[發明專利]面向近距離粒子內放療手術智能劑量規劃方法

有效

• 申請號: 201910412352.0
• 申請日: 2019-05-17
• 公開（公告）號: CN110141801B
• 公開（公告）日: 2021-04-27
• 發明（設計）人: 姜杉;汪露
• 申請（專利權）人: 天津大學
• 主分類號: A61N5/10
• 分類號: A61N5/10
• 代理公司: 天津市三利專利商標代理有限公司 12107
• 代理人: 韓新城

本發明公開面向近距離粒子內放療手術智能劑量規劃方法，包括步驟：對人工神經網絡模型訓練,訓練目標靶區內體素點與劑量值的對應關系，獲得預測模型；有新病例輸入時，利用預測模型獲得的預測結果及新病例目標靶區的輪廓與幾何參數，利用孿生神經網絡模型，在先驗病例庫中搜索匹配相似病例；將匹配到的相似病例的粒子分布狀態作為新病例劑量規劃的起始狀態，作為模擬退火算法中的初始解，進行優化處理，用DVH評估法來評估，獲得當前病例手術計劃方案。本發明以先驗病例為數據庫，利用人工智能技術對新病例匹配優化，最終能準確快速地制定出滿足臨床要求的最優術前計劃。

技術領域

本發明涉及醫學放射智能技術領域，特別是涉及一種面向近距離粒子內放療手術智能劑量規劃方法。

背景技術

癌癥治療過程中，放射治療能單獨作為治療癌癥的方法，也可與其它治療方法(如化療和手術)相結合進行輔助治療，因此應用于大部分的癌癥治療手術。近距離放療是內放療的一種常用的治療方式，其原理是裝有放射物質的粒子短期或永久地植入于癌癥病灶附近，持續對病灶進行照射以達到治療效果。與外放療相比，近距離放療輻射照射范圍較小，劑量相對較高，局部可控性較強，對人體的副作用影響較小，在肺癌治療中引起放射性肺炎幾率更低，因此隨著介入技術的不斷發展，近距離粒子植入手術的應用越來越廣泛。

設計術前計劃是每個放療技術必要的步驟，不僅直接關系到患者手術的治療質量，同時，計劃設計的效率也直接影響患者等待治療的時間。近距離粒子手術治療計劃質量很大程度上取決于醫療人員的臨床經驗，精神狀態等主觀因素，且放射治療計劃的制定是反復試錯的過程，消耗時間較長，制定出一份臨床上可以接受的高質量放射治療計劃可能需要數小時才能完成。

人工智能是計算機科學的分支，從誕生以來，理論和技術日益成熟，應用領域也不斷擴大。由于人工智能可以模擬人的意識、思維過程，所以，若將人工智能技術與放射治療計劃相結合，將已準確應用到臨床上的治療方案為參照，模擬并還原醫療人員在制定放射治療計劃中的過程，可以減少甚至避免因醫療人員的經驗不同而產生的治療計劃的差異，同時減少制定計劃所用時間，縮短患者在治療期間的等待過程。

發明內容

本發明的目的是針對傳統近距離粒子植入手術計劃制定過程中受醫療人員手術經驗的限制且耗時的缺點，而提供一種基于人工智能的面向近距離粒子內放療手術智能劑量規劃方法。

為實現本發明的目的所采用的技術方案是：

一種面向近距離粒子內放療手術智能劑量規劃方法，包括步驟：

S101,劑量預測的步驟：從TPS中獲取先前治療計劃數據，包括病人的CT圖像數據、已勾畫并三維重建后的目標靶區重建數據、目標靶區的幾何參數以及對應的臨床劑量分布、粒子分布，作為先驗病例庫；對CT圖像重采樣并提取圖像體素特征，以體素點的劑量值作為標簽，對人工神經網絡模型進行訓練,訓練目標靶區內體素點與劑量值的對應關系，獲得訓練好的預測模型；當有新病例輸入時，則用已訓練好的模型預測靶區三維劑量分布，輸出新病例劑量分布的預測結果；

S102,相似病例匹配的步驟：利用劑量預測模型獲得的預測結果以及新病例目標靶區的輪廓與幾何參數，利用孿生神經網絡模型，在先驗病例庫中搜索匹配相似病例；

S103,劑量優化的步驟：將匹配到的相似病例的粒子分布狀態作為新病例劑量規劃的起始狀態，作為模擬退火算法中的初始解，利用改進的模擬退火算法進行優化處理，用DVH評估法來評估，輸出優化處理結果，獲得當前病例手術計劃方案。

與現有技術相比，本發明的有益效果是：

本發明提出的面向近距離粒子內放療手術智能劑量規劃方法，以先驗病例為數據庫，利用人工智能技術對新病例匹配優化，最終能準確快速地制定出滿足臨床要求的最優術前計劃。

本發明從大量先驗病例中學習劑量分布特點并匹配相似病例，可有效避免因醫療人員經驗不足等易受主觀影響而使得設計出的計劃不能達到臨床最優情況，同時減輕醫療人員負擔。