[发明专利]一种放射治疗计划精确目标函数的自动生成方法

说明书

本发明涉及一种放射治疗计划精确目标函数的自动生成方法，包括以下步骤：S1、获取已接受放射治疗的肿瘤病例的影像与对应的放射治疗计划，并基于此建立一定病例数量的病例模版数据库；S2、从所述病例模版数据库的影像上获取每个肿瘤病例的器官与肿瘤特征；S3、从所述病例模版数据库的放射治疗计划上获取每个肿瘤病例的目标函数；S4、基于步骤S2和S3的处理结果，建立单隐藏层神经网络模型；S5、获取待接受放射治疗的肿瘤病例的器官与肿瘤特征；S6、基于步骤S4和S5的处理结果，生成所述待接受放射治疗的肿瘤病例对应的目标函数。该方法有利于自动、快速、有针对性地生成放疗计划精确目标函数。

技术领域

本发明涉及计算机科学及人工智能技术领域，具体涉及一种放射治疗计划精确目标函数的自动生成方法。

背景技术

放射治疗是治疗恶性肿瘤的三种主要治疗手段之一，大约3/5～2/3的恶性肿瘤病人需要接受放射治疗。放射治疗的目的在于提高放射治疗的增益比，即最大限度地将照射剂量集中到肿瘤内，使周围正常组织减少或避免不必要的照射。放射治疗技术已从常规放射治疗技术发展到三维适形放疗技术，再到今天的调强放射治疗技术(intensity-modulated radiation therapy，IMRT)。而IMRT技术较三维适形放疗技术更适应于肿瘤放疗，这是因为IMRT能够在肿瘤内形成较高的均匀剂量，同时在肿瘤边缘形成快速的剂量跌落，这样就能在控制肿瘤的同时又保护肿瘤周围的器官。

IMRT计划设计是目前实施放射治疗一种广泛使用的技术，但是其逆向优化算法的复杂性会导致计划设计存在难度大，优化时间长等问题。并且，现如今IMRT计划设计通常采用的是人工对目标函数试错的方式，执行IMRT计划设计的放疗物理师需要在几十甚至近百次的试错中才能找到较为满意的目标函数，从而设计出较为令人满意的IMRT计划。这样会产生一系列问题，它限制了医院的工作效率和提高了计划的设计成本，极大增加了医院和病人的负担。更重要的是，计划质量的关键在于目标函数，而找到合适的目标函数在很大程度上取决于放疗物理师的经验和所花费的时间。不同放疗中心之间，甚至同一放疗中心内不同物理师之间，所设计的IMRT计划的质量和计划设计时间存在相当大的差别，并且存在着很大的不确定性。

现如今，机器学习已经是大数据时代的基石，人工智能领域中的重要分支。机器学习算法的根本在于以大量数据作为学习特征。随着肿瘤患者病例数据库的日益丰满，一方面，可以利用机器学习算法和计算机技术提取肿瘤患者的影像学或解剖学特征，或是借鉴既往患者IMRT计划的特征，也许能够高效便利地设计出患者IMRT计划；另一方面，在肿瘤患者的治疗中，仅基于首分次放疗前的计算机断层扫描图像进行IMRT计划设计，并未在治疗过程中对IMRT计划实时进行修改，因此不能很好地适应肿瘤的实时形状。如果要对IMRT计划进行实时修正或重新设计，那么更需要一种快速的自动化方法以获得IMRT计划的精确目标函数。但是由于实时计划对于计划设计的时间和计划的质量都有很高的要求，目前的方法还不能达到这样的要求。因此如何快速和自动化地获得IMRT计划的精确目标函数是实施自适应放射治疗最大的难题。

发明内容

本发明的目的在于提供一种放射治疗计划精确目标函数的自动生成方法，该方法有利于自动、快速、有针对性地生成放疗计划精确目标函数。

为实现上述目的，本发明采用的技术方案是：一种放射治疗计划精确目标函数的自动生成方法，包括以下步骤：

步骤S1：获取已接受放射治疗的肿瘤病例的影像与对应的放射治疗计划，并基于此建立一定病例数量的病例模版数据库；

步骤S2：从所述病例模版数据库的影像上获取每个肿瘤病例的器官与肿瘤特征；

步骤S3：从所述病例模版数据库的放射治疗计划上获取每个肿瘤病例的目标函数；

步骤S4：基于步骤S2和步骤S3的处理结果，建立单隐藏层神经网络模型；

步骤S5：获取待接受放射治疗的肿瘤病例的器官与肿瘤特征；