硼中子俘获治疗计划疗效预测模型构建方法和装置制造方法及图纸

技术编号:42112877 阅读:17 留言:0更新日期:2024-07-25 00:34
本发明专利技术公开了一种硼中子俘获治疗计划疗效预测模型构建方法和装置,所述方法包括:采集不同变化因子信息及对应的剂量分布数据和硼浓度数据,得到训练数据集;基于训练数据集驱动特征提取网络训练,提取不同变化因子信息对应的初始剂量分布特征和初始硼浓度特征,作为深层神经网络的第一特征输入,得到优化后的剂量分布特征和硼浓度特征;基于医学影像信息构建物理模型,对优化后的剂量分布特征和硼浓度特征进行评估,得到BNCT剂量覆盖特征和BNCT硼浓度变化特征,将其作为深层神经网络的第二特征输入,进行网络参数更新及迭代;基于训练完成的特征提取网络和深层神经网络建立预测模型。本发明专利技术可为硼中子俘获治疗计划的制定与优化提供有效指导和支持。

【技术实现步骤摘要】

本专利技术涉及放射治疗疗效预测领域,尤其涉及一种硼中子俘获治疗计划疗效预测模型构建方法和装置


技术介绍

1、针对癌症的治疗手段主要包括手术治疗、化疗和放射治疗。在恶性肿瘤患者中,大约70%需要接受放射治疗,而约40%的恶性肿瘤可以通过放射治疗来达到根治的效果。放射治疗技术在近一个世纪的发展中取得了巨大进步,科学家们不断探索和开发更加有效、毒性更低的创新疗法,以提高癌症治疗的成功率、患者存活率和生活质量。

2、在这个背景下,硼中子俘获疗法 (bnct) 成为了一种备受关注的新型放射治疗方法。bnct将含有硼的药物注入患者体内,然后让患者接受中子束照射。当中子束与体内的硼原子反应时,会产生高能粒子,从而杀死癌细胞。与传统的放疗方法不同,bnct是一种靶向治疗,可以有选择性地破坏癌细胞而不损伤健康组织。因此,bnct被认为是目前国际上最先进的癌症治疗手段之一,并且在治疗晚期和复发性癌症方面显示出了显著的疗效。在bnct治疗中,尤其是在面对位于头颈部照射位置的肿瘤时,由于照射靶区附近的危及器官数量较多而且这些危及器官对于辐照比较敏感,这些器官的极限剂本文档来自技高网...

【技术保护点】

1.一种硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,包括:

2.如权利要求1所述的硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,所述变化因子信息包括辐照信息,辐照信息包括射线束的形状、相对位置及强度信息。

3.如权利要求1或2所述的硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,所述变化因子信息包括硼药信息,硼药信息包括血硼浓度比和肿瘤组织硼浓度信息。

4.如权利要求3所述的硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,所述变化因子信息包括多维度照射任务,多维度照射任务至少包括靶区的处方剂量和危及器官的极限剂量。

5...

【技术特征摘要】

1.一种硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,包括:

2.如权利要求1所述的硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,所述变化因子信息包括辐照信息,辐照信息包括射线束的形状、相对位置及强度信息。

3.如权利要求1或2所述的硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,所述变化因子信息包括硼药信息,硼药信息包括血硼浓度比和肿瘤组织硼浓度信息。

4.如权利要求3所述的硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,所述变化因子信息包括多维度照射任务,多维度照射任务至少包括靶区的处方剂量和危及器官的极限剂量。

5.如权利要求1所述的硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,所述获取对应不同变化因子信息的剂量分布数据和硼浓度数据包括:

6.如权利要求1所述的硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,所述的进行预处理得到训练数据集至少包括对数据进行配准,使剂量分布数据和硼浓度数据之间保持相对位置的对齐。

7.如权利要求1所述的硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,所述特征提取网络为递归神经网络或卷积神经网络。

8.如权利要求1所述的硼中子俘获治疗计划疗效预测模型构建方法,其特征在于,所述深层神经网络模型包括依次连接的卷积网络、中间层、生成对抗网络、平均池化...

【专利技术属性】
技术研发人员:李志峰唐云辉王盛
申请(专利权)人:华硼中子科技杭州有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1