[发明专利]食管放射治疗计划中风险器官剂量学评估方法、评估系统

权利要求书

1.一种食管放射治疗计划中风险器官剂量学评估方法，其特征在于，包括以下步骤：

步骤一、收集食管癌病人的VMAT计划数据信息，包括提取出的CT图像、结构轮廓图像；

步骤二、对食管癌VMAT计划数据信息计算，得到距离目标直方图；

步骤三、采用自动编码器结构中的编码层对步骤二中的距离目标直方图的几何特征向量进行降维，得到降维后的几何特征向量；

步骤四、建立深度置信网络模型，迭代直至其收敛，完成深度置信网络模型的训练；

步骤五、降维后的几何特征向量通过训练后的深度置信网络非线性地拟合剂量特征向量和降维后几何特征向量之间的相关性，得到与降维后的几何特征向量的维度相同的剂量特征向量；

步骤六、通过自动编码器结构的解码层将从步骤五的剂量特征向量重构，得到与降维前的几何特征向量的维度相同的剂量特征向量，最终得到预测危险器官的剂量-体积直方图；

其中，在所述步骤四中，搜集训练用食管癌病人的VMAT计划数据，作为训练集数据，并从训练集数据中提取出训练用CT图像、训练用结构轮廓图像，计算训练用剂量-体积直方图、训练用距离目标直方图；并计算得到训练用剂量-体积直方图的剂量特征向量、训练用距离目标直方图的几何特征向量；并通过自动编码器结构的解码层得到降维后的训练用剂量-体积直方图的剂量特征向量、降维后的训练用距离目标直方图的几何特征向量；

对每一个玻尔兹曼机的结构进行预训练；每一个玻尔兹曼机结构包括相应的可见层v和隐藏层h；

玻尔兹曼机在训练过程中的迭代步骤为：首先将可见层中的降维后的距离目标直方图的几何特征向量映射到隐藏层中，然后用隐藏层中的向量重构新的距离目标直方图的几何特征向量，再将重构的距离目标直方图的几何特征向量映射到隐藏层中，这个过程表示为一个循环，每个玻尔兹曼机在预训练过程中重复三次循环更新玻尔兹曼机可见层与隐藏层中的权重矩阵；

在深度置信网络的每一层中，目标损失函数是：

式中dt为降维后的训练用距离目标直方图的几何特征向量，也是每一个玻尔兹曼机结构的可见层的输入向量；式中表示降维后的训练用距离目标直方图的几何特征向量dt到隐藏层特征向量g的均方误差，α_s为实验中经验确定的约束系数，函数Y(dt)表示玻尔兹曼机结构中可见层到隐藏层的过程，其能量函数为：

其中θ＝{W_ij,a_i,b_j}是玻尔兹曼机的参数，其中W_ij表示可见向量与隐藏向量之间的权重，可见层共有可见向量单元i个，隐藏层共有隐藏向量单元j个，a_i表示第i个可见向量单元的偏置，b_j表示第j个隐藏向量单元的偏置；表示由隐藏向量g提供的输入与重构成新的距离目标直方图的几何特征向量之间的均方误差，Y′(g)是Y的相反过程，表示用隐藏层中的向量重构新的距离目标直方图的几何特征向量；α_r||W||₁表示通过非零的惩罚因子来保证式中的稀疏性表达，||W||₁表示对深度置信网络每一层的权重矩阵的L1正则化，α_r为稀疏系数；h_jj表示第jj层解码层中作为输入的经jj-1次升维后的特征向量；v_ii表示第ii层编码层中作为输入的经ii-1次降维后的特征向量；

每一个玻尔兹曼机的训练过程通过迭代循环，当其目标损失函数小于设定阈值，则趋于稳定收敛而结束训练过程同时保存玻尔兹曼机的参数值，得到预训练完成的玻尔兹曼机模型，若干个预训练完成的玻尔兹曼机模型叠加成预训练完成的深度置信网络。

2.根据权利要求1所述的食管放射治疗计划中风险器官剂量学评估方法，其特征在于，所述步骤二中通过计算风险器官的体积百分数来建立距离目标直方图，

其中v^io_OAR表示危险器官的第io个体素；v^k_PTV表示计划靶区的第k个体素；S_PTV为计划靶区的体素集合；r(v^io_OAR，PTV)为危险器官的体素到计划靶区表面的欧式距离。