[發(fā)明專利]腫瘤放射治療計劃智能優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201710702740.3
• 申請日: 2017-08-16
• 公開（公告）號: CN107545137A
• 公開（公告）日: 2018-01-05
• 發(fā)明（設(shè)計）人: 劉國才;劉勁光;顧冬冬
• 申請（專利權(quán)）人: 強深智能醫(yī)療科技（昆山）有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及放射治療計劃、多目標(biāo)優(yōu)化、醫(yī)學(xué)影像、圖像處理、圖像分析、機器學(xué)習(xí)、模式識別、大數(shù)據(jù)分析、人工智能、機器人、自動化與腫瘤放射物理、放射生物、生物醫(yī)學(xué)工程等技術(shù)領(lǐng)域；特別涉及腫瘤放射治療PET生物靶區(qū)、生物子靶區(qū)與PET/CT/MRI/CBCT/超聲等腫瘤多模態(tài)（式）影像融合靶區(qū)智能勾畫方法、生物調(diào)強最優(yōu)處方劑量優(yōu)化計算與生物調(diào)強放療計劃優(yōu)化計算方法、多目標(biāo)放療計劃優(yōu)化計算方法、自適應(yīng)放療計劃優(yōu)化計算方法；具體的，其展示腫瘤放射治療計劃智能優(yōu)化方法。

背景技術(shù)

腫瘤放射治療是目前三大腫瘤治療技術(shù)之一。成功實施惡性腫瘤的精確放療不僅依賴于醫(yī)學(xué)計算機斷層掃描成像(CT)、核磁共振成像(MRI)、正電子發(fā)射斷層掃描成像(PET)、錐形束計算機斷層掃描成像(CBCT)技術(shù)、超聲成像和相應(yīng)的醫(yī)學(xué)圖像信息智能分析處理技術(shù)，而且更加依賴于大規(guī)模的、計算復(fù)雜度非常高的多目標(biāo)調(diào)強放療計劃優(yōu)化計算方法。

目前，臨床上主要依靠臨床放療醫(yī)生手工勾畫腫瘤靶區(qū),并且嚴重依賴臨床物理師的臨床經(jīng)驗，通過多次重復(fù)執(zhí)行計劃優(yōu)化過程，確定放療計劃優(yōu)化目標(biāo)函數(shù)和各目標(biāo)函數(shù)的優(yōu)先級別與權(quán)重，并通過多個優(yōu)化目標(biāo)函數(shù)的加權(quán)和最小化方式，最終挑選臨床上可接受的、次優(yōu)的調(diào)強放射治療計劃。

這不僅導(dǎo)致臨床放療計劃制定工作效率低，而且也很難獲得臨床意義上真正最優(yōu)的調(diào)強放療計劃。因此，有必要提供腫瘤放射治療計劃智能優(yōu)化方法。

發(fā)明內(nèi)容

本發(fā)明的目的是提供腫瘤放射治療計劃智能優(yōu)化方法。通過腫瘤臨床放療計劃大數(shù)據(jù)分析（先驗知識）和腫瘤CT、MRI、PET/CT、PET/MRI、CBCT和（或）超聲醫(yī)學(xué)影像圖像智能分析處理，根據(jù)腫瘤生物學(xué)、放射生物學(xué)、放射物理學(xué)特征信息，通過多目標(biāo)、智能化、自動化的優(yōu)化方法，最終確定自適應(yīng)、生物調(diào)強、多目標(biāo)優(yōu)化的腫瘤臨床精確放療計劃。采用本發(fā)明能夠確定臨床意義上真正最優(yōu)的調(diào)強放療計劃，提高臨床放療計劃制定工作效率，避免放療計劃制定過程的主觀性，并最終提高放射治療計劃精確性和放射治療的療效。

本發(fā)明通過如下技術(shù)方案實現(xiàn)上述目的：

腫瘤放射治療計劃智能優(yōu)化方法基于腫瘤臨床放療計劃大數(shù)據(jù)分析（先驗知識）和腫瘤CT、MRI、PET/CT、PET/MRI、CBCT和（或）超聲等醫(yī)學(xué)影像圖像智能分析處理，根據(jù)腫瘤生物學(xué)、放射生物學(xué)、放射物理學(xué)特征信息，通過多目標(biāo)、智能化、自動化的優(yōu)化計算方法，確定自適應(yīng)的生物調(diào)強、多目標(biāo)優(yōu)化腫瘤臨床精確放療計劃，具體包括如下步驟：

1-1）腫瘤PET影像生物靶區(qū)、生物子靶區(qū)和多模態(tài)（式）影像融合靶區(qū)智能勾畫：根據(jù)腫瘤PET、CT、和（或）MRI等多模態(tài)融合影像信息，通過智能化、自動化圖像分析處理方法，勾畫腫瘤生物和融合靶區(qū)；

1-2）腫瘤生物調(diào)強放療最優(yōu)處方劑量優(yōu)化計算：根據(jù)腫瘤PET功能影像提供的腫瘤生物學(xué)特性（代謝、增值、乏氧等）、放射生物學(xué)特性（局控率TCP、生存率、抗輻射性等）和放療危及器官的輻射敏感性（正常組織器官的無輻射損傷概率或無放療并發(fā)癥的概率NTCP、輻射損傷可恢復(fù)性、輻射致癌可能性），通過智能化、自動化的優(yōu)化方法，確定腫瘤放療生物靶區(qū)及其生物學(xué)特性異質(zhì)的各子靶區(qū)的最優(yōu)處方劑量；

1-3）基于腫瘤臨床放療計劃大數(shù)據(jù)分析（先驗知識）的多目標(biāo)放療計劃優(yōu)化計算：根據(jù)回顧性收集的大規(guī)模臨床腫瘤放療計劃數(shù)據(jù)，通過智能化的大數(shù)據(jù)分析方法和深度學(xué)習(xí)、機器學(xué)習(xí)、或人工智能的計算方法，聯(lián)合“腫瘤融合靶區(qū)智能勾畫方法”和“腫瘤生物調(diào)強最優(yōu)處方劑量優(yōu)化計算方法”，確定自適應(yīng)、生物調(diào)強、多目標(biāo)優(yōu)化的腫瘤臨床精確放療計劃。

進一步的，步驟1-1）為根據(jù)腫瘤 PET/ CT/MRI 影像及腫瘤生物功能和解剖結(jié)構(gòu)影像紋理特征，采用生物靶區(qū)和子靶區(qū)智能勾畫的多層Mumford-Shah向量圖像分割模型，由腫瘤PET 標(biāo)準(zhǔn)示蹤劑攝取量（SUV）及其對比度、頻繁度等組成向量值圖像，通過水平集方法逐層迭代進行腫瘤向量值圖像分割，自動勾畫腫瘤生物靶區(qū)及其具有不同生物學(xué)特性的子靶區(qū)。

一種實施步驟如下：

2-1) 根據(jù)腫瘤PET SUV 影像，采用自適應(yīng)三維區(qū)域生長方法確定PET SUV影像的高示蹤劑攝取腫瘤區(qū)域；

2-2) 聯(lián)合 PET SUV 值及其對比度、頻繁度等分子生物紋理特征影像共同確定疑似腫瘤區(qū)域，并利用 CT 及其紋理特征影像除去疑似腫瘤區(qū)域中的正常組織，如頭頸部腫瘤放療計劃中的腦干和其它正常腦組織器官；