理、放射生物、生物医学工程等技术领域；特别涉及肿瘤放射治疗PET生物靶区、生物子靶区与PET/CT/MRI/CBCT/超声等肿瘤多模态（式）影像融合靶区智能勾画方法、生物调强最优处方剂量优化计算与生物调强放疗计划优化计算方法、多目标放疗计划优化计算方法、自适应放疗计划优化计算方法；具体的，其展示肿瘤放射治疗计划智能优化方法。

背景技术

肿瘤放射治疗是目前三大肿瘤治疗技术之一。成功实施恶性肿瘤的精确放疗不仅依赖于医学计算机断层扫描成像(CT)、核磁共振成像(MRI)、正电子发射断层扫描成像(PET)、锥形束计算机断层扫描成像(CBCT)技术、超声成像和相应的医学图像信息智能分析处理技术，而且更加依赖于大规模的、计算复杂度非常高的多目标调强放疗计划优化计算方法。

目前，临床上主要依靠临床放疗医生手工勾画肿瘤靶区,并且严重依赖临床物理师的临床经验，通过多次重复执行计划优化过程，确定放疗计划优化目标函数和各目标函数的优先级别与权重，并通过多个优化目标函数的加权和最小化方式，最终挑选临床上可接受的、次优的调强放射治疗计划。

这不仅导致临床放疗计划制定工作效率低，而且也很难获得临床意义上真正最优的调强放疗计划。因此，有必要提供肿瘤放射治疗计划智能优化方法。

发明内容

本发明的目的是提供肿瘤放射治疗计划智能优化方法。通过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、CBCT和（或）超声医学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、自动化的优化方法，最终确定自适应、生物调强、多目标优化的肿瘤临床精确放疗计划。采用本发明能够确定临床意义上真正最优的调强放疗计划，提高临床放疗计划制定工作效率，避免放疗计划制定过程的主观性，并最终提高放射治疗计划精确性和放射治疗的疗效。

本发明通过如下技术方案实现上述目的：

肿瘤放射治疗计划智能优化方法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、CBCT和（或）超声等医学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、多目标优化肿瘤临床精确放疗计划，具体包括如下步骤：

1-1）肿瘤PET影像生物靶区、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、自动化图像分析处理方法，勾画肿瘤生物和融合靶区；

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，确定肿瘤放疗生物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“肿瘤融合靶区智能勾画方法”和“肿瘤生物调强最优处方剂量优化计算方法”，确定自适应、生物调强、多目标优化的肿瘤临床精确放疗计划。

进一步的，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。

一种实施步骤如下：

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；