肿瘤所需放射性粒子源总数量获取方法技术

本发明专利技术公开肿瘤所需放射性粒子源总数量获取方法，包括步骤：S101、在三维空间中将一颗放射性粒子源模拟为半径Ucm的球体；S102、获得瘤体体积、瘤体内危及器官和组织体积，得到实际填充体积＝瘤体体积‑瘤体内危及器官和组织体积；S103、肿瘤所需放射性粒子源总数量＝实际填充体积/(4π/3)*U

Total Number of Radioactive Particle Sources for Tumors

【技术实现步骤摘要】
肿瘤所需放射性粒子源总数量获取方法
本专利技术属于放射性粒子植入
，具体涉及肿瘤所需放射性粒子源总数量获取方法。
技术介绍
组织间放射性粒子植入(也称近距离)治疗法，是将微型放射源(粒子)植入肿瘤内或受肿瘤浸润的组织中，包括恶性肿瘤沿淋巴途径扩散的组织，通过放射性粒子源发出持续低能量的γ射线，使肿瘤组织遭受最大程度的辐射损伤和破坏，而正常组织不受损伤或仅受轻微损伤，以达到治疗目的。按粒子植入时间可分为永久性植入法和非永久性植入法。专家认为，相比其他肿瘤治疗技术，放射性粒子植入治疗技术本身技术含量并不高、难度并不大。但由于直接植入人体内，而且是放射源，所以要严格把握适应症。对各种不同肿瘤的粒子植入治疗有不同的具体方法，由于粒子种植在三维空间进行，每种放射性粒子物理特性不同，对每种核素需要制定一种特殊的三维治疗计划系统，进行模拟粒子种植的空间分布，决定粒子种植数目和靶区及周围危险器官的剂量分布，指导临床粒子种植。首先要明确肿瘤的形态、位置、大小及与邻近器官、血管的关系，描绘出治疗的区域。常规的方式是对患者的肿瘤区域进行扫描，可通过B超、CT、ECT、MRI等影像检查获得患者的肿瘤区域图像，然后根据图像进行手动或者电脑靶区绘制，根据绘制好的靶区图进行粒子布局。其次要确定植入粒子的数量和位置，同时确认针道位置，这取决于肿瘤的大小和放射源的活性强度。最后确定粒子植入的方式与方法，常用粒子种植治疗有3种方式：模板种植、B超和CT引导下种植、术中种植。例如模板种植，是通过上述信息制作植入针模板，手术时，将患者固定在CT床上，并植入针模板固定在患者靠近肿瘤的皮肤位置，再将植入针按照预先设计步骤进行穿刺，同时实时通过CT扫描查看植入针位置，再通过设置在植入针上的刻度提供深度参考。当植入针到达指定深度时，开始注入粒子，然后向外拉出植入针，并当达到指定深度后再次注入粒子，直到该植入针上的所有粒子都已注入即可拉出植入针。上述粒子的数量和位置直接影响治疗效果以及对正常组织的损伤程度，因此粒子的数量和位置均非常重要。传统的肿瘤所需放射性粒子源总活度是通过巴黎公式(根据瘤体平均径长)或根据瘤体质量计算得到。a、巴黎公式(根据瘤体平均径长)计算。采用Dimension-averageing法计算应给予的剂量：A＝Da*K其中，A为总活度，单位为mCi；Da为瘤体平均径长，单位cm，Da＝(长+宽+高)/3；K为拟合参数，对于碘125的K值为5。由上述巴黎公式变形所得的具体的计算式如表1。表1瘤体平均径长Da(cm)粒子源总活度A(mCi)Da≤2.4A＝5(Da+1)2.4＜Da≤3.24A＝3.87(Da+1)1.293Da＞3.24A＝2.76(Da+1)1.581b、根据瘤体质量计算。瘤体所需放射性粒子源总活度(mCi)＝期望组织吸收剂量(cGy)*瘤体重量(g)/182。注：瘤体的质量可借助CT推算。巴黎公式(根据瘤体平均径长)计算肿瘤所需放射性粒子源总数量的计算方式对于形态不规则的肿瘤而言存在计算误差较大的缺陷，需要人为调整的操作。根据瘤体质量计算肿瘤所需放射性粒子源总数量的计算方式基本是通过CT推算瘤体的质量，但肿瘤的密度不确定和不均匀，因此也存在推算误差较大的缺陷。上述两种计算方式均没有考虑到瘤体内危及器官及组织，例如，瘤体包裹部分血管的情况下，上述两种计算方式计算出来的所需放射性粒子源总活度均包括被覆盖的血管所需放射性粒子源活度，而实际上血管是正常组织，不需要放射性粒子源，因此极大可能计算出的所需放射性粒子源总活度大于实际所需放射性粒子源总活度，即过剂量，这种计算不准确，且可能对正常组织造成大的损伤。
技术实现思路
为了解决现有技术存在的上述问题，本专利技术目的在于提供肿瘤所需放射性粒子源总数量获取方法。本专利技术所采用的技术方案为：肿瘤所需放射性粒子源总数量获取方法，包括如下步骤：S101、在三维空间中将一颗放射性粒子源模拟为半径Ucm的球体；S102、获得瘤体体积、瘤体内危及器官和组织体积，通过式(1)得到实际填充体积：实际填充体积＝瘤体体积-瘤体内危及器官和组织体积(1)；S103、通过式(2)得到肿瘤所需放射性粒子源总数量：肿瘤所需放射性粒子源总数量＝实际填充体积/(4π/3)*U3cm3(2)。在上述技术方案的基础上，所述U取值1。在上述技术方案的基础上，所述瘤体体积和瘤体内危及器官和组织体积的获得方式为：a1、获得目标部位的若干张断层扫描图，对断层扫描图进行预处理，将断层扫描图划分出目标部位区域和目标部位以外区域，并剔除掉目标部位以外区域，将目标部位区域中的肿瘤组织和其他组织进行标注，并标注出瘤体内危及器官和组织，获得多个标注样本，将标注样本进行存储，得到数据集；a2、建立3D卷积神经网络模型，将所有标注样本数据信息输入至3D卷积神经模型中进行训练，输出训练好的3D卷积神经深度学习模型；a3、对目标部位的断层扫描图进行预处理，将断层扫描图划分出目标部位区域和目标部位以外区域，并剔除掉目标部位以外区域；a4、将经过预处理的断层扫描图数据信息输入至训练好的3D卷积神经深度学习模型中，并输出分割好的3D立方块数据，将多个分割好的3D立方块数据进行合并，得到分割好的肿瘤面绘制模型；a5、计算瘤体体积和瘤体内危及器官和组织体积。在上述技术方案的基础上，所述预处理的具体实现方式如下：a31、标准化图像的像素值，并对像素值做概率密度分布；a32、根据像素值的分布找到不同区域组织之间的分界，区分目标部位区域和目标部位以外区域；a33、使目标部位以外区域连接为整体，制作断层扫描图掩膜；a34、将原始三维标注数据点乘对应的图像掩膜信息即可得到只有目标部位区域图像的数据。在上述技术方案的基础上，所述区分目标部位区域和目标部位以外区域的具体实现方式如下：a321、读取识别断层扫描图上不同区域的色值，将目标部位区域组织对应的色值和所有目标部位以外区域组织对应的色值进行收集整理，得出目标部位区域组织对应的色值区间和目标部位以外区域组织对应的色值区间，以此作为区分目标部位区域组织和目标部位以外区域组织的标准。在上述技术方案的基础上，所述断层扫描图掩膜的制作方式如下：a331、通过形态学处理中的腐蚀处理和膨胀处理，使目标部位以外区域尽可能连在一起，并尽可能的消除目标部位区域中的特定色值部分，以完成目标部位区域的掩膜的制作。在上述技术方案的基础上，标注的内容包括坐标信息，坐标信息基于标注所在断层扫描图上的坐标系生成，且用于标记肿瘤组织在断层扫描图上的相对位置，坐标系为三维笛卡尔坐标系，利用三维笛卡尔坐标系来表示每张断层扫描图上的肿瘤组织和其他组织的相对位置。在上述技术方案的基础上，标注的内容还包括识别信息，识别信息用于将当前位置的组织标记为肿瘤组织或其他组织，识别信息与坐标信息相匹配，当前位置对应组织的识别信息被赋予当前位置对应组织的坐标信息之后。在上述技术方案的基础上，所述瘤体体积和瘤体内危及器官和组织体积的获得方式如下：b1、人工勾画或计算机勾画目标部位每一断层扫描图的肿瘤轮廓和瘤体内危及器官和组织轮廓，计算目标部位每一断层扫描图的肿瘤面积和瘤体内危及器官和组织面积；b2、把目标部位每一断层扫描图的肿瘤面积叠加，然后乘以层厚，得到本文档来自技高网...

【技术保护点】
1.肿瘤所需放射性粒子源总数量获取方法，其特征在于：包括如下步骤：S101、在三维空间中将一颗放射性粒子源模拟为半径Ucm的球体；S102、获得瘤体体积、瘤体内危及器官和组织体积，通过式(1)得到实际填充体积：实际填充体积＝瘤体体积‑瘤体内危及器官和组织体积       (1)；S103、通过式(2)得到肿瘤所需放射性粒子源总数量：肿瘤所需放射性粒子源总数量＝实际填充体积/(4π/3)*U

【技术特征摘要】
1.肿瘤所需放射性粒子源总数量获取方法，其特征在于：包括如下步骤：S101、在三维空间中将一颗放射性粒子源模拟为半径Ucm的球体；S102、获得瘤体体积、瘤体内危及器官和组织体积，通过式(1)得到实际填充体积：实际填充体积＝瘤体体积-瘤体内危及器官和组织体积(1)；S103、通过式(2)得到肿瘤所需放射性粒子源总数量：肿瘤所需放射性粒子源总数量＝实际填充体积/(4π/3)*U3cm3(2)。2.根据权利要求1所述的肿瘤所需放射性粒子源总数量获取方法，其特征在于：所述U取值1。3.根据权利要求1所述的肿瘤所需放射性粒子源总数量获取方法，其特征在于：所述瘤体体积和瘤体内危及器官和组织体积的获得方式如下：b1、人工勾画或计算机勾画目标部位每一断层扫描图的肿瘤轮廓和瘤体内危及器官和组织轮廓，计算目标部位每一断层扫描图的肿瘤面积和瘤体内危及器官和组织面积；b2、把目标部位每一断层扫描图的肿瘤面积叠加，然后乘以层厚，得到瘤体体积，把目标部位每一断层扫描图的瘤体内危及器官和组织面积叠加，然后乘以层厚，得到瘤体内危及器官和组织面积。4.根据权利要求1所述的肿瘤所需放射性粒子源总数量获取方法，其特征在于：所述瘤体体积和瘤体内危及器官和组织体积的获得方式为：a1、获得目标部位的若干张断层扫描图，对断层扫描图进行预处理，将断层扫描图划分出目标部位区域和目标部位以外区域，并剔除掉目标部位以外区域，将目标部位区域中的肿瘤组织和其他组织进行标注，并标注出瘤体内危及器官和组织，获得多个标注样本，将标注样本进行存储，得到数据集；a2、建立3D卷积神经网络模型，将所有标注样本数据信息输入至3D卷积神经模型中进行训练，输出训练好的3D卷积神经深度学习模型；a3、对目标部位的断层扫描图进行预处理，将断层扫描图划分出目标部位区域和目标部位以外区域，并剔除掉目标部位以外区域；a4、将经过预处理的断层扫描图数据信息输入至训练好的3D卷积神经深度...

【专利技术属性】
技术研发人员：张翔，毛瑞军，孟群，曲飞寰，石广越，
申请(专利权)人：成都真实维度科技有限公司，大连大学附属中山医院，
类型：发明
国别省市：四川,51