[发明专利]用于放射疗法治疗计划的方法、程序存储器和系统

说明书

用于放射疗法治疗计划的系统和方法。本发明通过基于使用标准化方法获得的简化DVH曲线训练临床DVH曲线的预测模型来促进放射疗法治疗计划中的可实现剂量分布的预测。机器学习应用于临床和简化DVH曲线配对，以基于简化DVH曲线实现实际临床DVH曲线的进一步预测。

技术领域

本发明涉及用于放射疗法治疗计划的自动计划系统、方法以及计算机程序产品。

背景技术

放射疗法治疗计划通常在患者的一个或多个计算机断层扫描(CT)或其它合适图像上执行，并且涉及手动步骤和自动步骤。希望使用自动步骤执行尽可能多的治疗计划，因为手动处理非常耗时并且构成人为错误以及不同操作者之间的不一致性的来源。当为患者准备治疗计划时，可以利用患者的可实现的剂量度量的预测是有利的。尤其对于新患者，基于先前治疗的患者的这种预测是有用的。这种预测可以用作在手动治疗计划期间引导操作者的参考，或用作在最大可能程度上重新创建预测度量的自动治疗计划生成方法的输入。基于先前治疗的患者计算新患者的可实现的剂量度量的准确预测是具有挑战性的问题。

用于治疗计划的图像利用结构集增强，结构集中的每个结构定义感兴趣区域，如器官、目标体积或帮助区域，例如，器官或目标周围的几何边缘。结构集可以通过计划图像的图像切片的手动轮廓化，或通过自动子野化(segmentation)方法来产生，所述自动子野化方法适合于从解剖图谱到计划图像的器官模型。

剂量体积直方图(DVH)是通常用于放射疗法计划的图表，所述DVH建立放射剂量与累积结构体积的关系以确定结构集的特定结构的总剂量覆盖率。在自动放射疗法治疗计划中，能够预测当前患者的可实现的DVH值以确保计划基于实际目标将是有用的。存在一些先前方法，这些方法基于患者几何形状的分析以及从具有与当前患者类似的几何形状的先前患者中选择数据。

例如，US2014/0350863 A1公开一种用于基于来自先前患者的数据来预测当前患者的危及器官的DVH曲线的模型。该模型基于先前患者的距离体积直方图(DTH)，每个此DTH直方图表示从区域或结构，例如，危及器官到目标结构的距离。还检索与先前治疗的患者的临床剂量分布相关联的DVH曲线。对DTH和DVH曲线执行主成分分析(PCA)，由此提取描述DTH与DVH之间的关系的低维特征。随后将机器学习应用于所提取特征以训练回归模型，以基于DTH曲线预测DVH曲线。在训练之后，回归模型可以用于基于患者的DTH曲线获得新患者的可实现的DVH曲线的预测。

在US 2011/0153547中公开用于基于先前患者几何形状数据预测DVH信息的另一模型，该模型提出基于重叠体积直方图(OVH)计算危及器官的DVH点。结构的OVH是提供在与目标的指定距离内的结构体积的百分比的曲线图。这些OVH用于识别具有类似或更具挑战性几何形状的早期患者。对于给定的累积体积，获得DVH点作为已针对早期更具挑战性或类似患者的最低剂量。

这两个模型具有一些缺点。所述模型基于几何距离的修改以获得可实现剂量的预测因子。这是难以实现的。

发明内容

本发明的目的是促进特定患者的可实现的DVH曲线的预测。

本发明提出一种用于放射疗法治疗计划中的方法，包括：

a.获得草拟计划，其中，通过将计划生成草拟应用于当前患者的患者数据集而创建所述草拟计划，所述患者数据集包括至少一个计划图像；

b.计算至少一个草拟DVH曲线，每个草拟DVH曲线建立草拟计划的剂量分布与关联于至少一个计划图像的结构集中结构的体积的关系；

c.通过把至少一个草拟DVH曲线作为查询发送到预测模型来获得估计的临床DVH曲线，其中，基于一批先前患者的草拟DVH曲线与临床DVH曲线之间的关系，所述预测模型被布置成根据所述当前患者的草拟DVH曲线确定估计的临床DVH曲线；

d.在当前患者的治疗计划中使用估计的临床DVH曲线中的至少一个。