[发明专利]基于患者计划库的直肠癌放射治疗快速自动计划设计系统

说明书

本发明公开了一种基于患者计划库的直肠癌放射治疗快速自动计划设计系统，包括患者计划库、相似患者检索模块、计划射野形变模块和计划微调模块。患者计划库包含患者解剖和相应的治疗计划数据，相似患者检索模块在新患者勾画好靶区和危及器官后，运用相似病例检索功能从患者计划库中搜寻与当前靶区最相似的病例，计划射野形变模块通过变形算法对匹配患者的多叶光栅形成的射野孔径形状进行变形，为新患者生成新的形变计划，计划微调模块基于形变计划产生最终的治疗计划输出。本发明在计划质量上和pinnacle自动计划的靶区适形性和均匀性基本接近；在正常组织保护上和pinnacle自动计划在膀胱以及左右股骨头上的剂量保护无差异。

技术领域

本发明属于肿瘤学放射治疗计算机辅助技术领域，具体涉及一种基于患者计划库的直肠癌放射治疗快速自动计划设计系统。

背景技术

直肠癌是常见的消化道肿瘤之一，而放射治疗是直肠癌的常规治疗手段之一。现有的放射治疗计划系统(Treatment planning system，TPS)能够进行调强放射治疗(Intensity-modulated radiotherapy，IMRT)计划设计，帮助计划设计者优化剂量分布，使其与靶区适形并保护正常组织。在IMRT治疗中，治疗计划质量对放疗的预后有直接影响，并且计划质量高度依赖于设计者的经验水平。此外，传统IMRT计划设计优化是一个反复优化迭代的过程，效率普遍较低。

为提高计划设计效率，并使计划质量保持在较高水平，自动计划技术应运而生，目前已发展出几大分支：一种方法是基于脚本语言的自动计划技术；另一种方法是基于知识的自动计划技术。专利CN110349665A公开了一种基于深度学习的直肠癌放疗计划自动化设计方法，所述方法包括搭建用于深度学习的U-Net神经网络，建立病例数据库，所述病例数据库为直肠癌的临床调强放疗计划数据；对所述病例数据库进行深度学习，以训练U-Net神经网络；将CT定位数据的img文件传输给训练后的U-Net神经网络，以获得经U-Net神经网络输出的预测靶区和预测剂量分布；根据所述预测靶区和所述预测剂量分布获取剂量目标函数；使用Pinnacle计划系统根据所述预测靶区和所述剂量目标函数设计放疗计划。在以上的自动计划方法中，计划设计者仍然需要通过耗时的优化过程才能达成目标。而对于复杂病例，迭代优化过程中还需反复试错，才能找到可行方案。另外，以上的自动计划方法并非全自动，需要计划设计者参与射野方向的设计和一些辅助优化器官的勾画。

发明内容

有鉴于此，本发明的目的是提供一种基于患者计划库的直肠癌放射治疗快速自动计划设计系统，以缩短原有的治疗计划逆向优化时间，提高直肠癌计划设计效率的同时保证治疗计划的质量，解决现有技术中的不足。

为了达到上述目的，本发明的目的是通过下述技术方案实现的：

提供一种基于患者计划库的直肠癌放射治疗快速自动计划设计系统，其中，包括患者计划库、相似患者检索模块、计划射野形变模块和计划微调模块，患者计划库包含患者解剖和相应的治疗计划数据，相似患者检索模块在新患者勾画好靶区和危及器官后，运用相似病例检索功能从患者计划库中搜寻与当前靶区最相似的病例，计划射野形变模块通过变形算法对匹配患者的多叶光栅形成的射野孔径形状进行变形，为新患者生成新的形变计划，计划微调模块基于形变计划通过较少次数的优化迭代，产生最终的治疗计划输出。

上述基于患者计划库的直肠癌放射治疗快速自动计划设计系统，其中，相似病例检索功能所采用的算法包括Dice系数算法、3D霍多夫距离算法、2D相对极径差算法、2D余弦相似度算法、2D最大相对极径差算法和笛卡尔坐标系下的通用傅里叶描述子算法。