基于剂量组学的放射治疗结果预测方法和系统技术方案

本发明专利技术涉及基于剂量组学的放射治疗结果预测方法和系统。根据一实施例，一种放射治疗结果预测方法可包括：获取同一治疗部位患者的放射治疗数据，所述放射治疗数据包括历史放疗计划数据和治疗结果数据；利用所述放射治疗数据建立预测模型；以及利用所述预测模型来预测放射治疗计划的治疗结果。本发明专利技术的方法能够更有效地提高预测准确率，不仅能更准确地预测肿瘤治疗效果，还能更准确地预测正常组织的放射性损伤等，因此能广泛应用于各种放疗情况。

Dose group based prediction method and system for radiotherapy outcome

The invention relates to a prediction method and system for radiation therapy outcome based on dose group. According to an embodiment, a radiotherapy outcome prediction method may include: acquiring radiotherapy data of patients at the same therapeutic site, the radiotherapy data including historical radiotherapy plan data and treatment outcome data; establishing a prediction model using the radiotherapy data; and using the prediction model to predict radiation. Outcome of treatment plan. The method of the invention can effectively improve the prediction accuracy, not only can more accurately predict the therapeutic effect of tumors, but also can more accurately predict the radiation damage of normal tissues, etc., so it can be widely used in various radiotherapy situations.

【技术实现步骤摘要】
基于剂量组学的放射治疗结果预测方法和系统
本专利技术总体上涉及放射肿瘤学领域，更特别地，涉及一种基于剂量组学的放射治疗结果预测方法和系统。
技术介绍
癌症严重威胁着人类的健康，据统计，我国癌症患者五年生存率仅为30.9％，癌症已经成为城镇人口死亡的首要因素。放射治疗是治疗癌症的一种有效的手段，目前被应用于60％～70％的癌症患者。放射治疗使用的高能射线能够有效地抑制和杀灭癌细胞，但是在这个过程中，照射区域的正常组织也不可避免地受到损害。因此，放射治疗的结果包括肿瘤的疗效和周围正常组织不可避免的损伤。肿瘤疗效的评价指标包括肿瘤控制率、患者生存率、复发率和生存时间等，而正常组织损伤的评价指标包括口干、水肿、放射性肺炎、皮肤溃烂和放射性肠炎等。放射治疗的结果与剂量分布有着密切的联系，但是单纯依靠简单的剂量统计指标(例如，处方剂量对靶区的覆盖度、靶区内剂量分布的均匀度、适形度等)无法对治疗结果做出可靠的预测。例如，对于前列腺肿瘤放射治疗，基于剂量分布简单统计指标的预测模型对于五年生存率的预测相关度仅为0.6。常用的正常组织和危及器官的受量评价指标有最大、最小、平均剂量等统计指标。大量针对不同本文档来自技高网...

【技术保护点】
1.一种放射治疗结果预测方法，包括：获取同一治疗部位患者的放射治疗数据，所述放射治疗数据包括历史放疗计划数据和治疗结果数据；利用所述放射治疗数据建立预测模型；以及利用所述预测模型来预测放射治疗计划的治疗结果。

【技术特征摘要】
1.一种放射治疗结果预测方法，包括：获取同一治疗部位患者的放射治疗数据，所述放射治疗数据包括历史放疗计划数据和治疗结果数据；利用所述放射治疗数据建立预测模型；以及利用所述预测模型来预测放射治疗计划的治疗结果。2.如权利要求1所述的方法，其中，所述历史放疗计划数据包括三维剂量分布数据和轮廓线数据，所述方法还包括：解析所述历史放疗计划中的轮廓线数据，以获得感兴趣区域的模板；以及利用所述模板滤除所述感兴趣区域之外的其他区域的三维剂量分布，从而获得所述感兴趣区域的剂量分布，其中，所述感兴趣区域的剂量分布和所述治疗结果数据被用于建立所述预测模型。3.如权利要求2所述的方法，其中，建立所述预测模型包括基于机器学习方法或深度学习方法建立所述预测模型。4.如权利要求3所述的方法，其中，基于机器学习方法建立所述预测模型包括：从所述感兴趣区域的剂量分布提取多个特征；对所述多个特征进行筛选以去除冗余特征；建立预测模型；以及使用筛选之后的特征和所述治疗结果数据对所述预测模型进行训练。5.如权利要求4所述的方法，其中，所述多个特征包括简单统计特征、剂量体积直方图(DVH)特征、以及空间分布特征，建立预测模型包括应用支持向量机(SVM)或逻辑回归技术来建立预测模型，且对所述多个特征进行筛选包括应用最小冗余最大相关法或最小绝对值收缩选择因子来对所述多个特征进行筛选。6.如权利要求5所述的方法，其中，所述简单统计特征包括能量、最大剂量、最小剂量、平均剂量、剂量范围、标准差、偏斜度和峰度中的一个或多个，所述剂量体积直方图特征包括微分直方图特征和积分直方图特征中的一个或多个，且所述空间分布特征包括灰度共生矩阵特征、灰度区域大小矩阵特征和灰度游程矩阵中的一个或多个。7.如权利要求3所述的方法，其中，基于深度学习方法建立所述预测模型包括：直接使用正常组织的三维剂量分布作为输入，通过卷积神经网络...

【专利技术属性】
技术研发人员：戴建荣，梁斌，
申请(专利权)人：戴建荣，梁斌，
类型：发明
国别省市：北京,11