一种验证放射治疗剂量的方法及系统技术方案

本发明专利技术涉及一种验证放射治疗剂量的方法及系统，该方法包括以下步骤：S1，接收放射治疗前的CT图像，并在CT图像中勾画出靶区；S2，提取出靶区的多个影像组学特征；S3，从提取出的多个影像组学特征中，筛选出与肿瘤消退比例TRR具有显著相关性的影像组学特征；S4，给定剂量值，并利用预先训练好的放射组学模型对经过步骤S3处理后的CT图像进行识别，输出得到该给定剂量值下的肿瘤消退比例TRR。本发明专利技术提出了一种新的思路，基于机器学习方法训练得到放射组学模型，利用该放射组学模型输出的TRR验证给定的计量值，预测结果不受单次剂量影响，验证结果更可靠。

【技术实现步骤摘要】
一种验证放射治疗剂量的方法及系统
本专利技术涉及医疗
，特别涉及一种验证放射治疗剂量的方法及系统。
技术介绍
目前放疗剂量根据个体生物效应剂量(Bd)调整，公式为Bd＝E/α＝nd(1+d/[α/β])-loge2(T-TK)/αTp，其中，Bd即BED，为生物有效剂量，E为总的细胞指数杀伤，α为不可修复杀伤系数，即每Gy照射所致的指数杀伤，β为可修复杀伤系数，即每Gy照射所致指数杀伤的平方，n为分割照射次数，d为单次分割剂量，T为总的照射时间，Tk为细胞再增殖开始时间，Tp为连续照射中细胞数量倍增的平均时间。可参考“Thelinearquadraticformulaandprogressinfractionatedradiotherapy”，作者：Fowler，J.F.《BrJRadiology》1989；62:1261–1269.在放射治疗中，为了确保一个放疗计划准确地照射到病人身上，使用治疗计划系统(TreatmentPlanSystem,TPS)计算出来的剂量分布必须得到实验数据的确认。传统“L-Q模型”及其推导出的生物效应剂量(BED)模型在高剂量区的拟合度下降，可能本文档来自技高网...

【技术保护点】
1.一种验证放射治疗剂量的方法，其特征在于，包括以下步骤：S1，接收放射治疗前的CT图像，并在CT图像中勾画出靶区；S2，提取出靶区的多个影像组学特征；S3，从提取出的多个影像组学特征中，筛选出与肿瘤消退比例TRR具有显著相关性的影像组学特征；S4，给定剂量值，并利用预先训练好的放射组学模型对经过步骤S3处理后的CT图像进行识别，输出得到该给定剂量值下的肿瘤消退比例TRR。

【技术特征摘要】
1.一种验证放射治疗剂量的方法，其特征在于，包括以下步骤：S1，接收放射治疗前的CT图像，并在CT图像中勾画出靶区；S2，提取出靶区的多个影像组学特征；S3，从提取出的多个影像组学特征中，筛选出与肿瘤消退比例TRR具有显著相关性的影像组学特征；S4，给定剂量值，并利用预先训练好的放射组学模型对经过步骤S3处理后的CT图像进行识别，输出得到该给定剂量值下的肿瘤消退比例TRR。2.根据权利要求1所述的方法，其特征在于，所述筛选出与肿瘤消退比例TRR具有显著相关性的影像组学特征的步骤，包括：S31，将提取出的多个影像组学特征中的离群值，改写为多个影像组学特征中除所述离群值以外的最大值或最小值；S32，将经过步骤S31处理后的所有的影像组学特征值进行Z-score归一化处理；S33，对经过Z-score归一化处理后的数据值，根据斯皮尔曼相关系数，选择出与肿瘤消退比例具有显著相关性的特征。3.根据权利要求1所述的方法，其特征在于，所述放射组学模型通过以下步骤训练得到：根据放射治疗前和不同剂量下放射治疗后的CT图像，计算肿瘤消退比例TRR，并根据TRR对放射治疗前的CT图像做标记；其中，Vi是靶区内体素i的体积，V1是放疗前靶区体积，V2是放疗后靶区体积；针对于放射治疗前的CT图像，按照前述步骤S2-S3，提取出与TRR具有显著相关性的影像组学特征；利用袋装算法，对经过标记且提取出与TRR具有显著相关性的特征的CT图像进行学习预测，并对预测结果进行评估，若预测结果的准确度大于设定阈值，和/或曲线下面积AUC大于设定值，则停止训练，否则更新参数，并循环执行本步骤。4.一种验证放射治疗剂量的系统，其特征在于，包括：靶区勾画模块，用于接收放射治疗前的CT图像，并在CT图像中勾画出靶区；特征提取模块，用于提取出靶区的多个影...

【专利技术属性】
技术研发人员：王卫东，闫梦梦，
申请(专利权)人：四川省肿瘤医院，
类型：发明
国别省市：四川,51