[发明专利]根据肿瘤分子图像的特征参数确定放射治疗剂量的方法

说明书

一种根据肿瘤分子图像的特征参数确定放射治疗剂量的方法，首先利用以往的病人数据训练神经网络模型，通过交叉验证确定神经网络的准确性，其次利用病人数据和本发明的打分规则构建剂量确定的经验方程。对于新入院的的病人可根据这两个模型进行预测放疗剂量，最后根据筛选规则确定预测结果是否可用，若不可用由医生确定最后放疗剂量。

技术领域

本发明涉及医学放射领域，特别是涉及一种根据肿瘤分子图像的特征参数确定放射治疗剂量的方法。

背景技术

前癌症的发病率高居不下，癌症的治疗越来越受到人们的重视，在癌症的治疗过程中，手术、放疗和化疗是三种最常用且有效的方法，放疗可以单独使用作为癌症治疗的手段，也可配合其他的方法进行辅助治疗，因此应用于大部分的癌症治疗。放疗的基本原则是保证靶肿瘤区域能接受到足够的放射剂量,同时尽可能使侵袭组织减少或避免辐射损伤。放疗最大的难点在于如何确保肿瘤靶区接受到精确的放射剂量。近几年,随着放射治疗新技术的发展, 对于肿瘤的精确定位、计划的制订以及放疗的精度也在逐渐提高,然而在整个放疗过程中,由于摆位误差、患者呼吸运动及治疗区域形状和位置的变化等因素的影响,常导致靶区偏离于照射野,最终可能造成靶区剂量不足或损伤正常器官。

因此,放疗前进行周密计划而采取的一系列必要的措施,保证放疗整个过程中的各个环节按国际标准准确安全执行的放疗质量控制和质量保证显得尤为重要。实现放疗过程中对肿瘤靶区位置和剂量的实时监测,可降低副反应, 保证靶区接受到足够的放射剂量,从而提高提高肿瘤的局部控制率,提升患者生存率。目前在对病人做放疗计划的时候，放疗剂量的选择还是按照医生所给的经验值，由于病人的体质和疾病的进展不同，很可能出现医生所给出的放疗剂量不适合病人，就导致放射治疗计划不能特别适合病人，放疗剂量不足，会造成肿瘤未控，放疗剂量过高，会导致正常组织损伤。因此需要找到一种能够准确且量化的放射治疗剂量的方法，使得不同体质或者不同疾病进程的病人能够有最适合自己的放疗剂量，从而得到最优的放疗计划，最大程度上达到疾病的治疗效果。

发明内容

为了解决上述问题，本发明提出了基于肿瘤分子图特征参数的放射治疗剂量确定方法，首先对病人的肿瘤分子图像进行特征提取，之后利用提取的相关特征训练神经网路，得到一个放射剂量的预测模型。本发明中还根据肿瘤分子图像的特征给肿瘤进行打分，之后通过经验公式得出总分，之后根据成绩分布得到量化的放射剂量，最后，对比两种方法得到的放射剂量值，若两种方法的放射剂量值相差不大就认为两者的平均值为最优放射剂量，若两者相差较大，就要把结果提交给临床医生，由临床医生确定最后的放射剂量值。在一些实施方式中，采用如下技术方案：

一种根据肿瘤分子图像的特征参数确定放射治疗剂量的方法，包括：

用于刷选神经网络算法训练样本和测试样本的方法；

用于获取肿瘤分子图像特征参数的方法；

用于判定剂量大小的经验公式的确定方法；

用于最终放疗剂量确定的方法

在对训练样本和测试样本进行筛选的时候，选择的是经过放射治疗后预后较好的患者，认为预后较好患者的放射剂量的选择是较为合适的，是经过临床验证的，所以本发明在对两个神经网络的样本进行选择时，选择此部分为训练样本和测试样本。

在得到训练样本和测试样本之后，对样本数据的肿瘤分子图像进行处理，获得肿瘤乏氧区域的时空分布与变化、肿瘤的pH分布、肿瘤Ⅰ型胶原纤维图像、肿瘤血管VEGF浓度、淋巴管数量、成纤维细胞含量等。

在对样本的肿瘤的分子图像进行处理之后，选择患者年龄、患者性别、肿瘤类型、肿瘤发生位置、肿瘤分子图像中高亮区域的面积、肿瘤分子图像中高亮区域的位置、肿瘤分子图像中高亮区域的周长、肿瘤乏氧区域的时空分布与变化、肿瘤的pH分布、肿瘤Ⅰ型胶原纤维图像、肿瘤血管VEGF浓度、淋巴管数量、成纤维细胞含量等作为特征，对神经网络模型进行训练，得到肿瘤放疗剂量的预测模型。