一种基于模糊推理的混合准则放疗参数自动优化方法技术

本发明专利技术涉及一种基于模糊推理的混合准则放疗参数自动优化方法，该方法包括基于模糊推理的参数自动优化系统和进一步改善计划系统两个功能模块。基于模糊推理的参数自动优化系统包括基于模糊推理的权重因子自动调整模块、基于模糊推理的处方剂量自动调整模块、注量图优化模块和计划评估模块四部分。本发明专利技术的混合准则放疗参数自动优化方法结合物理师的模糊推理经验，能有效地确定目标函数中的处方剂量和权重因子，有利于缩短放疗优化时间。

【技术实现步骤摘要】
一种基于模糊推理的混合准则放疗参数自动优化方法
本专利技术涉及一种基于模糊推理的混合准则放疗参数自动优化方法，属于自动放疗优化

技术介绍
在放射治疗逆向计划的优化过程中，通常通过最小化子目标函数加权和的形式获得最优注量图分布。子目标函数分为物理子目标函数和生物子目标函数。与物理子目标函数相比，由于生物子目标函数能够合理地预测肿瘤和正常组织的放射生物效应，生物子目标函数将逐渐得到广泛应用，基于生物子目标函数的放疗优化是放疗的发展趋势和研究热点。基于混合子目标函数即混合准则放疗的有效性已经得到了好多研究者的证实。本专利技术的研究对象是混合准则放疗中使用的目标函数中处方剂量和权重因子的自动调整。处方剂量和权重因子是目标函数中的两类重要优化参数。通常，在治疗计划优化之前，物理师根据自己的经验预先设定目标函数中的处方剂量和权重因子，在注量图优化过程中他们是不变的。逆向治疗计划优化结束后，物理师从三维剂量分布、DVH(DoseVolumeHistogram)曲线等多个方面对优化计划进行质量评估。如果当前计划不满足放射治疗要求，物理师将根据自身经验和优化结果，重新调整处方剂量或者权重因子，或者同时调整处方剂量和权重因子，然后重新进行注量图优化。该操作过程由物理师参与循环进行，直至生成临床上满意计划。在这种人工试误的手动调整处方剂量和权重因子方法中，在生成临床接受的计划之前往往需循环进行多次优化过程，增加了放射治疗计划的时间和物理师的工作量；同时对物理师的经验要求较高。这个过程是繁重的和费事的，应该由临床知识和经验引导的自动方法替代。针对权重因子的自动优化，已有学者进行了研究。Craft将多目标优化引入放射治疗计划优化过程(具体见D.Craft,T.Hong,H.Shih,andT.Bortfeld,Improvedplanningtimeandplanqualitythroughmulti-criteriaoptimizationforintensitymodulatedradiationtherapy,Int.J.Radiat.Oncol.，2012，82(1),e83–e90.)，首先求出目标函数参数的帕累托前沿最优边界，然后在帕最优边界上选取最优的优化结果。多目标优化是非常耗时的，而且子目标函数越多优化过程越耗时。Zhu等基于机器学习理论进行权重因子的自动优化(具体见X.Zhu,Y.Ge,T.Li,D.Thongphiew,F.-F.Yin,andQ.J.Wu,AplanningqualityevaluationtoolforprostateadaptiveIMRTbasedonmachinelearning,Med.Phys.,2011,38,719–7262011)，该方法需要大量的临床实践病例训练权重因子预测模型，这对于稀有的肿瘤病例是非常不利的。还有一种基于预知DVH分布的自动优化方法(具体见L.Nan,Z.Masoud,U-S.Andres,etal.Automatictreatmentplanre-optimizationforadaptiveradiotherapyguidedwiththeinitialplanDVHs.Phys.Med.Biol.,2013,58:8725–8738；D.Goodetal.Aknowledgebasedapproachtoimprovingandhomogenizingintensitymodulatedradiationtherapyplanningqualityamongtreatmentcenters:anexampleapplicationtoprostatecancerplanning,Int.J.Radiat.Oncol.,Biol.,Phys.,2013,87:176–181.)，由于病人解剖结构之间的差异和病人分次放疗期间解剖结构的变化，这种方法的可行性变差。上述自动优化方法既没有将物理师的经验纳入自动优化过程中，又没有实现目标函数中处方剂量和权重因子的同时优化,而且仅限于物理优化场合。Li等(具体见R.P.Li，F.F.Yin.Optimizationofinverseplanningusingafuzzyweightfunction,Med.Phys.,2000,27,4:691-700)和Yan等(具体见H.Yan,F.F.Yin,H.Q.Guan,J.H.Kim.Fuzzylogicguidedinversetreatmentplanning,Phys.Med.Biol.,2003,30:2675-2685)将模糊推理引入物理放疗优化中，仅限于物理目标函数中权重因子的自动优化。综上所述，鉴于混合准则放疗的优势，需要为混合准则放疗专利技术一种既能高效地同时优化目标函数中处方剂量和权重因子的方法，又能将物理师的参数调整推理经验纳入混合准则放疗计划过程的自动放疗优化方法，本专利技术是将这两者目的合二为一的自动混合准则放疗参数优化方法。放疗优化中，可以根据物理师的推理过程和经验构建模糊推理系统，实现混合准则放疗中目标函数的处方剂量和权重因子的自动优化，而且不需要预知DVH曲线，也不需要大量的临床案例训练模型。
技术实现思路
本专利技术针对现有技术的不足，提供一种基于模糊推理的混合准则放疗参数自动优化方法，是一种能同步自动优化混合准则放疗目标函数中处方剂量和权重因子的方法。本专利技术的技术方案为：一种基于模糊推理的混合准则放疗参数自动优化方法，包括以下步骤：步骤一、根据处方剂量变化的改变量参数与处方剂量变化引起实际剂量变化的改变量参数关系、权重因子改变量参数与权重因子变化引起实际剂量变化的改变量参数的关系，建立模糊推理规则，利用模糊推理工具箱构造一个模糊推理权重因子自动调整模块和一个模糊推理处方剂量自动调整模块；步骤二、人工初始化混合准则目标函数中处方剂量参数和权重因子参数，进行混合准则放疗参数的优化，使用注量图优化模块进行注量图参数的优化，根据优化得到的注量图参数剂量计算，然后根据步骤一中的模糊推理权重因子自动调整模块和模糊推理处方剂量自动调整模块进行处方剂量参数和权重因子参数的自动迭代模糊调整，得到调整后处方剂量参数和调整后权重因子参数；步骤三、再利用步骤二中调整后处方剂量参数和调整后权重因子参数对混合准则目标函数进行注量图优化得到注量图参数；步骤四、如果步骤三得到的注量图参数不符合临床剂量要求，此时通过模糊推理权重因子自动调整模块和模糊推理处方剂量自动调整模块分别对步骤二得到的调整后权重因子参数和调整后处方剂量参数进行自动迭代模糊调整，得到二次调整后处方剂量参数和二次调整后权重因子参数，利用二次调整后处方剂量参数和二次调整后权重因子参数对生物目标函数进行注量图优化得到注量图参数，如果此时得到的注量图参数仍然不符合临床剂量要求，则再次通过模糊推理权重因子自动调整模块和模糊推理处方剂量自动调整模块分别对相邻上一次得到的调整后权重因子参数和调整后处方剂量参数进行自动迭代模糊调整，如此反复进行处方剂量参数与权重因子参数调整和注量图参数优化，直到得到满足临床剂量要求的注量图参数以使靶区的剂量覆盖特性、正常组织和危及器官的剂量满足临床剂量要求；步骤五、以步本文档来自技高网...

【技术保护点】
一种基于模糊推理的混合准则放疗参数自动优化方法，其特征在于，包括以下步骤：步骤一、根据处方剂量变化的改变量参数与处方剂量变化引起实际剂量变化的改变量参数关系、权重因子改变量参数与权重因子变化引起实际剂量变化的改变量参数的关系，建立模糊推理规则，利用模糊推理工具箱构造一个模糊推理权重因子自动调整模块和一个模糊推理处方剂量自动调整模块；步骤二、人工初始化混合准则目标函数中处方剂量参数和权重因子参数，进行混合准则放疗参数的优化，使用注量图优化模块进行注量图参数的优化，根据优化得到的注量图参数剂量计算，然后根据步骤一中的模糊推理权重因子自动调整模块和模糊推理处方剂量自动调整模块进行处方剂量参数和权重因子参数的自动迭代模糊调整，得到调整后处方剂量参数和调整后权重因子参数；步骤三、再利用步骤二中调整后处方剂量参数和调整后权重因子参数对混合准则目标函数进行注量图优化得到注量图参数；步骤四、如果步骤三得到的注量图参数不符合临床剂量要求，此时通过模糊推理权重因子自动调整模块和模糊推理处方剂量自动调整模块分别对步骤二得到的调整后权重因子参数和调整后处方剂量参数进行自动迭代模糊调整，得到二次调整后处方剂量参数和二次调整后权重因子参数，利用二次调整后处方剂量参数和二次调整后权重因子参数对生物目标函数进行注量图优化得到注量图参数，如果此时得到的注量图参数仍然不符合临床剂量要求，则再次通过模糊推理权重因子自动调整模块和模糊推理处方剂量自动调整模块分别对相邻上一次得到的调整后权重因子参数和调整后处方剂量参数进行自动迭代模糊调整，如此反复进行处方剂量参数与权重因子参数调整和注量图参数优化，直到得到满足临床剂量要求的注量图参数以使靶区的剂量覆盖特性、正常组织和危及器官的剂量满足临床剂量要求；步骤五、以步骤四中优化得到的最后一次调整后处方剂量参数为基础，通过收紧靶区的剂量约束参数，在保证正常组织和危及器官的剂量满足临床剂量要求下，进一步改善靶区的剂量覆盖特性以提高肿瘤控制率。...

【技术特征摘要】
1.一种基于模糊推理的混合准则放疗参数自动优化方法，其特征在于，包括以下步骤：步骤一、根据处方剂量变化的改变量参数与处方剂量变化引起实际剂量变化的改变量参数关系、权重因子改变量参数与权重因子变化引起实际剂量变化的改变量参数的关系，建立模糊推理规则，利用模糊推理工具箱构造一个模糊推理权重因子自动调整模块和一个模糊推理处方剂量自动调整模块；步骤二、人工初始化混合准则目标函数中处方剂量参数和权重因子参数，进行混合准则放疗参数的优化，使用注量图优化模块进行注量图参数的优化，根据优化得到的注量图参数剂量计算，然后根据步骤一中的模糊推理权重因子自动调整模块和模糊推理处方剂量自动调整模块进行处方剂量参数和权重因子参数的自动迭代模糊调整，得到调整后处方剂量参数和调整后权重因子参数；步骤三、再利用步骤二中调整后处方剂量参数和调整后权重因子参数对混合准则目标函数进行注量图优化得到注量图参数；步骤四、如果步骤三得到的注量图参数不符合临床剂量要求，此时通过模糊推理权重因子自动调整模块和模糊推理处方剂量自动调整模块分别对步骤二得到的调整后权重因子参数和调整后处方剂量参数进行自动迭代模糊调整，得到二次调整后处方剂量参数和二次调整后权重因子参数，利用二次调整后处方剂量参数和二次调整后权重因子参数对生物目标函数进行注量图优化得到注量图参数，如果此时得到的注量图参数仍然不符合临床剂量要求，则再次通过模糊推理权重因子自动调整模块和模糊推理处方剂量自动调整模块分别对相邻上一次得到的调整后权重因子参数和调整后处方剂量参数进行自动迭代模糊调整，如此反复进行处方剂量参数与权重因子参数调整和注量图参数优化，直到得到满足临床剂量要求的注量图参数以使靶区的剂量覆盖特性、正常组织和危及器官的剂量满足临床剂量要求；步骤五、以步骤四中优化得到的最后一次调整后处方剂量参数为基础，通过收紧靶区的剂量约束参数，在保证正常组织和危及器官的剂量满足临床剂量要求下，进一步改善靶区的剂量覆盖特性以提高肿瘤控制率。2.根据权利要求1所述的一种基于模糊推理的混合准则放疗参数自动优化方法，其特征在于步骤一所述模糊推理规则采用if…then…的结构。3.根据权利要求1所述的一种基于模糊推理的混合准则放疗参数自动优化方法，其特征在于步骤一所述模糊推理工具箱为Matlab工具箱。4.根据权利要求1所述的一种基于模糊推理的混合准则放疗参数自动优化方法，其特征在于步骤一中的模糊推理权重因子自动调整模块包括一个输入，一个输出，实际剂量参数和处方剂量参数之间的偏差百分比作为模糊推理权重因子自动调整模块的输入，权重因子参数的改变量作为模糊推理权重因子自动调整模块的输出；所述的模糊推理处方剂量自动调整模块也包括一个输入，一个...

【专利技术属性】
技术研发人员：郭彩萍，张晓娟，张俊生，
申请(专利权)人：太原工业学院，
类型：发明
国别省市：山西,14