肿瘤放射治疗计划智能优化方法技术

本发明专利技术为肿瘤放射治疗计划智能优化方法，包括：1）肿瘤PET影像生物靶区、生物子靶区和多模态（式）影像融合靶区智能勾画：根据肿瘤PET/CT/MRI/CBCT/超声等多模态影像信息，采用智能化的图像分析处理方法，勾画肿瘤生物靶区、生物子靶区和多模态影像融合靶区；2）肿瘤生物调强放疗最优处方剂量优化计算：根据肿瘤生物学特性，通过智能化、自动化的优化方法，确定各生物子靶区的最优处方剂量；3）基于肿瘤临床放疗计划大数据分析的多目标放疗计划优化计算：根据肿瘤临床放疗计划数据，通过大数据智能分析方法和深度学习、机器学习、或人工智能方法，联合1）和2）确定自适应的生物调强、多目标优化的临床肿瘤精确放疗计划。

【技术实现步骤摘要】
肿瘤放射治疗计划智能优化方法
本专利技术涉及放射治疗计划、多目标优化、医学影像、图像处理、图像分析、机器学习、模式识别、大数据分析、人工智能、机器人、自动化与肿瘤放射物理、放射生物、生物医学工程等
；特别涉及肿瘤放射治疗PET生物靶区、生物子靶区与PET/CT/MRI/CBCT/超声等肿瘤多模态（式）影像融合靶区智能勾画方法、生物调强最优处方剂量优化计算与生物调强放疗计划优化计算方法、多目标放疗计划优化计算方法、自适应放疗计划优化计算方法；具体的，其展示肿瘤放射治疗计划智能优化方法。
技术介绍
肿瘤放射治疗是目前三大肿瘤治疗技术之一。成功实施恶性肿瘤的精确放疗不仅依赖于医学计算机断层扫描成像(CT)、核磁共振成像(MRI)、正电子发射断层扫描成像(PET)、锥形束计算机断层扫描成像(CBCT)技术、超声成像和相应的医学图像信息智能分析处理技术，而且更加依赖于大规模的、计算复杂度非常高的多目标调强放疗计划优化计算方法。目前，临床上主要依靠临床放疗医生手工勾画肿瘤靶区,并且严重依赖临床物理师的临床经验，通过多次重复执行计划优化过程，确定放疗计划优化目标函数和各目标函数的优先级别与权本文档来自技高网...

【技术保护点】
肿瘤放射治疗计划智能优化方法，其特征在于：其基于肿瘤临床放疗计划大数据分析（先验知识）和肿瘤CT、MRI、PET/CT、PET/MRI和（或）超声影像图像智能分析处理，根据肿瘤生物学、放射生物学、放射物理学特征信息，通过多目标、智能化、自动化的优化计算方法，确定自适应的生物调强、多目标优化的肿瘤临床精确放疗计划，具体包括如下步骤：1‑1）肿瘤生物靶区、生物子靶区和多模态（式）影像融合靶区智能勾画：根据肿瘤PET、CT、和（或）MRI等多模态融合影像信息，通过智能化、自动化一些图像分析处理方法，勾画肿瘤生物靶区、生物子靶区和PET/CT/MRI融合靶区；1‑2）肿瘤生物调强放疗最优处方剂量优化计...

【技术特征摘要】
1.肿瘤放射治疗计划智能优化方法，其特征在于：其基于肿瘤临床放疗计划大数据分析（先验知识）和肿瘤CT、MRI、PET/CT、PET/MRI和（或）超声影像图像智能分析处理，根据肿瘤生物学、放射生物学、放射物理学特征信息，通过多目标、智能化、自动化的优化计算方法，确定自适应的生物调强、多目标优化的肿瘤临床精确放疗计划，具体包括如下步骤：1-1）肿瘤生物靶区、生物子靶区和多模态（式）影像融合靶区智能勾画：根据肿瘤PET、CT、和（或）MRI等多模态融合影像信息，通过智能化、自动化一些图像分析处理方法，勾画肿瘤生物靶区、生物子靶区和PET/CT/MRI融合靶区；1-2）肿瘤生物调强放疗最优处方剂量优化计算：根据肿瘤PET功能影像提供的肿瘤生物学特性（代谢、增值、乏氧等）、放射生物学特性（局控率TCP、生存率、抗辐射性等）和放疗危及器官的辐射敏感性（正常组织器官的无辐射损伤概率或无放疗并发症的概率NTCP、辐射损伤可恢复性、辐射致癌可能性），通过智能化、自动化的优化方法，确定肿瘤放疗靶区及其生物学特性异质的各子靶区的最优处方剂量；1-3）基于肿瘤临床放疗计划大数据分析（先验知识）的多目标放疗计划优化计算：根据回顾性收集的大规模临床肿瘤放疗计划数据，通过智能化的大数据分析方法和深度学习、机器学习、或人工智能的计算方法，联合步骤1-1）和1-2），确定肿瘤自适应的生物调强、多目标优化临床精确放疗计划。2.根据权利要求1所述的肿瘤放射治疗计划智能优化方法，其特征在于：步骤1-1）为根据肿瘤PET/CT/MRI影像及肿瘤生物功能和解剖结构影像纹理特征，采用生物靶区和子靶区智能勾画的多层Mumford-Shah向量图像分割模型，由肿瘤PET标准示踪剂摄取量（SUV）及其对比度、频繁度等组成向量值图像，通过水平集方法逐层迭代进行肿瘤向量值图像分割，自动勾画肿瘤生物靶区及其具有不同生物学特性的子靶区；具体步骤如下：2-1)根据肿瘤PETSUV影像，采用自适应三维区域生长方法确定PETSUV影像的高示踪剂摄取肿瘤区域；2-2)联合PETSUV值及其对比度、频繁度等分子生物纹理特征影像共同确定疑似肿瘤区域，并利用CT及其纹理特征影像除去疑似肿瘤区域中的正常组织，如头颈部肿瘤放疗计划中的脑干和其它正常脑组织器官；2-3)在疑似肿瘤区域上联合PETSUV及其多种分子生物纹理特征影像，构建肿瘤生物靶区、生物子靶区多层Mumford-Shah向量图像分割模型；采用水平集方法迭代求解，自动勾画肿瘤生物靶区BTV的三维表面；进一步，在自动勾画的肿瘤生物靶区BTV内，逐层迭代自动勾画多个具有不同分子生物特性的肿瘤生物子靶区。3.根据权利要求1所述的肿瘤放射治疗计划智能优化方法，其特征在于：步骤1-2）具体为：首先采用步骤1-1）中的方法，将肿瘤BTV分成多个具有不同生物学特性的子靶区，并用其最优生物等效均匀剂量作为各子靶区的相应处方剂量；具体为：在保证肿瘤的控制概率TCP达到某个特定水平前提约束条件下，寻找使生物肿瘤靶区BTV平均剂量最小的非均匀最优处方剂量；一种实施方法如下：3-1-1）根据肿瘤放射生物学生存LQ模型，建立单个体素的肿瘤控制概率TCP和其累积的照射剂量之间的关系；3-1-2）为有效的杀死肿瘤细胞，肿瘤的控制概率TCP需达到某一水平，寻找一个合适的处方剂量分布使肿瘤靶区的平均处方剂量最小，用最少的剂量实现一定水平的TCP，更好的保护周边的危及器官；3-1-3）采用拉格朗日函数方法，将有约束最优处方剂量问题的目标函数转化成等价的无约束最优化问题，以便求解各生物子靶区最优处方剂量；3-2）采用与BTV各子靶区非均匀最优处方剂量等效的均匀剂量EUD作为各子靶区的最终处方剂量。4.根据权利要求3所述的肿瘤放射治疗计划智能优化方法，其特征在于：步骤1-2）为采用与BTV各子靶区非均匀最优处方剂量等效的均匀剂量EUD作为各子靶区的最终处方剂量；即用肿瘤各生物子靶区的生物等效均匀剂量计算确定各子靶区的最优处方剂量。5.根据权利要求1所述的肿瘤放射治疗计划智能优化方法，其特征在于：步骤1-3）为采用各危及器官的最大剂量与其平均剂量的加权和作为调强放疗计划优化的目标函数项之一，并利用先验惩罚边界交叉方法求最优调强计划，具体包含如下步骤：4-1）为避免根据约束条件构造目标函数所带来的问题，通常考虑按放射敏感性和放射生物效应分类构造不同的优化目标函数；如对头颈部肿瘤的放疗计划，临床上通常考虑三类器官：第一类是肿瘤相关靶区，包括GTV，CTV，PTV等；第二类是危及器官，包括脑干、脊髓、颞叶、视神经、腮腺等；第三类是放疗计划设计过程中，物理师出于更好的优化目的(局部剂量冷区，热区等)勾画的区域，如P...

【专利技术属性】
技术研发人员：刘国才，刘劲光，顾冬冬，
申请(专利权)人：强深智能医疗科技昆山有限公司，
类型：发明
国别省市：江苏,32