[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

说明书

本发明公开一种食管放射治疗计划中风险器官剂量学评估方法，包括以下步骤：集食管癌病人的VMAT计划数据信息，得到DTH；对DTH的几何特征向量进行降维，得降维后的几何特征向量；建立深度置信网络模型，并完成深度置信网络模型的训练；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；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DVH。本发明还公开一种食管放射治疗计划中风险器官剂量学评估系统。本发明具有显著缩短制定食管癌放疗计划时间以达到减轻物理放疗师的负担的优点。

技术领域

本发明涉及食管放射治疗计划技术领域，尤其是涉及食管放射治疗计划中风险器官剂量学评估方法、评估系统。

背景技术

食管放射治疗计划是一个耗时的过程，需要繁琐的参数调整以在计划靶区(PTV)下实现最大放射剂量值的传递，同时最小化危险器官(OAR)的辐射损伤。指导调整的一个重要指标是剂量-体积直方图(DVH)，它用于测量接收不同辐射剂量下的器官的体积百分数。

DVH与PTV和OAR之间的几何关系高度相关。对这种相关性建模可以显著减少调整时间，通过提供接近最佳的计划的参数以快速实现临床接受的治疗计划。之前的相关研究已经模拟了几何关系和DVH之间的相关性。以往工作中研究者通过拟合偏斜法线参数的演化，提出了距离的三参数概率函数来描述PTV和OAR与多项式之间距离的函数，并模拟了其与DVH的相关性。也有工作者通过计算由不同距离PTV相应的OAR的体积分数，利用距离目标直方图(DTH)来表示他们之间的几何关系，并使用DTH和DVH之间的相关性通过成分分析法和支持向量回归建模。

然而，现有的研究主要集中在提取几何特征的线性模型和传统的机器学习方法来模拟他们之间的相关性，这些方法都有着模型的鲁棒性不高而且预测精度较低适用性不强等缺点。这些问题一方面增加了物理治疗师的工作量，另一方面根据相关的临床人群统计标准的不同对放射治疗方案的质量审核标准也不同，从而导致计算的DVH的精度较低。

发明内容

本发明的目的在于克服现有技术的不足，提供了一种基于深度置信网络的食管放射治疗计划中风险器官剂量学评估方法，用深度学习的方法，有利于减轻物理师负担，缩短了制定放疗计划的时间以及有效的针对临床个体的特异性提高放射治疗计划的精度。

本发明通过以下技术手段实现解决上述技术问题的：一种食管放射治疗计划中风险器官剂量学评估方法，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。

优选地，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，