[发明专利]一种放射治疗计划的自动设计方法

说明书

本发明公开了一种放射治疗计划的自动设计方法，包括：获取多种同类型肿瘤治疗计划，并将其随机分类为第一数据集和第二数据集；构建神经网络预测模型；循环优化第一数据集和第二数据集；重复进行上述步骤，直至第一数据集或第二数据集较获得的预测结果更优或相似时，获得最优第一数据集和最优第二数据集，得到最优同类型肿瘤治疗计划；从最优同类型肿瘤治疗计划中提取治疗信息；基于治疗信息训练获得神经网络预测模型，获得已优化的预测模型；获取目标患者的治疗信息，输入已优化的预测模型，自动获得目标患者的放射治疗计划。

技术领域

本发明属于放射治疗领域，尤其涉及一种放射治疗计划自动设计方法。

背景技术

在放射医学研究中，如何提高靶区的照射剂量和降低正常组织的毒性反应是关注的重点。近年来迅速发展的三维适形技术，束流调强技术及容积弧形调强技术使得高度适形的剂量分布成为可能，并更好的保护正常组织。调强放射治疗作为当今肿瘤放射治疗的主流技术，其顺利开展需要专用的放射治疗计划设计系统和专业的计划设计者。放射治疗计划的设计是通过模拟患者真实治疗时的环境，合理布置照射野，利用患者CT图像，计算得到肿瘤和周围正常器官的受照剂量的过程。

临床上，放射治疗计划的优劣直接影响了患者的治疗效果。但是，现今的计划设计技术过多的依赖于计划设计者自身的经验，需要反复的尝试和修改，不能确保每次都得到最优的治疗计划。而且不同的计划设计者，不同的放疗单位，计划设计水平存在较大差异，这些差异极大的影响了患者的治疗疗效。

因此，临床上迫切需要研究出一种自动设计放疗计划的方法，从而弥补上述缺陷。目前针对自动计划的研究主要包括以下方法：1)降阶约束优化算法，通过降低运算的阶数，可以减少计划优化的时间。2)机器学习技术，该工具使用主成因分析提取剂量体积直方图的信息，并使用距离目标直方图和支持向量回归的方法建立模型并预测新患者危及器官的剂量。3)数据库方法，该技术通过汇总已经治疗的病人并建立专家计划数据库，对新的计划，根据患者解剖结构及靶区信息，从已有的数据库中提取相似病人的限制条件用于生成计划，以此来对计划进行评估。

临床实践中，危及器官的受照剂量受多种因素影响，例如靶区的大小以及处方剂量、危及器官与靶区的相对位置、各个危及器官之间的相对位置等。因此，利用上述方法建模时需要考虑的参量较多，准确合理的参数化模型难以选取，不同模型之间预测的结果存在较大差异，大大降低了准确性和适用范围。而且，上述方法很难确保用于建模的治疗计划数据库的优质性，最终导致预测结果的不确定。

现有方法的上述缺点满足不了临床应用的需求，故亟需研发新的治疗计划自动设计方法。

发明内容

针对现有技术中针对靶区大小及处方剂量等预测结果不确定性的负面影响，本发明提出了一种放射治疗计划自动设计方法。

本发明提出了一种放射治疗计划的自动设计方法，包括：

获取多种同类型肿瘤治疗计划，并将其随机分类为第一数据集和第二数据集；所述第一数据集中的治疗计划被用于形成训练数据集，所述第二数据集中的治疗计划被用于形成更新优化的治疗计划集；

构建神经网络预测模型；

循环优化所述第一数据集和所述第二数据集：向所述神经网络预测模型输入所述第一数据集，经所述神经网络预测模型的预测后获得第一预测结果，基于所述第一预测结果优化所述第二数据集；再向所述神经网络预测模型输入优化的第二数据集，获得第二预测结果，基于所述第二预测结果优化所述第一数据集，得到优化的第一数据集；

重复进行上述步骤，直至所述第一数据集或所述第二数据集较获得的预测结果更优或相似时，获得最优第一数据集和最优第二数据集，得到最优同类型肿瘤治疗计划；

从所述最优同类型肿瘤治疗计划中提取治疗信息；基于所述治疗信息训练获得神经网络预测模型，获得已优化的预测模型；