[發(fā)明專利]基于預(yù)測(cè)劑量分布引導(dǎo)的調(diào)強(qiáng)放療計(jì)劃優(yōu)化方法及應(yīng)用

有效

• 申請(qǐng)?zhí)枺?/td>: 201910609968.7
• 申請(qǐng)日: 2019-07-08
• 公開（公告）號(hào): CN110327554B
• 公開（公告）日: 2020-11-10
• 發(fā)明（設(shè)計(jì)）人: 宋婷;陸星宇;賈啟源;吳艾茜;亓孟科;郭芙彤;劉裕良;周凌宏
• 申請(qǐng)（專利權(quán)）人: 南方醫(yī)科大學(xué)
• 主分類號(hào): A61N5/10
• 分類號(hào): A61N5/10;G06N3/08;G16H20/40
• 代理公司: 北京市誠(chéng)輝律師事務(wù)所 11430
• 代理人: 范盈

本發(fā)明公開了一種基于預(yù)測(cè)劑量分布引導(dǎo)的調(diào)強(qiáng)放療計(jì)劃優(yōu)化方法及應(yīng)用，該方法包括以下步驟：將患者的感興趣區(qū)域的幾何解剖結(jié)構(gòu)特征輸入到經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，獲得危及器官的三維劑量分布預(yù)測(cè)；以三維劑量分布預(yù)測(cè)作為優(yōu)化引導(dǎo)，建立射野強(qiáng)度分布模型，射野強(qiáng)度分布模型的優(yōu)化目標(biāo)函數(shù)包括基于三維劑量分布預(yù)測(cè)的目標(biāo)項(xiàng)和基于等效體積劑量的目標(biāo)項(xiàng)；基于優(yōu)化目標(biāo)函數(shù)設(shè)置相關(guān)參數(shù)并求解，獲得調(diào)強(qiáng)放療優(yōu)化計(jì)劃。本發(fā)明利用預(yù)測(cè)三維劑量分布引導(dǎo)調(diào)強(qiáng)放療計(jì)劃優(yōu)化，可實(shí)現(xiàn)個(gè)體性優(yōu)化以及體素級(jí)的精準(zhǔn)劑量?jī)?yōu)化；本發(fā)明構(gòu)建等效體積目標(biāo)以補(bǔ)償較松的預(yù)測(cè)誤差對(duì)其引導(dǎo)優(yōu)化結(jié)果的影響，并同時(shí)提供更廣闊的求解空間，保證計(jì)劃最優(yōu)化的前進(jìn)方向。

技術(shù)領(lǐng)域

本發(fā)明涉及放射治療計(jì)劃優(yōu)化方法技術(shù)領(lǐng)域，具體涉及一種基于危及器官預(yù)測(cè)三維劑量分布引導(dǎo)的調(diào)強(qiáng)放療計(jì)劃優(yōu)化方法及應(yīng)用。

背景技術(shù)

適形調(diào)強(qiáng)放療(Intensity Modulated Radiation Therapy，IMRT)是目前運(yùn)用最廣泛的腫瘤放射治療技術(shù)，可使靶區(qū)內(nèi)劑量強(qiáng)度分布較均勻，靶區(qū)外劑量強(qiáng)度陡降，進(jìn)而降低了正常組織并發(fā)癥概率(Normal Tissue Complication Probability，NTCP)，從而有效地增加了腫瘤治療的增益比，與常規(guī)放療相比優(yōu)勢(shì)顯著。IMRT的計(jì)劃設(shè)計(jì)中，由于理想的劑量目標(biāo)或約束于計(jì)劃設(shè)計(jì)前未知，計(jì)劃設(shè)計(jì)者往往會(huì)依據(jù)當(dāng)前基于群體統(tǒng)計(jì)的臨床規(guī)范選定劑量目標(biāo)或約束，再輔以本人的臨床經(jīng)驗(yàn)，利用人工試錯(cuò)(Trial and Error)的方式反復(fù)調(diào)整該目標(biāo)或約束并進(jìn)行多次優(yōu)化，直到得到滿足劑量要求的計(jì)劃方案為止。但限于臨床可投入資源和物理師的經(jīng)驗(yàn)水平，計(jì)劃設(shè)計(jì)的效率以及計(jì)劃質(zhì)量的一致性往往難以得到保證。

基于經(jīng)驗(yàn)學(xué)習(xí)的智慧計(jì)劃設(shè)計(jì)方法通過對(duì)大量先驗(yàn)計(jì)劃進(jìn)行智能學(xué)習(xí)，在此基礎(chǔ)上構(gòu)建質(zhì)優(yōu)計(jì)劃的劑量學(xué)特性與患者個(gè)體化特性之間的關(guān)聯(lián)模型，繼而將該關(guān)聯(lián)模型應(yīng)用于新患者計(jì)劃優(yōu)化前的劑量學(xué)目標(biāo)預(yù)測(cè)，有望實(shí)現(xiàn)計(jì)劃設(shè)計(jì)的快速優(yōu)化引導(dǎo)和個(gè)體化質(zhì)量控制，進(jìn)而有效提高臨床計(jì)劃的設(shè)計(jì)效率、同質(zhì)化程度。當(dāng)前研究工作多以預(yù)測(cè)計(jì)劃的劑量體積直方圖(Dose Volume Histogram，DVH)或劑量學(xué)指征項(xiàng)為主，然而這些均為累積型數(shù)據(jù)，將其作為優(yōu)化目標(biāo)不利于實(shí)現(xiàn)對(duì)感興趣區(qū)內(nèi)劑量的體素級(jí)精細(xì)調(diào)整，使求解空間受限從而更高概率地產(chǎn)生次優(yōu)甚至不可行計(jì)劃解。

以三維劑量分布為預(yù)測(cè)對(duì)象并將其作為優(yōu)化引導(dǎo)是解決上述問題的理想方案。2017年，宋婷等人在專利CN107441637A中，以危及器官體素為研究對(duì)象，采用神經(jīng)網(wǎng)絡(luò)方法并結(jié)合對(duì)射線角度、器官體積和器官間空間位置關(guān)系等影響因素的充分考慮，成功地構(gòu)建了危及器官的三維劑量分布預(yù)測(cè)模型。但預(yù)測(cè)具有不確定性，該不確定性會(huì)對(duì)后續(xù)優(yōu)化引導(dǎo)產(chǎn)生較大影響，如何合理有效地應(yīng)用預(yù)測(cè)劑量分布信息是一個(gè)重點(diǎn)且是難點(diǎn)。2018年Fan等人在Automatic treatment planning based on three-dimensional dosedistribution predicted from deep learning technique中，以重現(xiàn)預(yù)測(cè)劑量分布為優(yōu)化求解策略，以將其引入至目標(biāo)函數(shù)中的方式引導(dǎo)計(jì)劃優(yōu)化，該種方法雖可得出可行計(jì)劃，但其所得計(jì)劃質(zhì)量往往僅是接近于預(yù)測(cè)或原始計(jì)劃，因此在一定程度上限制了最優(yōu)化求解的空間。

因此，需要對(duì)現(xiàn)有技術(shù)進(jìn)行改進(jìn)，以提供基于預(yù)測(cè)劑量分布引導(dǎo)的調(diào)強(qiáng)放療計(jì)劃優(yōu)化方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺陷，提供一種適用于調(diào)強(qiáng)放療計(jì)劃的預(yù)測(cè)三維劑量分布引導(dǎo)的計(jì)劃優(yōu)化方法，以實(shí)現(xiàn)對(duì)預(yù)測(cè)三維劑量分布的有效臨床應(yīng)用，并同時(shí)最大限度地改善優(yōu)化輸出計(jì)劃質(zhì)量。

為達(dá)到上述目的，本發(fā)明采用下述技術(shù)方案實(shí)現(xiàn)：一種基于預(yù)測(cè)劑量分布引導(dǎo)的調(diào)強(qiáng)放療計(jì)劃優(yōu)化方法，包括以下步驟：

S10：將患者的感興趣區(qū)域的幾何解剖結(jié)構(gòu)特征輸入到經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，獲得危及器官的三維劑量分布預(yù)測(cè)；