基于机器学习的放射治疗计划评估系统及方法技术方案

本发明专利技术涉及放射治疗计划评估领域，其公开了一种基于机器学习的放射治疗计划评估方法，解决传统技术中采用人工评估放射治疗计划存在标准不统一和易出现人为主观偏差的问题。该方法可概括为：首先对一组高质量的放疗历史计划的DICOM数据进行体素选取、体素特征提取和体素数据标注等预处理工作，然后使用体素数据训练一个机器学习模型，此模型为待评估计划中的每个体素输出预测剂量值，并进一步为每个危机器官生成二维的DVH预测曲线和三维的体素剂量预测分布图，最后物理师参考这组曲线和分布图对待评估的放疗计划进行实际评估。此外，本发明专利技术还公开了相应的评估系统，适用于对放疗计划进行客观、准确评估。

【技术实现步骤摘要】
基于机器学习的放射治疗计划评估系统及方法
本专利技术涉及放射治疗计划评估领域，具体涉及一种基于机器学习的放射治疗计划评估系统及方法。
技术介绍
放射治疗，是利用放射线治疗肿瘤的一种局部治疗方法，为目前主流的肿瘤治疗方式之一。放射线包括放射性同位素产生的α、β、γ射线和各类x射线治疗机或加速器产生的x射线、电子线、质子束及其它粒子束等。目前，大约70％的癌症患者在治疗癌症的过程中需要使用放射治疗。放射治疗计划，是控制加速器照射病人肿瘤位置的具体实施方案，由物理师根据放疗医生指定的处方剂量目标使用治疗计划系统(TreatmentPlanningSystem，TPS)制定，其目标是在保证肿瘤(即靶区)获得足够放疗剂量的同时，尽可能控制重要器官组织(即危及器官)的照射剂量不超过其耐受剂量，从而保护重要器官组织的功能和患者的生活质量。放射治疗计划评估，是指在实际实施放射治疗前对物理师制订的放射治疗计划进行质量评估，用以决定是否采用这个放射治疗计划。计划评估的一般标准是靶区剂量满足处方剂量，并且危及器官的剂量尽可能地低。但是，由于每个病人的靶区位置和形状差别较大，危及器官的位置和形状也有一定差别本文档来自技高网...

【技术保护点】
1.基于机器学习的放射治疗计划评估系统，其特征在于，包括：样本预处理模块，用于从一组高质量的历史放射治疗计划的DICOM数据中进行体素选取、体素特征提取和体素数据标注，输出体素样本；评估模型训练模块，用于采用样本预处理模块输出的体素样本训练一个机器学习模型作为放射治疗计划评估模型；预测模块，用于采用训练好的放射治疗计划评估模型对待评估的放射治疗计划数据中的体素进行剂量预测，并进一步为每一个危及器官生成二维DVH预测曲线和三维体素剂量预测分布图；实际评估模块，用于供物理师参考所述二维DVH预测曲线和三维体素剂量预测分布图对待评估的放射治疗计划进行实际评估。

【技术特征摘要】
1.基于机器学习的放射治疗计划评估系统，其特征在于，包括：样本预处理模块，用于从一组高质量的历史放射治疗计划的DICOM数据中进行体素选取、体素特征提取和体素数据标注，输出体素样本；评估模型训练模块，用于采用样本预处理模块输出的体素样本训练一个机器学习模型作为放射治疗计划评估模型；预测模块，用于采用训练好的放射治疗计划评估模型对待评估的放射治疗计划数据中的体素进行剂量预测，并进一步为每一个危及器官生成二维DVH预测曲线和三维体素剂量预测分布图；实际评估模块，用于供物理师参考所述二维DVH预测曲线和三维体素剂量预测分布图对待评估的放射治疗计划进行实际评估。2.如权利要求1所述的基于机器学习的放射治疗计划评估系统，其特征在于，所述样本预处理模块包括：历史放射治疗计划确定模块，用于确定一组高质量的历史放射治疗计划；体素选取模块，用于从确定的一组高质量的历史放射治疗计划的DICOM数据中进行体素选取：选取靶区周围一定距离范围内的体素作为训练机器学习模型使用的体素数据，体素数据包括危及器官的体素；体素特征提取模块，用于对选取的体素从DICOM数据中提取特征数据，特征数据包括PTV体积、体素距离PTV靶区的最短距离以及体素距离危及器官最短距离；体素数据标注模块，用于根据DICOM数据对每个选取的体素标注一个剂量值；体素样本输出模块，用于将标注后的体素作为体素样本，输出所述体素样本。3.如权利要求1所述的基于机器学习的放射治疗计划评估系统，其特征在于，所述评估模型训练模块训练的机器学习模型为基于监督学习方式的一种机器学习模型，所述机器学习模型可采用如下函数关系式简要表示：Y＝h(X)其中，h函数是机器学习模型表达的函数变换关系，X是输入的体素的特征数据，Y是输出的体素的剂量预测值。4.如权利要求1所述的基于机器学习的放射治疗计划评估系统，其特征在于，所述实际评估模块进行的实际评估为差异评估，即将待评估放射治疗计划中的剂量值和通过评估模型预测输出的剂量值进行比较，如果待评估计划中的危及器官的剂量值低于或接近评估模型预测输出的剂量值，则表明治疗计划质量较高；如果待评估计划中的危及器官的剂量值高于评估模型预测输出的剂量值，则表明治疗计划质量不高，需要物理师对放射治疗计划进一步优化。5.如权利要求1-4任意一项所述的基于机器学习的放射治疗计划评估系统，其特征在于，所述预测模块具体用于：将待评估计划的体素的特征数据值作为输入值，输入放射治疗计划评估模型中，通过模型预测，输出体素的剂量预测值，经处理后进一步形成二维的DVH预测曲...

【专利技术属性】
技术研发人员：何铁军，王伟，董梅平，刘杰，
申请(专利权)人：北京东方瑞云科技有限公司，
类型：发明
国别省市：北京,11