[发明专利]一种脑肿瘤放疗方式智能选择方法、系统、设备和介质

说明书

本发明涉及一种脑肿瘤放疗方式智能选择方法、系统、设备和介质，该方法包括：构建多模态MRI脑肿瘤分割模型，对患者的放疗前、后的多模态MRI影像进行脑肿瘤ROI分割，得到配对的脑肿瘤放疗前区域和放疗后残留区域；构建脑肿瘤诊断预后模型，以有效特征向量为输入，得到病理分级和放疗预后的预测结果；构建脑肿瘤放疗方式智能选择模型，以放疗前的影像基因特征及放疗敏感特征为输入，得到最佳放疗方式；构建脑肿瘤放疗疗效可视化模型，以患者放疗前的脑肿瘤MRI影像、病理分级和放疗预后的预测结果、最佳放疗方式为输入，得到预测的放疗后MRI影像。本发明可以广泛应用于医学图像分析技术及应用领域。

技术领域

本发明涉及医学图像分析技术及应用领域，具体地，涉及一种基于机器学习的脑肿瘤放疗方式智能选择方法、系统、设备和介质。

背景技术

脑肿瘤包括起源于颅内细胞的原发性脑肿瘤和由其他器官转移而来的转移性脑肿瘤，其中有一半以上为恶性肿瘤，脑肿瘤具有生长速度快、复发率高和致残率高等特点，严重威胁到人类的生命健康。放射治疗是脑肿瘤重要的治疗手段，能够提高脑肿瘤患者的生存率和生活质量。

随着放疗技术和设备的不断更新，临床治疗可选择常规放疗、立体定向放射治疗(SRT)、螺旋断层放射治疗(TOMO)、伽玛刀、近距离放射治疗、质子放疗、碳离子放疗等多种放疗方式，不同放疗方式对脑肿瘤的杀伤程度、治愈效果有所差异，每种放疗方式的资源分布、治疗价格也有所不同。而放疗方式与脑肿瘤患者的生存预后有着密切关系，选择最佳的放疗方式可以延长患者的生存期，减少不必要的资源浪费和患者的医疗支出，因此个体化放疗方式的研究才能充分保护患者利益并真实反映放疗的价值。

其中，质子放疗和碳离子放疗方式使用带电粒子攻击病灶区域，粒子在进入组织时沉积的能量较低，当到达特定深度时(肿瘤位置)，会瞬间释放出大部分能量，在有效杀灭肿瘤细胞的同时，降低对周围正常组织的辐射剂量。与传统的光子放疗相比，质子放疗和碳离子放疗具有更优的生物学效应，也具有更好的治疗效果。然而，放疗疗效受到病理分级、分子分型、病灶大小、病灶位置、放疗方式、辅助治疗等多因素的影响，针对不同的放疗方式，脑肿瘤会产生不同的敏感性和抗性反应，这种敏感性和抗性会反映在病灶大小、位置的变化上，如果能获取放疗特征信息，就能在术前预测某种放疗方式的疗效，实现精准放疗的最佳放疗方式选择。

影像组学最早由Lambin在2012年提出[Lambin P,Rios-Velazquez E,LeijenaarR,et al.Radiomics:extracting more information from medical images usingadvanced feature analysis.European journal of cancer,2012,48(4):441-6.]，它能够结合多模态医学影像、基因和临床病理数据，使用机器学习的方法高通量地提取和分析肿瘤的多尺度特征信息，用于辅助诊断预后和疗效评估，逼近病理诊断结果，为临床提供决策支持。脑部多模态磁共振成像(Magnetic Resonance Imaging，MRI)是临床常用的影像手段，MRI具有空间分辨率高、软组织对比度高、不产生电离辐射等优势，常用于脑肿瘤患者的术前诊断[Therese A,Dolecek,Jennifer M,et al.CBTRUS statistical report:primarybrain and central nervous system tumors diagnosed in the United States in2005-2009.Neuro-oncology,2012.]。很多研究通过影像组学的方法提取脑部多模态MRI的特征，完成了肿瘤分割、病理分级、分子分型预测和生存预后等任务，也说明了影像组学对脑肿瘤的临床诊断和精准治疗具有重要意义。