[发明专利]一种基于DVH预测模型的自动预测计划难易程度的方法

说明书

本发明公开一种基于DVH预测模型的自动预测计划难易程度的方法，包括以下步骤：(1)收集同类型癌症病人的勾画数据以及计划数据，利用收集的数据训练危及器官的DVH预测模型；(2)输入新病例的靶区、危及器官的勾画数据，利用训练好的DVH预测模型，预测各危及器官的DVH曲线；(3)依据预测的危及器官DVH曲线，评估计划的难易程度。该方法可以有效将预测计划难易程度的过程自动化，从而使放疗计划分配实现自动化，提高了计划难易程度预测的准确率和效率。

技术领域

本发明属于放疗领域，具体涉及一种基于DVH预测模型的自动预测计划难易程度的方法。

背景技术

放射治疗(下称“放疗”)计划设计是放射治疗过程中重要的一环，不同经验的物理师，设计放疗计划消耗的时间及设计的计划质量也不尽相同，实际工作中，为了提高整个放疗过程的效率和质量，医院会将不同难度的计划分配给不同经验的物理师设计，这样自然而然地产生一个问题：如何预测计划的难易程度？

在以往的放疗过程中，计划难易程度的预测是物理师基于自己的经验实施的，这种传统的方法有两个弊端：

1.增加了物理师的工作负担；

2.对物理师的经验依赖较大。

发明内容

为了解决上述技术问题，本发明提出了一种基于DVH预测模型的自动预测计划难易程度的方法，该方法可以有效将预测计划难易程度的过程自动化，从而使放疗计划分配实现自动化，提高了计划难易程度预测的准确率和效率。

为了达到上述目的，本发明的技术方案如下：

一种基于DVH预测模型的自动预测计划难易程度的方法，包括以下步骤：

(1)收集同类型癌症病人的勾画数据以及计划数据，利用收集的数据训练危及器官的DVH预测模型；

(2)输入新病例的靶区、危及器官的勾画数据，利用训练好的DVH预测模型，预测各危及器官的DVH曲线；

(3)依据预测的危及器官DVH曲线，评估计划的难易程度。

在上述技术方案的基础上，还可做如下改进：

作为优选的方案，在步骤(1)中，DVH预测模型的训练具体包括以下步骤：

(1.1)计算或获取所有病人的所有危及器官的OVH曲线、DVH曲线、体积，获取所有病人的靶区的体积；

(1.2)对于每个危及器官，选取所有病人在该危及器官上的OVH曲线，以这些OVH曲线为训练数据，训练该危及器官OVH的PCA降维模型，同时利用训练好模型对这些OVH进行PCA降维，得到它们的PCA特征；

(1.3)与步骤(1.2)同，训练每个危及器官DVH的PCA降维模型，并计算所有病人在各危及器官上的DVH的PCA特征；

(1.4)对于m个病人，得到m个训练样本；

针对每一病人，按如下方式得到一个训练样本：

(1.4.1)将病人的各危及器官的体积、靶区体积、各危及器官OVH的各PCA特征顺序排列得到一个数据；

(1.4.2)将病人的各危及器官DVH的各PCA特征顺序排列，得到上述数据对应的标签；

(1.5)将m个训练样本放入SVR模型进行训练。

作为优选的方案，步骤(2)具体包括如下步骤：

(2.1)输入一个病人的勾画数据；

(2.2)计算病人各危及器官的OVH曲线，并使用DVH预测模型训练阶段得到相应的PCA降维模型分别对各OVH曲线进行PCA降维，得到各OVH曲线的PCA特征；