[发明专利]一种基于加速器日志文件实现自动化剂量验证的方法

说明书

本发明公开了一种基于加速器日志文件实现自动化剂量验证的方法，收集瓦里安Eclipse计划系统上135例胸部调强计划，包含584个射野；放疗计划实施前，使用直线加速器递送计划实施调强验证，同时收集直线加速器计划递送过程中的日志文件。利用深度学习算法，将加速器递送过程中日志文件以通量图形式作为模型的输入，建立不同阈值标准下gamma通过率的预测模型，并验证预测模型的准确性。基于加速器日志文件形成的通量图作为输入训练gamma通过率预测模型，考虑了真实递送参数，可以准确预测个体化剂量验证结果，实现治疗前剂量验证的自动化，提高剂量验证的效率，允许物理师有更多的时间关注剂量验证失败的原因。

技术领域

本发明涉及医学放射治疗技术领域，尤其涉及一种基于加速器日志文件实现自动化剂量验证的方法。

背景技术

现代放疗技术复杂性不断增加，对剂量验证的数量和质量要求也随之不断提高。目前现代放疗技术进步主要体现在：1)适形性不断增加，以提高肿瘤靶区剂量，同时显著减少周边正常组织器官辐射受量；2)靶区内物理剂量分布按照要求进行有目的性分配；3)单次分割剂量提高。这些技术的发展，造成了计划设计和实施的复杂性显著提高，同时剂量误差的不确定性显著增加。因此，在现代放疗技术条件下，急需实施个体化放疗剂量验证以保证放疗质量和水平。

目前剂量验证包括基于测量的验证方法(电离室、胶片、二维矩阵、EPID、和三维矩阵)和基于计算的验证方法(蒙卡)，其中较为常用的是基于测量的剂量验证方法。剂量验证的结果分析方式包含剂量差异、吻合距离法、gamma分析法，其中使用最多的分析方式是结合剂量差异和吻合距离的gamma分析法。基于测量的剂量验证过程繁琐耗时且对设备的依赖程度较高，设备分辨率、探头角度响应等都会影响结果。现阶段个体化剂量验证方法中普遍存在效率低、验证的点和面具有较大的局限性等问题。这造成常规个体化的QA费时费力，使得本就任务繁重的治疗中心实现个体化QA的难度更大，因此寻找更加省时、省力且综合有效的剂量验证方法就显得非常重要和迫切。虽然已有的自动化个体化剂量验证方法中，利用机器学习方法基于计划复杂性参数建立二维通过率的预测模型，但是这种方法并没有考虑到加速器执行过程中真实参数对剂量验证的影响，因此并不适用于患者真实照射情况下的剂量验证。

发明内容

本发明所要解决的技术问题是提供一种基于加速器日志文件实现自动化剂量验证的方法，基于加速器日志文件的剂量验证预测模型能够准确预测不同阈值标准下的gamma通过率，提高剂量验证的效率。

为解决上述技术问题，本发明的技术方案是：一种基于加速器日志文件实现自动化剂量验证的方法，包括以下步骤，

SP₁、收集瓦里安Eclipse计划系统上135例胸部调强计划，包含584个射野；

SP₂、放疗计划实施前，使用直线加速器进行计划的递送，同时收集直线加速器验证计划递送过程中产生的日志文件；

SP₃、使用2D gamma分析计算与测量剂量分布在不同阈值标准下的gamma通过率；

SP₄、利用pylinac库从直线加速器日志文件形成的通量图中提取剂量分布的原始RGB彩色图像，然后裁减掉冗余信息；

SP₅、通过双线性插值算法对提取剂量分布的原始RGB彩色图像进行缩放；

SP₆、收集缩放后的剂量分布RGB彩色图像样本，并从收集到样本中随机抽取测试集，将余量样本采用5倍交叉验证策略随机划分为5部分，每次用其中4部分作为训练集，1部分作为验证集；

SP₇、对训练集、验证集和测试集分别采用水平随机翻转和随机裁剪的数据增强策略进行剪裁处理；