[发明专利]基于机器学习的放射治疗计划评估系统及方法

说明书

本发明涉及放射治疗计划评估领域，其公开了一种基于机器学习的放射治疗计划评估方法，解决传统技术中采用人工评估放射治疗计划存在标准不统一和易出现人为主观偏差的问题。该方法可概括为：首先对一组高质量的放疗历史计划的DICOM数据进行体素选取、体素特征提取和体素数据标注等预处理工作，然后使用体素数据训练一个机器学习模型，此模型为待评估计划中的每个体素输出预测剂量值，并进一步为每个危机器官生成二维的DVH预测曲线和三维的体素剂量预测分布图，最后物理师参考这组曲线和分布图对待评估的放疗计划进行实际评估。此外，本发明还公开了相应的评估系统，适用于对放疗计划进行客观、准确评估。

技术领域

本发明涉及放射治疗计划评估领域，具体涉及一种基于机器学习的放射治疗计划评估系统及方法。

背景技术

放射治疗，是利用放射线治疗肿瘤的一种局部治疗方法，为目前主流的肿瘤治疗方式之一。放射线包括放射性同位素产生的α、β、γ射线和各类x射线治疗机或加速器产生的x射线、电子线、质子束及其它粒子束等。目前，大约70％的癌症患者在治疗癌症的过程中需要使用放射治疗。

放射治疗计划，是控制加速器照射病人肿瘤位置的具体实施方案，由物理师根据放疗医生指定的处方剂量目标使用治疗计划系统(Treatment Planning System，TPS)制定，其目标是在保证肿瘤(即靶区)获得足够放疗剂量的同时，尽可能控制重要器官组织(即危及器官)的照射剂量不超过其耐受剂量，从而保护重要器官组织的功能和患者的生活质量。

放射治疗计划评估，是指在实际实施放射治疗前对物理师制订的放射治疗计划进行质量评估，用以决定是否采用这个放射治疗计划。计划评估的一般标准是靶区剂量满足处方剂量，并且危及器官的剂量尽可能地低。但是，由于每个病人的靶区位置和形状差别较大，危及器官的位置和形状也有一定差别，危及器官的剂量能够达到的程度也是有较大差别的，因此，实际计划评估时，危及器官的剂量值的高低判定就是一个很难确定的工作。目前，主要依靠经验丰富的物理师根据经验和具体病人的情况进行综合判定，较为费时费力，并且每个物理师的标准也不统一，有时还会出现人为主观性的偏差。

发明内容

本发明所要解决的技术问题是：提出一种基于机器学习的放射治疗计划评估系统及方法，解决传统技术中采用人工评估放射治疗计划存在标准不统一和易出现人为主观偏差的问题。

本发明解决上述技术问题所采用的技术方案是：

基于机器学习的放射治疗计划评估系统，包括：

样本预处理模块，用于从一组高质量的历史放射治疗计划的DICOM(医学数字图像和通信)数据中进行体素(体积元素：是数字数据于三维空间分割上的最小单位)选取、体素特征提取和体素数据标注，输出体素样本；

评估模型训练模块，用于采用样本预处理模块输出的体素样本训练一个机器学习模型作为放射治疗计划评估模型；

预测模块，用于采用训练好的放射治疗计划评估模型对待评估的放射治疗计划数据中的体素进行剂量预测，并进一步为每一个危及器官生成二维DVH(剂量体积直方图)预测曲线和三维体素剂量预测分布图；

实际评估模块，用于供物理师参考所述二维DVH预测曲线和三维体素剂量预测分布图对待评估的放射治疗计划进行实际评估。

作为进一步优化，所述样本预处理模块包括：

历史放射治疗计划确定模块，用于确定一组高质量的历史放射治疗计划；

体素选取模块，用于从确定的一组高质量的历史放射治疗计划的DICOM数据中进行体素选取：选取靶区周围一定距离范围内的体素作为训练机器学习模型使用的体素数据，体素数据包括危及器官的体素；